re
正則表達(dá)式
re 庫采用 raw string 類型表示正則表達(dá)式，表示為 r'text'（防 \ 轉(zhuǎn)義）
字符:
- .匹配除換行符以外的任意字符
- []字符集
- [^]非字符集
- |左右表達(dá)式任意一個
- ^匹配字符串的開始
- $匹配字符串的結(jié)束
- ()分組標(biāo)記
- \w匹配字母或數(shù)字或下劃線或漢字,等價于[A-Za-z0-9_]
- \s匹配任意的空白符
- \d匹配數(shù)字,等價于[0-9]
- \b匹配單詞的開始或結(jié)束
- \W匹配非[A-Za-z0-9]
- \D匹配非數(shù)字
次數(shù):
- *重復(fù)零次或更多次
- +重復(fù)一次或更多次
- ?重復(fù)零次或一次
- {n}重復(fù)n次
- {n,}重復(fù)n次或更多次
- {n,m}重復(fù)n到m次
常用正則：
- .*?
匹配所有字符 - ^[A-Za-z]+$
由26個字母組成的字符串 - ^[A-Za-z0-9]+$
由26個字母和數(shù)字組成的字符串 - ^-?\d+$
整數(shù)形式的字符串 - ^[0-9][1-9][0-9]$
正整數(shù)形式的字符串 - [1-9]\d{5}
中國境內(nèi)的郵政編碼而柑，6位 - [\u4e00-\u9fa5]
匹配中文字符 - \d{3}-\d{8}|\d{4}-\d{7}
國內(nèi)電話號碼 010-68913536 - ^(25[0-5]|2[0-4]\d|[0-1]?\d?\d)(.(25[0-5]|2[0-4]\d|[0-1]?\d?\d)){3}$
IP - ^1[3|4|5|8][0-9]\d{8}$
手機(jī)號
1变丧、match(pattern, string, flags=0)
從一個字符串的開始位置起匹配正則表達(dá)式，返回 match 對象
1巾陕、 pattern ： 正則表達(dá)式的字符串或原生字符串表示
2踢匣、 string ： 要匹配的字符串
3似枕、 flag ： 正則表達(dá)式使用時的控制標(biāo)記
常用 flag：
- re.I reIGNORECASE
忽略正則表達(dá)式的大小寫溯警，[A-Z]能夠p匹配小寫字符 - re.M re.MULTILINE
正則表達(dá)式中的 ^ 操作符能夠?qū)⒔o定字符串的每行當(dāng)作匹配開始 - re.S re.DOTALL
正則表達(dá)式中的 . 操作符能匹配所有字符
>>> import re
>>> obj = re.match('\d+', '123uuasf')
>>> if obj:
print obj.group()
123
2、search(pattern, string, flags=0)
在一個字符串中搜索匹配正則表達(dá)式的第一個位置狡相，返回 match 對象
>>> import re
>>> obj = re.search('\d+', 'u123uu888asf')
>>> if obj:
print(obj.group())
123
group 和 groups
一般梯轻，m.group(N) 返回第N組括號匹配的字符。而m.group() == m.group(0) == 所有匹配的字符谣光，與括號無關(guān)檩淋，這個是API規(guī)定的。
m.groups() 返回所有括號匹配的字符萄金，以tuple格式蟀悦。
m.groups() == (m.group(0), m.group(1), ...)
>>> a = "123abc456"
>>> print (re.search("([0-9]*)([a-z]*)([0-9]*)", a).group())
123abc456
>>> print (re.search("([0-9]*)([a-z]*)([0-9]*)", a).group(0))
123abc456
>>> print (re.search("([0-9]*)([a-z]*)([0-9]*)", a).group(1))
123
>>> print (re.search("([0-9]*)([a-z]*)([0-9]*)", a).group(2))
abc
>>> print (re.search("([0-9]*)([a-z]*)([0-9]*)", a).groups())
('123', 'abc', '456')
>>>
3、findall(pattern, string, flags=0)
搜索字符串氧敢，以列表類型返回全部能匹配的子串
>>> import re
>>> obj = re.findall('\d+', 'fa123uu888asf')
>>> print(obj)
['123', '888']
4日戈、sub(pattern, repl, string, count=0, flags=0)
在一個字符串中替換所有匹配正則表達(dá)式的子串，返回替換后的字符
repl : 替換匹配字符串的字符串
count : 匹配的最大替換次數(shù)
>>> content = "123abc456"
>>> new_content = re.sub('\d+', 'sb', content)
>>> new_content
'sbabcsb'
>>> new_content2 = re.sub('\d+', 'sb', content, 1)
>>> new_content2
'sbabc456'
5孙乖、split(pattern, string, maxsplit=0, flags=0)
將一個字符串按照正則表達(dá)式匹配結(jié)果進(jìn)行分割浙炼，返回列表類型
6、finditer(pattern, string, flags=0)
搜索字符串唯袄，返回一個匹配結(jié)果的迭代類型弯屈，每個迭代元素是 match 對象
7、re 庫的另一種等價用法
函數(shù)式用法
>>> rst = re.search(r'[1-9]\d{5}', 'Boom 233233')
面向?qū)ο笥梅ǎ壕幾g后的多次操作
>>> pat = re.compile((r'[1-9]\d{5}')
>>> rst = pat.search( 'Boom 233233')
8恋拷、re 庫 的 match 對象
>>> import re
>>> match = re.search(r'[1-9]\d{5}', 'Boom 233233')
>>> if match:
print(match.group(0))
233233
>>> type(match)
<class '_sre.SRE_Match'>
>>>
match 對象的屬性
- .string 待匹配的文本
- .re 匹配時使用的 pattern 對象（正則表達(dá)式）
- .pos 正則表達(dá)式搜索文本的開始位置
- .endpos 正則表達(dá)式搜索文本的結(jié)束位置
match 對象的方法
- .group(0) 獲得匹配后的字符串
- .start() 匹配字符串在原始字符串的開始位置
- .end() 匹配字符串在原始字符串的結(jié)束位置
- .span() 返回(.start(), .end())
>>> match.string
'Boom 233233'
>>> match.re
re.compile('[1-9]\\d{5}')
>>> match.pos
0
>>> match.endpos
11
>>> match.start()
5
>>> match.end()
11
9资厉、貪婪匹配和最小匹配
re 庫默認(rèn)采用貪婪匹配，即輸出匹配最長的子串
>>> import re
>>> match = re.search(r'PY.*N', 'PYANBNCNDN')
>>> match.group(0)
'PYANBNCNDN'
>>>
最小匹配操作符
- *? 與不加 蔬顾？ 一樣宴偿，不過是最小匹配
- +?
- ??
- {n, m}?
10、另
>>> str = '800+","CommentCount":4800,"AverageScore":5,"Goo'
>>> a = re.findall(r'"CommentCount":(\d*),"',str)
>>> a
['4800']
>>> b = re.findall(r'"CommentCount":\d*,"', str)
>>> b
['"CommentCount":4800,"']
如果加 () 會返回匹配條件的 括號內(nèi) 字符串诀豁。不加則返回匹配條件的 全部字符串
