[关闭]
@Pigmon 2016-11-30T05:07:32.000000Z 字数 2469 阅读 93

Python正则表达式

Python


pattern 描述
. 除了\n外的任意单个字符
\w 一个word字符,即字母或数字或下划线字符 [a-zA-Z0-9_]
\W 一个非word字符
\b word和非word的边界
\s [\n\r\t\f]
\S [\t\n\r]
\d [0-9]
^ 开始标志
$ 结束标志
+ 匹配它左边模式1次或多次
* 匹配它左边模式0次或多次
? 匹配它左边模式0次或1次

基本例子

  1. import re
  2. str1 = 'a123b'
  3. match = re.search(r'\w\w', str1) # match.group() = 'a1'
  4. match = re.search(r'\d\d', str1) # match.group() = '12'
  5. match = re.search(r'\d[a-z]', str1) # match.group() = '3b'
  6. match = re.search(r'[0-9]+', str1) # match.group() = '123'
  7. match = re.search(r'i+', 'piigiii') # match.group() = 'ii'
  8. match = re.search(r'\w\s*\w\w\w\w\s*', 'I have a pin.') # match.group() = 'I have ' 0或多个空白字符
  9. str = 'purple alice-b@google.com monkey dishwasher'
  10. match = re.search(r'[\w\s\.-]+\@[\w\s\.-]+', str)
  11. # 找不到,因为要从字符串开头就匹配
  12. match = re.search(r'^b\w+', 'foobar')
  13. # match.group = 'bar'
  14. match = re.search(r'b\w+', 'foobar')

group 例子

  1. str = 'purple alice-b@google.com monkey dishwasher'
  2. # 注意和上面例子不同,@前后两个pattern都加了小括号,否则group(n > 0)就不存在了
  3. match = re.search(r'([\w\s\.-]+)\@([\w\s\.-]+)', str)
  4. # group(0) = group() = 'purple alice-b@google.com monkey dishwasher'
  5. # group(1) = 'purple alice-b' ,即第一个括号里的内容
  6. # group(2) = 'google.com monkey dishwasher',即第二个括号里的内容

findall

  1. str = 'a3b25c002d'
  2. match = re.findall(r'[a-z][0-9]+', str) # match = ['a3', 'b25', 'c002']

findall and Groups

普通findall会返回一个list,findall目标如果有group,也返回一个list,但list每个元素是一个tuple,每个tuple是针对pattern的一次match。tuple的元素是这次match里的group里的成员。
比如:

  1. str = 'purple alice@google.com, blah monkey bob@abc.com blah dishwasher'
  2. tuples = re.findall(r'([\w\.-]+)@([\w\.-]+)', str)
  3. # tuples = [('alice', 'google.com'), ('bob', 'abc.com')]
  4. # ('alice', 'google.com') 是pattern第一次match得到的group中的group(1)和group(2)
  5. # 如果是用tuples = re.findall(r'[\w\.-]+\@[\w\.-]+', str),即不分组,没小括号
  6. # 则tuples是 ['alice@google.com', 'bob@abc.com']
  7. # 这样分组进一个list的tuple的好处是可以把一些特有的成分全部提取出来,
  8. # 比如所有的用户名:
  9. for tuple in tuples:
  10. print tuple[0] ## username

Options

option desc
IGNORECASE 忽略大小写
DOTALL 让 . 不止查找当前行,而是整个文档
MULTILINE 字符串多行的情况,让 ^ 和 $ 能跨行

不贪婪 un-greedy

  1. str = '<b>foo</b> and <i>so on</i>'
  2. match = re.findall(r'<.*?>', str) # match.group = ['<b>', '</b>', '<i>', '</i>']
  3. # 如果没有后面的 ? 即
  4. # re.findall(r'<.*>', str)
  5. # 它会一直找到最远的一个匹配才结束,也就是整个字符串
  6. # 即贪婪形式 greedy

补充

在+, *, ?, {n}, {m,n} 等标定重复匹配次数的标志,在其后加'?'的意思是尽可能少的匹配。

  1. match = re.findall(r'fo+', 'fooobarfoo') # match = ['fooo', 'foo']
  2. match = re.findall(r'fo+?', 'fooobarfoo') # 有 ? match = ['fo', 'fo']

替换

  1. # re.sub(pattern, replacement, str)
  2. str = 'id_032'
  3. ## \1 代表group(1) and so on
  4. output = re.sub(r'(id)_(\d+)', r'\1_008', str) # output = 'id_008'

重复匹配次数{m,n}

  1. match = re.findall(r'fo{2}', 'fooobarfoo') # ['foo', 'foo']
  2. match = re.findall(r'fo{2,}', 'fooobarfoo') # ['fooo', 'foo'] 代表2次以上
  3. match = re.findall(r'fo{3,5}', 'fooobarfoo') # ['fooo']
  4. match = re.findall(r'fo{,2}', 'fooobarfoof') # ['foo', 'foo', 'f'] 代表0-2次,注意这次字符串最后有个'f'
添加新批注
在作者公开此批注前,只有你和作者可见。
回复批注