正则表达式是一个特殊的字符序列，利用事先定义好的一些特定字符以及它们的组合组成一个“规则”，检查一个字符串是否与这种规则匹配来实现对字符的过滤或匹配。正则表达式是字符串处理的有力工具，但是并不是Python独有的，其他语言也有。 Python中，re模块提供了正则表达式操作所需要的功能。 大多数字母和字符一般都会和自身匹配。如果在字符串前面加了r，表示对字符串不进行转义。有些字符比较特殊，它们和自身并不匹配，而是表明应和一些特殊的东西匹配，或者会影响重复次数。这些特殊的字符我们称之为元字符。 re模块中findall()方法以列表的形式返回所有能匹配的子串，如果没有找到匹配的，则返回空列表。 Eg：>>> import re >>> s=r’abc’ >>> re.findall(s,‘aabaab’) #无匹配 [] >>> re.findall(s,‘aabcaabc’) #两处匹配 [‘abc’, ‘abc’] >>> print("\nhi\n") #字符转义 hi >>> print(r"\nhi\n") #字符不转义 \nhi\n
正则表达式元字符 1.“.”：表示除换行符以外的任意字符 （1）与“.”类似（但不相同）的一个符号是“\S”，表示不是空白符的任意字符。注意是大写字符S。 Eg：>>> import re >>> s=‘hi,i am a student.my name is Hilton.’ >>> re.findall(r’i’,s) #匹配所有的i [‘i’, ‘i’, ‘i’, ‘i’] >>> re.findall(r’.’,s) #匹配除换行符以外的任意字符 [‘h’, ‘i’, ‘,’, ‘i’, ’ ‘, ‘a’, ‘m’, ’ ‘, ‘a’, ’ ‘, ‘s’, ‘t’, ‘u’, ‘d’, ‘e’, ‘n’, ‘t’, ‘.’, ‘m’, ‘y’, ’ ‘, ‘n’, ‘a’, ‘m’, ‘e’, ’ ‘, ‘i’, ‘s’, ’ ‘, ‘H’, ‘i’, ‘l’, ‘t’, ‘o’, ‘n’, ‘.’] >>> re.findall(r’i.’,s) #匹配i后面跟除换行符以外的任意字符的形式 [‘i,’, ‘i ‘, ‘is’, ‘il’] >>> re.findall(r’i\S’,s) #匹配i后面跟不是空白符的任意字符的形式 [‘i,’, ‘is’, ‘il’] 2.“[]”：指定字符集 （1）常用来指定一个字符集，例如：[abc]、[a-z]、[0-9]； （2）元字符在方括号中不起作用，例如：[akmKaTeX parse error: Expected 'EOF', got '#' at position 208: …w]t',s) #̲匹配m后跟i或者w再跟t形式 …”：匹配行尾，匹配以 之 前 的 字 符 结 束 的 字 符 串 E g ： > > > i m p o r t r e > > > s = ′ h e l l o h e l l o w o r l d h e l l o M a r y h e l l o J o h n ′ > > > r e . f i n d a l l ( r ′ h e l l o 之前的字符结束的字符串 Eg：>>> import re >>> s='hello hello world hello Mary hello John' >>> re.findall(r'hello 之前的字符结束的字符串Eg：>>>importre>>>s=′hellohelloworldhelloMaryhelloJohn′>>>re.findall(r′hello’,s) [] >>> s=‘hello hello world hello Mary hello’ >>> re.findall(r’hello ′ , s ) [ ′ h e l l o ′ ] > > > s = ′ m a p m i t m e e m w t m e q m t m ',s) ['hello'] >>> s='map mit mee mwt meqmtm ′,s)[′hello′]>>>s=′mapmitmeemwtmeqmtm’ >>> re.findall(r’m[aiw]KaTeX parse error: Expected 'EOF', got '#' at position 8: ',s) #̲匹配ma、mi、mw结尾的字符…]’,s) # 在 [ ] 中 作 为 普 通 字 符 [ ′ m a ′ , ′ m i ′ , ′ m w ′ , ′ m t ′ , ′ m 在[]中作为普通字符 ['ma', 'mi', 'mw', 'mt', 'm 在[]中作为普通字符[′ma′,′mi′,′mw′,′mt′,′m’] >>> re.findall(r’m[aiwt ] ] ]’,s) #匹配ma、mi、mw、mt、m 结 尾 的 字 符 串 [ ′ m 结尾的字符串 ['m 结尾的字符串[′m’] 5.