导图社区 Python 正则表达式及Re库
本导图总结了正则表达式的基本用法,以及Python提供的用于正则表达式的Re库。
编辑于2020-08-18 19:47:21Python 正则表达式
正则表达式
通用的字符串表达框架,简洁表达一组字符串的表达式
主要应用在字符串的匹配
常用操作符
.
表示任何单个字符
[]
字符集,对单个字符给出取值范围
例:[abc]表示a、b、c,[a-z]表示a到z单个字符
[^ ]
非字符集,对单个字符给出排除范围
例:[^abc]表示非a或b或c的单个字符
*
前一个字符0次或无限次扩展
例:abc*表示ab、abc、abcc、abccc等
+
前一个字符1次或无限次扩展
例:abc+表示abc、abcc、abccc等
?
前一个字符0次或1次扩展
例:abc?表示ab、abc
|
左右表达式任意一个
例:abc|def表示abc、def
{m}
扩展前一个字符m次
例:ab{2}c表示abbc
{m,n}
扩展前一个字符m至n次(含n)
例:ab{1,2}c表示abc、abbc
^
匹配字符串开头
^abc表示abc且在一个字符串的开头
$
匹配字符串结尾
abc$表示abc且在一个字符串的结尾
()
分组标记,内部只能用|操作符
(abc)表示abc,(abc|def)表示abc、def
\d
数字,等价于[0-9]
\w
单词字符,等价于[A-Za-z0-9_]
经典正则表达式
^[A-Za-z]+$
由26个字母组成的字符串
^[A-Za-z0-9]+$
由26个字母和数字组成的字符
^-?\d+$
整数形式的字符串
^[0-9]*[1-9][0-9]*$
正整数形式的字符串
[\u4e00-\u9fa5]
匹配中文字符
Python Re库
Python的标准库,无需安装。主要用于字符串匹配。
re库采用raw string类型(不解析转义符'\')表示正则表达式 表示为:r'text'
例:r'[1-9]\d{5}'
Re库 Match对象
调用Re库方法返回的对象,包含匹配结果
常用属性
.string
待匹配的文本
.re
匹配时使用的pattern对象(正则表达式)
.pos
正则表达式搜索文本的开始位置
.endpos
正则表达式搜索文本的结束位置
常用方法
.group(0)
获得匹配后的字符串
.start()
匹配字符串在原始字符串的开始位置
.end()
匹配字符串在原始字符串的结束位置
.span()
返回(.start(), .end())
Re库常用功能函数
re.search()
在一个字符串中搜索匹配正则表达式的第一个位置,返回match对象
完整表示
re.search(pattern, string, flags=0)
参数
pattern
正则表达式字符串或原生字符串表示
string
待匹配字符串
flags
正则表达式使用时的控制标记
常用标记
re.I
忽略正则表达式的大小写,[A-Z]能匹配小写字符
re.M
正则表达式中的^操作符能够将给定字符串的每行当作匹配开始
re.S
正则表达式中的.操作符能够匹配所有字符,默认匹配除换行外的所有字符
例:match = re.search(r'[1-9]\d{5}, 'BIT 100081') if match: print(match.group(0))
re.match()
从一个字符串的开始位置起匹配正则表达式,返回match对象
完整表示
re.match(pattern, string, flags=0)
参数
pattern
正则表达式字符串或原生字符串表示
string
待匹配字符串
flags
正则表达式使用时的控制标记
re.findall()
搜索字符串,以列表类型返回全部能匹配的子串
完整表示
re.findall(pattern, string, flags=0)
re.split()
将一个字符串按照正则表达式匹配结果进行分割,返回列表类型
完整表示
re.split(pattern, string, maxsplit=0, flags=0)
参数
pattern
正则表达式字符串或原生字符串表示
string
待匹配字符串
maxsplit
最大分割数,剩余部分作为最后一个元素输出
flags
正则表达式使用时的控制标记
re.finditer()
搜索字符串,返回一个匹配结果的迭代类型,每个迭代元素是match对象
完整表示
re.finditer(pattern, string, flags=0)
re.sub()
在一个字符串中替换所有匹配正则表达式的子串,返回替换后的字符串
完整表示
re.sub(pattern, repl, string, count=0, flags=0)
参数
pattern
正则表达式字符串或原生字符串表示
string
待匹配字符串
repl
替换匹配字符串的字符串
count
匹配的最大替换次数
flags
正则表达式使用时的控制标记
用法
函数式用法,一次性操作
rst = re.search(r’[1-9]\d{5}’, ‘BIT 100081’)
面向对象用法,编译后的多次操作
pat = re.compile(r’[1-9]\d{5}’) rst = pat.search(‘BIT 100081’)
Re库 匹配原则
默认采用贪婪匹配,即匹配最长的子串
最小匹配
匹配最短的子串,需要修改表达式中的操作符
操作符
*?
前一个字符0次或无限次扩展,最小匹配
+?
前一个字符1次或无限次扩展,最小匹配
??
前一个字符0次或1次扩展,最小匹配
{m,n}?
扩展前一个字符m至n次(含n),最小匹配