python正则一些简单匹配

元字符的使用

re.findall(regex,string)

功能：在string字符串中，匹配regex正则表达式能够匹配的项，放到一个列表中返回

* 普通字符串 

元字符 ：abc  

匹配规则 ： 匹配字符串的值

匹配示例 ：abc 

In [3]: re.findall('abc','abcdeabc')

Out[3]: ['abc', 'abc']

* 使用“或”进行多个匹配

元字符： re1 | re2

匹配规则：既能匹配正则表达式re1所表达内容，也能匹配           re2所表达内容

匹配示例：ab | bc  --》  ab   bc

In [5]: re.findall('ab|de','abcdeabc')

Out[5]: ['ab', 'de', 'ab']

* 点号  "."

元字符： .

匹配规则：匹配任意一个字符

匹配示例：f.o   ――》  foo   fao   f@o  

In [6]: re.findall('f.o','foo,f@oabfabo')

Out[6]: ['foo', 'f@o']

* 匹配开头子串

元字符：  ^   

匹配规则：匹配一个字符串的开头位置

匹配示例：^From  匹配以 From 开头的字符串起始部分

In [9]: re.findall('^From','From China')

Out[9]: ['From']

In [10]: re.findall('^From','I come From China')

Out[10]: []

*匹配字符串的结尾

元字符 :  $ 

匹配规则 ： 当一个字符串以什么结尾时使用$标记

匹配示例 ： py$ -》  匹配所有以py结尾的字符串

In [17]: re.findall('py$','test.py')

Out[17]: ['py']

In [18]: re.findall('py$','python')

Out[18]: []

* 匹配任意0个或多个字符

元字符 :   *

匹配规则： 匹配前面出现的字符或正则表达式0次或者多次

匹配示例： ab* ->   abbbbbbbb

In [23]: re.findall('.*','askjdfh89w4234')

Out[23]: ['askjdfh89w4234', '']

In [24]: re.findall('.*','askjdfh89w4234sdfhhg')

Out[24]: ['askjdfh89w4234sdfhhg', '']

In [25]: re.findall('ab*','a')

Out[25]: ['a']

In [26]: re.findall('ab*','abbbb')

Out[26]: ['abbbb']

*  匹配任意1个或多个字符

元字符 :   +

匹配规则： 匹配前面出现的字符或正则表达式1次或者多次

匹配示例： ab+ ->   abbbbbbbb

In [28]: re.findall('ab+','abbbb')

Out[28]: ['abbbb']

In [29]: re.findall('ab+','a')

Out[29]: []

* 匹配字符 0 次或1次

元字符 ：  ？ 

匹配规则：匹配前面出现的字符或正则表达式0次或1次

匹配示例： ab？ --》 a  或者  ab

In [31]: re.findall('ab?','a')

Out[31]: ['a']

In [32]: re.findall('ab?','ab')

Out[32]: ['ab']

* 匹配前面的字符或re指定次数

元字符 ： {N}    N代表一个数字

匹配规则：匹配前面出现的字符或正则表达式N次

匹配示例： ab{3} --》 abbb

In [34]: re.findall('ab{3}','abbbbbb')

Out[34]: ['abbb']

In [35]: re.findall('ab{3}','abb')

Out[35]: []

* 匹配前面的字符或re指定次数

元字符 ： {M,N}    M,N代表数字

匹配规则：匹配前面出现的字符或正则表达式M 到 N次

匹配示例： ab{3，8} --》 abbb  abbbbbbbb

In [36]: re.findall('ab{3,8}','abbb')

Out[36]: ['abbb']

In [37]: re.findall('ab{3,8}','abbbbbbbbbbb')

Out[37]: ['abbbbbbbb']

* 字符集合匹配

元字符 ： [abcd]

匹配规则： 匹配中括号中任意一个字符

匹配示例： b[abcd]t    ->   bat  bbt  bct  bdt

In [40]: re.findall('b[abc123]t','bat,b1tba3t')

Out[40]: ['bat', 'b1t']

In [41]: re.findall('[ab][cd]','acadbcbd')

Out[41]: ['ac', 'ad', 'bc', 'bd']

* 字符集合匹配

元字符 ： [a-zA-Z0-9] [a-z] [0-9] [a-zA-Z] [3-8]

          [b-x]

匹配规则： 匹配中括号中任意一个区间内的字符

匹配示例： [a-zA-Z0-9]+  匹配任意一个由字母数字组 In [43]: re.findall('[a-zA-Z0-9]+','safd1324')

Out[43]: ['safd1324']

In [44]: re.findall('[a-zA-Z0-9]+','adf$&^%123')

Out[44]: ['adf', '123']

                         成的非空字符串

* 字符集合不匹配

元字符 ： [^...]   ... 表示上面两项中任意内容

匹配规则： 匹配任意非中括号中的字符集

匹配示例： [^aeiou]  匹配任意一个非aeiou字符 

           [^a-z]  匹配任意一个非小写字母

In [46]: re.findall('[^a-z]','abc1j2^&d')

Out[46]: ['1', '2', '^', '&']

In [47]: re.findall('[^aeiou]','hello world')

Out[47]: ['h', 'l', 'l', ' ', 'w', 'r', 'l', 'd']

* 匹配(非)数字字符

元字符 : \d  [0-9]   \D [^0-9] 

匹配规则 : \d 匹配任意一个数字字符 

           \D 匹配任意一个非数字字符

匹配示例 ：\d{3}  -->  '123'

In [49]: re.findall('\d{3}','hello 1234')

Out[49]: ['123']

In [50]: re.findall('\D{3}','hello 1234')

Out[50]: ['hel', 'lo ']