“\”：反斜杠后面可以加不同的字符以表示不同的特殊意义 （1）\b匹配单词头或单词尾； （2）\B与\b相反，匹配非单词头或单词尾； （3）\d匹配任何十进制数；相当于[0-9]； （4）\D与\d相反，匹配任何非数字字符，相当于[^0-9]； （5）\s匹配任何空白字符，相当于[\t\n\r\f\v]； （6）\S与\s相反，匹配任何非空白字符，相当于[^\t\n\r\f\v]； （7）\w匹配任何字母、数字或下画线字符，相当于[a-zA-Z0-9_]； （8）\W与\w相反，匹配任何非字母、数字和下画线字符，相当于[^a-zA-Z0-9_]； （9）也可以用于取消所有的元字符：\、[。 （10）这些特殊字符都可以包含在[]中。如：[\s,.]将匹配任何空白字符、",“或”."。 Eg：>>> import re >>> s=‘0x12x3x567x8xy’ >>> re.findall(r’[0-9]’,s) [‘0’, ‘1’, ‘2’, ‘3’, ‘5’, ‘6’, ‘7’, ‘8’] >>> re.findall(r’\d’,s) [‘0’, ‘1’, ‘2’, ‘3’, ‘5’, ‘6’, ‘7’, ‘8’] >>> re.findall(r’[x\d]’,s) #匹配字母“x”或数字 [‘0’, ‘x’, ‘1’, ‘2’, ‘x’, ‘3’, ‘x’, ‘5’, ‘6’, ‘7’, ‘x’, ‘8’, ‘x’] 正则表达式除了能够匹配不定长的字符集，还能指定正则表达式的一部分的重复次数，所涉及的元字符有“*”、“+”、“?”、“{}”。 6.“”：匹配位于之前的字符或子模式的0次或多次出现 Eg：>>> import re >>> s=‘a ab abbbbb abbbbbxa’ >>> re.findall(r’ab*’,s) #a后面跟重复0到多次的b [‘a’, ‘ab’, ‘abbbbb’, ‘abbbbb’, ‘a’] 7.“+”：匹配位于+之前的字符或子模式的1次或多次出现 Eg：>>> import re >>> s=‘a ab abbbbb abbbbbxa’ >>> re.findall(r’ab+’,s) #a后面跟重复1到多次的b [‘ab’, ‘abbbbb’, ‘abbbbb’] 8.“?”：匹配位于?之前的0个或1个字符 当“?”紧随其他限定符（、+、{n}、{n,}、{n,m}）之后时，匹配模式是“非贪心的”。“非贪心的”模式匹配搜索到尽可能短的字符串，而默认的“贪心的”模式匹配搜索到的、尽可能长的字符串。 Eg：>>> import re >>> s=‘a ab abbbbb abbbbbxa’ >>> re.findall(r’ab+’,s) #最大模式、贪心模式 [‘ab’, ‘abbbbb’, ‘abbbbb’] >>> re.findall(r’ab+?’,s) #最小模式、非贪心模式 [‘ab’, ‘ab’, ‘ab’] 9.“{m,n}”：表示至少有m个重复，至多有n个重复。m,n均为十进制数 （1）忽略m表示0个重复，忽略n表示无穷多个重复。 （2）{0,}等同于**；{1,}等同于+；{0,1}与?相同。但是如果可以的话，最好使用*、+、或？。 Eg：>>> import re >>> s=‘a b baaaaba’ >>> re.findall(r’a{1,3}’,s) [‘a’, ‘aaa’, ‘a’, ‘a’] >>> s=‘021-33507yyx,021-33507865,010-12345678,021-123456789’ >>> re.findall(r’021-\d{8}’,s) [‘021-33507865’, ‘021-12345678’] >>> re.findall(r’\b021-\d{8}\b’,s) #\b表示匹配字符串的头或尾 [‘021-33507865’]
