python正则一些简单匹配
元字符的使用
re.findall(regex,string)
功能：在string字符串中，匹配regex正则表达式能够匹配的项，放到一个列表中返回
* 普通字符串
元字符 ：abc
匹配规则 ： 匹配字符串的值
匹配示例 ：abc
In [3]: re.findall('abc','abcdeabc')
Out[3]: ['abc', 'abc']
* 使用“或”进行多个匹配
元字符： re1 | re2
匹配规则：既能匹配正则表达式re1所表达内容，也能匹配 re2所表达内容
匹配示例：ab | bc --》 ab bc
In [5]: re.findall('ab|de','abcdeabc')
Out[5]: ['ab', 'de', 'ab']
* 点号 "."
元字符： .
匹配规则：匹配任意一个字符
匹配示例：f.o ――》 foo fao f@o
In [6]: re.findall('f.o','foo,f@oabfabo')
Out[6]: ['foo', 'f@o']
* 匹配开头子串
元字符： ^
匹配规则：匹配一个字符串的开头位置
匹配示例：^From 匹配以 From 开头的字符串起始部分
In [9]: re.findall('^From','From China')
Out[9]: ['From']
In [10]: re.findall('^From','I come From China')
Out[10]: []
*匹配字符串的结尾
元字符 : $
匹配规则 ： 当一个字符串以什么结尾时使用$标记
匹配示例 ： py$ -》 匹配所有以py结尾的字符串
In [17]: re.findall('py$','test.py')
Out[17]: ['py']
In [18]: re.findall('py$','python')
Out[18]: []
* 匹配任意0个或多个字符
元字符 : *
匹配规则： 匹配前面出现的字符或正则表达式0次或者多次
匹配示例： ab* -> abbbbbbbb
In [23]: re.findall('.*','askjdfh89w4234')
Out[23]: ['askjdfh89w4234', '']
In [24]: re.findall('.*','askjdfh89w4234sdfhhg')
Out[24]: ['askjdfh89w4234sdfhhg', '']
In [25]: re.findall('ab*','a')
Out[25]: ['a']
In [26]: re.findall('ab*','abbbb')
Out[26]: ['abbbb']
* 匹配任意1个或多个字符
元字符 : +
匹配规则： 匹配前面出现的字符或正则表达式1次或者多次
匹配示例： ab+ -> abbbbbbbb
In [28]: re.findall('ab+','abbbb')
Out[28]: ['abbbb']
In [29]: re.findall('ab+','a')
Out[29]: []
* 匹配字符 0 次或1次
元字符 ： ？
匹配规则：匹配前面出现的字符或正则表达式0次或1次
匹配示例： ab？ --》 a 或者 ab
In [31]: re.findall('ab?','a')
Out[31]: ['a']
In [32]: re.findall('ab?','ab')
Out[32]: ['ab']
* 匹配前面的字符或re指定次数
元字符 ： {N} N代表一个数字
匹配规则：匹配前面出现的字符或正则表达式N次
匹配示例： ab{3} --》 abbb
In [34]: re.findall('ab{3}','abbbbbb')
Out[34]: ['abbb']
In [35]: re.findall('ab{3}','abb')
Out[35]: []
* 匹配前面的字符或re指定次数
元字符 ： {M,N} M,N代表数字
匹配规则：匹配前面出现的字符或正则表达式M 到 N次
匹配示例： ab{3，8} --》 abbb abbbbbbbb
In [36]: re.findall('ab{3,8}','abbb')
Out[36]: ['abbb']
In [37]: re.findall('ab{3,8}','abbbbbbbbbbb')
Out[37]: ['abbbbbbbb']
* 字符集合匹配
元字符 ： [abcd]
匹配规则： 匹配中括号中任意一个字符
匹配示例： b[abcd]t -> bat bbt bct bdt
In [40]: re.findall('b[abc123]t','bat,b1tba3t')
Out[40]: ['bat', 'b1t']
In [41]: re.findall('[ab][cd]','acadbcbd')
Out[41]: ['ac', 'ad', 'bc', 'bd']
* 字符集合匹配
元字符 ： [a-zA-Z0-9] [a-z] [0-9] [a-zA-Z] [3-8]
[b-x]
匹配规则： 匹配中括号中任意一个区间内的字符
匹配示例： [a-zA-Z0-9]+ 匹配任意一个由字母数字组 In [43]: re.findall('[a-zA-Z0-9]+','safd1324')
Out[43]: ['safd1324']
In [44]: re.findall('[a-zA-Z0-9]+','adf$&^%123')
Out[44]: ['adf', '123']
成的非空字符串
* 字符集合不匹配
元字符 ： [^...] ... 表示上面两项中任意内容
匹配规则： 匹配任意非中括号中的字符集
匹配示例： [^aeiou] 匹配任意一个非aeiou字符
[^a-z] 匹配任意一个非小写字母
In [46]: re.findall('[^a-z]','abc1j2^&d')
Out[46]: ['1', '2', '^', '&']
In [47]: re.findall('[^aeiou]','hello world')
Out[47]: ['h', 'l', 'l', ' ', 'w', 'r', 'l', 'd']
* 匹配(非)数字字符
元字符 : \d [0-9] \D [^0-9]
匹配规则 : \d 匹配任意一个数字字符
\D 匹配任意一个非数字字符
匹配示例 ：\d{3} --> '123'
In [49]: re.findall('\d{3}','hello 1234')
Out[49]: ['123']
In [50]: re.findall('\D{3}','hello 1234')
Out[50]: ['hel', 'lo ']
* 匹配(非)字母数字字符
元字符 : \w [a-zA-Z0-9] \W [^a-zA-Z0-9]