* 匹配(非)字母数字字符

元字符 : \w  [a-zA-Z0-9]   \W   [^a-zA-Z0-9]

匹配规则 : \w 匹配任意一个字母或数字字符 

           \W 匹配任意一个非字母或数字字符

匹配示例 ：\w{3}  -->  'a23'

In [51]: re.findall('[A-Z]\w*','Hello World')

Out[51]: ['Hello', 'World']

In [52]: re.findall('\w+-\d+','xiaoming-56')

Out[52]: ['xiaoming-56']

* 匹配(非)空字符

元字符 : \s  (空格 \n  \0  \t  \r)    \S

匹配规则 : \s 匹配任意一个空字符 

           \S 匹配任意一个非空字符

匹配示例 ：hello world  -> hello world

In [58]: re.findall('hello\s+world','hello   world')

Out[58]: ['hello   world']

In [60]: re.findall('\S*','helloworld&* ask')

Out[60]: ['helloworld&*', '', 'ask', '']

In [61]: re.findall('\s','a b c\n')

Out[61]: [' ', ' ', '\n']

*匹配字符串开头和结尾 

元字符  \A  (^)  \Z ($)

匹配规则： \A 匹配字符串的开头位置

           \Z 匹配字符串的结尾位置

匹配示例： \Aabc\Z     ^abc$   - > abc

In [70]: re.findall('\Aabc\Z','abcabc')

Out[70]: []

In [66]: re.findall('\Aabc\Z','abc')

Out[66]: ['abc']

In [68]: re.findall('efg\Z','hi,abcdefg')

Out[68]: ['efg']

* 匹配（非）单词边界

元字符 ： \b   \B

匹配规则 ： 将非字母的部分不认为是单词部分

            将连续字母的部分认为是一个单词

匹配示例： “This is a %test%”

In [74]: re.findall(r'\btest\b','This is a %test%')

Out[74]: ['test']

In [75]: re.findall(r'\bThis\b','This is a %test%')

Out[75]: ['This']

In [76]: re.findall(r'\bis\b','This is a %test%')

Out[76]: ['is']

In [77]: re.findall(r'\Bis\b','This is a %test%')

Out[77]: ['is']

In [78]: re.findall(r'is\b','This is a %test%')

Out[78]: ['is', 'is']

元字符总结

字符 ： 匹配实际字符       

匹配单个字符：  .   []   \d  \D  \w \W  \s  \S

匹配重复次数： *   +   ？  {} 

匹配开头结尾： ^  $  \A  \Z   \b  \B

其他 ： |    [^ ]

raw字串和转义

r“hello world”   ->  raw字串

raw字串特点 ： 不进行转义解析

“hello \n world”    -> \n表示换行 

r"hello \n world"   -> \n表示两个字符

什么时候加r

转为raw字符串是为了防止Python对字符串的转义解析，所以在正则表达式本身有“\”的时候最好加上r

正则表达式的转义匹配

当匹配正则表达式内的特殊字符的时候，正则表达式本身也需要进行转义，如要匹配字符串中的 *  则正则表达式应为“\*”

特殊字符如下：

\   *  .  ？  ()  []  {}  ""  ''

匹配字符串中的*

In [86]: re.findall(r'\*','* is not \\, \\ is not ?')

Out[86]: ['*']

In [87]: re.findall('\\*','* is not \\, \\ is not ?')

Out[87]: ['*']

匹配字符串中的“\”

In [89]: re.findall('\\\\','* is not \\, \\ is not ?')

Out[89]: ['\\', '\\']

In [90]: re.findall(r'\\','* is not \\, \\ is not ?')

Out[90]: ['\\', '\\']

贪婪和非贪婪

贪婪模式 ： 不做处理的情况下，正则表达式默认是贪婪模式。即 在使用 *   +  ？  {M,N} 的时候尽可能多的向后进行匹配。

e.g. 

ab*  可以匹配 a   ab  abbb... 那么当b足够多的时候它会尽可能多的去匹配

In [96]: re.findall(r'ab*','abbbbbbb')

Out[96]: ['abbbbbbb']

非贪婪模式：尽可能少的匹配复合正则条件的内容

贪婪模式 ---》 非贪婪模式 方法：后面加“？”

即 *？   +？   ？？  {M,N}？

In [100]: re.findall(r'ab*?','abbbbbbb')

Out[100]: ['a']

In [101]: re.findall(r'ab+?','abbbbbbb')

Out[101]: ['ab']

In [102]: re.findall(r'ab??','abbbbbbb')

Out[102]: ['a']

In [103]: re.findall(r'ab{2,4}?','abbbbbbb')

Out[103]: ['abb']

正则表达式分组

((ab)*(cd))

正则表达式 (ab)*cd

1. 正则表达式可以分组，分组的标志即括号()，每个括号都是正则表达式的一个子组，而每个子组是整体正则表达式的一部分，同时也是一个小的正则表达式

2. 当有多个子组的时候，我们从外层向内侧分别叫第一，第二....子组。当同一层次的时候，从左向右分别计数

3. 分组会该表* + ？ {}  的重复行为，即把每个分组当做一个整体对待，进行相应的重复操作

4. 当子组能后和多个目标字符串内容进行匹配时，只返回一个内容

In [113]: re.findall(r'(ab)+cd','ababcdef')

Out[113]: ['ab']

5.每个组都可以起名字，我们可以根据起的名字辨别各个组。

格式： (?P<Word>hello)  

给子组(hello) 起一个名字，这个名字是 “word”

子组通过名字进行调用 (?P=word)  表示复制子组正则表达式内容

In [123]: re.findall(r'((?P<word>hello)\s+(?P=word))','hello hello')

Out[123]: [('hello hello', 'hello')]