.. _python_regex: 正则表达式 ########## #从标准函数库引入:: import re +----------------------------------------+--------------------------------------------------------------+ | function | 功能 | +========================================+==============================================================+ | re.match( pattern, source ) | 查看字串是否以规定的规则开头 | +----------------------------------------+--------------------------------------------------------------+ | re.search( pattern, source ) | 会返回第一次成功的匹配值 (如果有成功) | +----------------------------------------+--------------------------------------------------------------+ | re.findall( pattern, source) | 会返回所有成功且不重复的匹配值 (如果有成功) | +----------------------------------------+--------------------------------------------------------------+ | re.split( pattern, source ) | 会根据 规则 将 字符串 切分成若干段，返回由这些片段组成的list | +----------------------------------------+--------------------------------------------------------------+ | re.sub( pattern, replacement, source ) | 把 字串 中所有匹配规则的字串 替換成 replacement | +----------------------------------------+--------------------------------------------------------------+ 实例:: import re # .group()可以叫出符合正则表达式的字符串部分 print('----------match----------') # 检查'Young Frankenstein'是否以'You'开头 result = re.match('You', 'Young Frankenstein') if result: print(result.group()) # You print('\n----------compile后match----------') # 针对较复杂情況可以先编译一个对象出來加速判断 youpattern = re.compile('You') result = youpattern.match('Young Frankenstein') print(result) if result: print(result.group()) # You print('\n----------match使用.*找任何位置----------') # "."为除「\n」之外的任何单个字符。 "*"为符合前面的子运算式零次或多次。 # 组合在一起则成为匹配任意长度任意字元(除「\n」)的规则 m = re.match('.*Frank', 'Young Frankenstein') if m: print(m.group()) # Young Frank print('\n----------search----------') # 可以不用通过".*"來找任意位置的符合值 m = re.search('Frank', 'Young Frankenstein') if m: # search返回物件 print(m.group()) # Frank print('\n----------findall----------') # 寻找所有符合的 m = re.findall('n', 'Young Frankenstein') print(m) # findall返回了一个列表 # ['n', 'n', 'n', 'n'] print('共找到', len(m), '个符合值\n') # 4 #寻找后方至少有一个字符的 m = re.findall('n..', 'Young Frankensteinanbcdefn') print(m) # findall返回了一个列表: ['ng ', 'nke', 'nst', 'nan'] #寻找后方有一个字符(可以沒有)的 m = re.findall('n.?', 'Young Frankenstein') print(m) # findall返回了一个列表: ['ng', 'nk', 'ns', 'n'] print('\n----------split----------') # 利用规格做切割字符串 m = re.split('n', 'Young Frankenstein') print(m) # split返回了一个列表: ['You', 'g Fra', 'ke', 'stei', ''] print('\n----------sub----------') # 利用字符串替换字符串 m = re.sub('n', '?', 'Young Frankenstein') print(m) # sub返回了一个列表: You?g Fra?ke?stei? #寻找英文单词边界 m = re.findall(r'\bFra', 'Young Frankenstein') print(m) # findall返回了一个列表: ['Fra'] +----------+-------------------------------------------------------------+ | 特殊字元 | 功能 | +==========+=============================================================+ | . | 代表任意除 \n 外的字符 | +----------+-------------------------------------------------------------+ | \* | 表示任意多个字符(包括 0 个) | +----------+-------------------------------------------------------------+ | ? | 表示可选字符( 0 个或 1 个) | +----------+-------------------------------------------------------------+ | \d | 一个数字字符。等价于[0-9] | +----------+-------------------------------------------------------------+ | \D | 一个非数字字符。等价于[^0-9] | +----------+-------------------------------------------------------------+ | \w | 一个 字母 或 数字 包括下划线字符。等价于 ``[ A-Za-z0-9_ ]`` | +----------+-------------------------------------------------------------+ | \W | 一个 非字母 非数字 非下划线字符。等价于 ``[ ^A-Za-z0-9_ ]`` | +----------+-------------------------------------------------------------+ | \s | 空白字元。等价于[ \f\n\r\t\v ] | +----------+-------------------------------------------------------------+ | \S | 非空白字元。等价于[ ^ \f\n\r\t\v ] | +----------+-------------------------------------------------------------+ | \b | 单词边界（一个 \w 与 \W 之间的范围，顺序可逆） | +----------+-------------------------------------------------------------+ | \B | 非单词边界 | +----------+-------------------------------------------------------------+ 实例2:: import string # 0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ!"#$%&\'()*+,-./:;<=>?@[\\]^_`{|}~ \t\n\r\x0b\x0c' printable = string.printable # 100个ASCII字符 len(printable) # 100 print(printable[0:50]) # 0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMN print(printable[50:]) # OPQRSTUVWXYZ!"#$%&'()*+,-./:;<=>?@[\]^_`{|}~ print(re.findall('\d', printable)) #找数字 print(re.findall('\w', printable)) #找字母与数字 print(re.findall('\s', printable)) #找空白 实例3:: source = '''I wish I may, I wish I might ... Have a dish of fish tonight。''' # 1. 找wish print("1.", re.findall('wish', source)) # 2. 找wish或fish print("2.", re.findall('wish|fish', source)) # 3. 找wish开头 print("3.", re.findall('^wish', source)) # 4. 找I wish开头 print("4.", re.findall('^I wish', source)) # 5. 找fish结束 print("5.", re.findall('fish$', source)) # 6. 找fish tonight(后面可以有无一个字符) print("6.", re.findall('fish tonight.$', source)) # 7. 找fish tonight.(使用转义字符，表示\.为一个点而不是万用字符) print("7.", re.findall('fish tonight\.$', source)) # 8. 找wish与fish print("8.", re.findall('[wf]ish', source)) # 9. 找w、s、h组合出來的字串 print("9.", re.findall('[wsh]+', source)) # 10. 找ght开头，后面接着非字母 非数字 非下划线字元 print("10.", re.findall('ght\W', source)) # 11. 找I开头，后面是wish，但只返回前面 print("11.", re.findall('I (?=wish)', source)) # 12. 找前面开头是I的wish，只返回后面 print("12.", re.findall('(?<=I) wish', source)) # 13. 原定希望找到fish然后前面是单词的地方，但是\b被当做是转义字符返回符号了 print("13.", re.findall('\bfish', source)) # 14. 所以采用r來声明说我这是一个原始的字符串，不需要自动转换 print("14.", re.findall(r'\bfish', source)) print('\n--------------------') #用括号规则做区分后可以通过groups()取得分开的tuple，並且可以通过设定名称 m = re.search(r'(. dish\b).*(\bfish)', source) print(m.group()) print(m.groups()) m = re.search(r'(?P. dish\b).*(?P\bfish)', source) print(m.group()) print(m.groups()) print(m.group('DISH')) print(m.group('FISH'))