Python编程：re正则库基本使用

之前的文章: Python编程：re正则库

正则字符集

# 字符集

\w 匹配字母数字及下划线
\W 匹配非字母数字及下划线
\s 匹配任意空白字符，等价于[\n\t\r\f]
\S 匹配任意非空字符
\d 匹配任意数字，等价于[0-9]
\D 匹配任意非数字
\A 匹配字符串开始
\Z 匹配字符串结束，如果是换行，只匹配到换行前的结束字符串
\z 匹配字符串结束
\G 匹配最后匹配完成的位置
\n 匹配一个换行符
\t 匹配一个制表符
[...] 匹配一组字符，单独列出，[abc]匹配a,b或c
[^...] 匹配不在其中的字符

# 数量控制

a|b  匹配a或b
^  匹配字符串的开头
$  匹配字符串的末尾
.  匹配任意字符，除了换行符， 指定re.DOTALL 匹配包括换行符的任意字符
*  零个或多个表达式
+  一个或多个表达式
？  零个或一个表达式，非贪婪匹配
{n} 匹配n个表达式
{n, m}匹配n~m次表达式，贪婪匹配
()  匹配括号内的表达式，表示组

代码实例

import re

# match从头开始匹配
# 常规匹配
content = "fsadf5666asd"
ret = re.match("\w+", content)
print(len(content))
print(ret)
print(ret.group())
print(ret.span())
"""
12

fsadf5666asd
(0, 12)
"""

# 泛匹配
ret = re.match(".*", content)
print(ret)
# 

# 目标匹配
ret = re.match("[a-z]+(\d+)", content)
print(ret)
print(ret.group())
print(ret.group(0))
print(ret.group(1))
"""

fsadf5666
fsadf5666
5666
"""

# 贪婪匹配
ret =  re.match(".*(\d+)", content)
print(ret)
print(ret.group(0))
print(ret.group(1))
"""

fsadf5666
6
"""

# 非贪婪匹配
ret =  re.match(".*?(\d+)", content)
print(ret)
print(ret.group(0))
print(ret.group(1))
"""

fsadf5666
5666
"""

# 匹配模式
content = """sadfasd34345sdfa
sdfasdf"""
# 匹配换行符
ret =  re.match(".*?(\d+).*", content, re.S)
print(ret)
print(ret.group(1))
"""

34345
"""

# 转义
content = "sdfasdf$55.334"
# 匹配换行符
ret =  re.match(".*?(\$\d+\.\d+)", content, re.S)
print(ret)
print(ret.group(1))
"""

$55.334
"""

# 总结：
# 尽量使用泛匹配，使用括号得到匹配目标，
# 尽量使用非贪婪模式，有换行符就用re.S

# search扫描整个字符串
# 能用search就不用match
content = "fsadf5666asd"
ret = re.match("\d+", content)
print(ret)
ret = re.search("\d+", content)
print(ret)
"""
None

"""

# findall 找到所有
content = "fsadf5666asd234"
ret = re.findall("\d+", content)
print(ret)
# ['5666', '234']


# sub 替换字符串
content = "fsadf5666asd234"
ret = re.sub("\d+", "", content)
print(ret)
# fsadfasd

# compile 编译成正则对象，便于复用
content = "fsadf5666asd234"
pattern = re.compile("\d+")
ret = pattern.findall(content)
print(ret)
# ['5666', '234']

r'' 一般用在正则表达式中，称为原始字符串，

作用 将Python语法中的反斜杠转义给取消，将其设置成为一个普通的字符串