匹配规则 : \w 匹配任意一个字母或数字字符
\W 匹配任意一个非字母或数字字符
匹配示例 ：\w{3} --> 'a23'
In [51]: re.findall('[A-Z]\w*','Hello World')
Out[51]: ['Hello', 'World']
In [52]: re.findall('\w+-\d+','xiaoming-56')
Out[52]: ['xiaoming-56']
* 匹配(非)空字符
元字符 : \s (空格 \n \0 \t \r) \S
匹配规则 : \s 匹配任意一个空字符
\S 匹配任意一个非空字符
匹配示例 ：hello world -> hello world
In [58]: re.findall('hello\s+world','hello world')
Out[58]: ['hello world']
In [60]: re.findall('\S*','helloworld&* ask')
Out[60]: ['helloworld&*', '', 'ask', '']
In [61]: re.findall('\s','a b c\n')
Out[61]: [' ', ' ', '\n']
*匹配字符串开头和结尾
元字符 \A (^) \Z ($)
匹配规则： \A 匹配字符串的开头位置
\Z 匹配字符串的结尾位置
匹配示例： \Aabc\Z ^abc$ - > abc
In [70]: re.findall('\Aabc\Z','abcabc')
Out[70]: []
In [66]: re.findall('\Aabc\Z','abc')
Out[66]: ['abc']
In [68]: re.findall('efg\Z','hi,abcdefg')
Out[68]: ['efg']
* 匹配（非）单词边界
元字符 ： \b \B
匹配规则 ： 将非字母的部分不认为是单词部分
将连续字母的部分认为是一个单词
匹配示例： “This is a %test%”
In [74]: re.findall(r'\btest\b','This is a %test%')
Out[74]: ['test']
In [75]: re.findall(r'\bThis\b','This is a %test%')
Out[75]: ['This']
In [76]: re.findall(r'\bis\b','This is a %test%')
Out[76]: ['is']
In [77]: re.findall(r'\Bis\b','This is a %test%')
Out[77]: ['is']
In [78]: re.findall(r'is\b','This is a %test%')
Out[78]: ['is', 'is']
元字符总结
字符 ： 匹配实际字符
匹配单个字符： . [] \d \D \w \W \s \S
匹配重复次数： * + ？ {}
匹配开头结尾： ^ $ \A \Z \b \B
其他 ： | [^ ]
raw字串和转义
r“hello world” -> raw字串
raw字串特点 ： 不进行转义解析
“hello \n world” -> \n表示换行
r"hello \n world" -> \n表示两个字符
什么时候加r
转为raw字符串是为了防止Python对字符串的转义解析，所以在正则表达式本身有“\”的时候最好加上r
正则表达式的转义匹配
当匹配正则表达式内的特殊字符的时候，正则表达式本身也需要进行转义，如要匹配字符串中的 * 则正则表达式应为“\*”
特殊字符如下：
\ * . ？ () [] {} "" ''
匹配字符串中的*
In [86]: re.findall(r'\*','* is not \\, \\ is not ?')
Out[86]: ['*']
In [87]: re.findall('\\*','* is not \\, \\ is not ?')
Out[87]: ['*']
匹配字符串中的“\”
In [89]: re.findall('\\\\','* is not \\, \\ is not ?')
Out[89]: ['\\', '\\']
In [90]: re.findall(r'\\','* is not \\, \\ is not ?')
Out[90]: ['\\', '\\']
贪婪和非贪婪
贪婪模式 ： 不做处理的情况下，正则表达式默认是贪婪模式。即 在使用 * + ？ {M,N} 的时候尽可能多的向后进行匹配。
e.g.
ab* 可以匹配 a ab abbb... 那么当b足够多的时候它会尽可能多的去匹配
In [96]: re.findall(r'ab*','abbbbbbb')
Out[96]: ['abbbbbbb']
非贪婪模式：尽可能少的匹配复合正则条件的内容
贪婪模式 ---》 非贪婪模式 方法：后面加“？”
即 *？ +？ ？？ {M,N}？
In [100]: re.findall(r'ab*?','abbbbbbb')
Out[100]: ['a']
In [101]: re.findall(r'ab+?','abbbbbbb')
Out[101]: ['ab']
In [102]: re.findall(r'ab??','abbbbbbb')
Out[102]: ['a']
In [103]: re.findall(r'ab{2,4}?','abbbbbbb')
Out[103]: ['abb']
正则表达式分组
((ab)*(cd))
正则表达式 (ab)*cd
1. 正则表达式可以分组，分组的标志即括号()，每个括号都是正则表达式的一个子组，而每个子组是整体正则表达式的一部分，同时也是一个小的正则表达式
2. 当有多个子组的时候，我们从外层向内侧分别叫第一，第二....子组。当同一层次的时候，从左向右分别计数
3. 分组会该表* + ？ {} 的重复行为，即把每个分组当做一个整体对待，进行相应的重复操作
4. 当子组能后和多个目标字符串内容进行匹配时，只返回一个内容
In [113]: re.findall(r'(ab)+cd','ababcdef')
Out[113]: ['ab']
5.每个组都可以起名字，我们可以根据起的名字辨别各个组。
格式： (?P<Word>hello)
给子组(hello) 起一个名字，这个名字是 “word”
子组通过名字进行调用 (?P=word) 表示复制子组正则表达式内容
In [123]: re.findall(r'((?P<word>hello)\s+(?P=word))','hello hello')
Out[123]: [('hello hello', 'hello')]
相关文章