python 正则表达式

来源：互联网发布：欧陆风云4 dlc mac 编辑：程序博客网时间：2024/06/06 21:28

标题说明举例什么是正则表达式描述查找规则的工具    调用的库文件reimport re   使用流程定义正则表达式-编译-查找确定要查找的内容范围如果是文件的话需要文件名key = r"<html><body><h1>hello world<h1></body></html>"#这段是你要匹配的文本定义正则表达式要书写正则表达式，r表示表示字符串为非转义的原始字符串，让编译器忽略反斜杠，内容写在引号内的小括号里‘（）’p1 = r"(?<=<h1>).+?(?=<h1>)"编译编译定义的正则表达式patter=re.compile(p1)查找执行操作,返回的文件是一个listfile=patter.findall(key)   元字符只匹配一个字符\ba 以字母a开头  \d 任意一个数字.匹配除换行符以外的任意字符 \w匹配字母或数字或下划线或汉字 \s匹配任意的空白符 \d匹配数字 \b匹配单词的开始或结束 ^匹配字符串的开始^\d{5,12}$
匹配字符串的开头和结尾，以数字开头，以数字结尾，由5-12个数字组成，$匹配字符串的结束同上   定义重复次数定义元字符的重复次数Windows\d+匹配Windows后面跟1个或更多数字*重复零次或更多次\ba\w*\b
匹配以字母a开头的单词——先是某个单词开始处(\b)，然后是字母a,然后是任意数量的字母或数字(\w*)，最后是单词结束处(\b)+重复一次或更多次\d+
匹配1个或更多连续的数字。这里的+是和*类似的元字符，不同的是*匹配重复任意次(可能是0次)，而+则匹配重复1次或更多次?重复零次或一次\ba\d?
以字母a开头，后边跟0个或1个数字{n}重复n次\b\w{6}\b
匹配刚好6个字符的单词{n,}重复n次或更多次\b\w{6，}\b
匹配刚好6个字符以上的单词{n,m}重复n到m次\b\d{6，8}\b
匹配有6-8位的数字   字符转义查找元字符本身，如'.',前加\ 转义 ‘.’\.deerchao\.net
匹配deerchao.net转义*\*\d\*\d
匹配一个乘法公式转义  \\\C:\\Windows
匹配C:\Windows   字符类给要查找的数字字符或字母一个特定的范围[aeiou]就匹配任何一个英文元音字母[   ]中括号内的内容就是要查找的范围[.?!]匹配标点符号(.或?或!)
[0-9]代表的含意与\d就是完全一致的：一位数字；同理[a-z0-9A-Z_]也完全等同于\w
\(?0\d{2}[) -]?\d{8}
以（或没有（开头 + 0 + 2个数字 + ）或- + 8个数字像(010)88886666，或022-22334455，或02912345678   分枝条件是有几种规则，如果满足其中任意一种规则都应该当成匹配具体方法是用|把不同的规则分隔开|使用时要注意规则的顺序，原因是匹配分枝条件时，将会从左到右地测试每个条件，如果满足了某个分枝的话，就不会去再管其它的条件了。0\d{2}-\d{8}|0\d{3}-\d{7}这个表达式能匹配两种以连字号分隔的电话号码：一种是三位区号，8位本地号(如010-12345678)，一种是4位区号，7位本地号(0376-2233445)。   分组重复多个字符，用小括号来指定子表达式(也叫做分组)(\d{1,3}\.){3}\d{1,3}是一个简单的IP地址匹配表达式（）（）内无法进行任何的算数比较，如果要限定范围，则需要多个分组字符类来描述一个正确的IP地址：((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)   反义查找不属于某个能简单定义的字符类的字符。比如想查找除了数字以外，其它任意字符都行的情况，这时需要用到反义 \W匹配任意不是字母，数字，下划线，汉字的字符 \S匹配任意不是空白符的字符\S+匹配不包含空白符的字符串。\D匹配任意非数字的字符 \B匹配不是单词开头或结束的位置 [^x]匹配除了x以外的任意字符 [^aeiou]匹配除了aeiou这几个字母以外的任意字符<a[^>]+>匹配用尖括号括起来的以a开头的字符串。   后向引用重复搜索前面某个分组匹配的文本使用小括号指定一个子表达式后，匹配这个子表达式的文本(也就是此分组捕获的内容)可以在表达式或其它程序中作进一步的处理。  =+\分组名重复引用前面匹配的内容，默认情况下，每个分组会自动拥有一个组号，规则是：从左向右，以分组的左括号为标志，第一个出现的分组的组号为1，第二个为2，以此类推。\b(\w+)\b\s+\1\b
可以用来匹配重复的单词，像go go, 或者kitty kitty。这个表达式首先是一个单词，也就是单词开始处和结束处之间的多于一个的字母或数字(\b(\w+)\b)，这个单词会被捕获到编号为1的分组中，然后是1个或几个空白符(\s+)，最后是分组1中捕获的内容（也就是前面匹配的那个单词）(\1)(exp)匹配exp（即表达式内容）,并捕获文本到自动命名的组里\b(\d{3})\b
此方法自动对小括号内的内容进行分组并命名组号(?<name>exp)匹配exp,并捕获文本到名称为name的组里，也可以写成(?'name'exp)\b(？<word1>\d{3})\b
此方法自动对小括号内的内容命名为word1(?:exp)匹配exp,不捕获匹配的文本，也不给此分组分配组号\b(？：\d{3})\b
不对小括号内的内容分组，以后不再使用该exp的匹配内容   零宽断言对匹配内容的位置进行规定，比如规定只匹配（）内的内容 (?=exp)匹配exp前面的位置，即我要匹配的内容需要有exp表达的东西，该表达是放在正则表达式的后边，
myexp(?=exp)\b\w+(?=ing\b)
匹配以ing结尾的单词的前面部分(除了ing以外的部分)，如查找I'm singing while you're dancing.时，它会匹配sing和danc。(?<=exp)匹配exp后面的位置，即我要匹配的内容前面需要有exp表达的内容该表达是放在正则表达式的前边，
（？<=exp)myexp(?<=\bre)\w+\b
会匹配以re开头的单词的后半部分(除了re以外的部分)，例如在查找reading a book时，它匹配ading(?!exp)匹配后面跟的不是exp的位置,即我要匹配的内容后边是没有exp表达的内容的，该表达是放在正则表达式的后边\d{3}(?!\d)匹配三位数字，而且这三位数字的后面不能是数字(?<!exp)匹配前面不是exp的位置，即我要匹配的内容前面没有exp表达的内容该表达是放在正则表达式的前边(?<![a-z])\d{7}匹配前面不是小写字母的七位数字   贪婪与懒惰贪婪匹配：匹配尽可能多的字符
懒惰匹配，匹配尽可能少的字符 *?重复任意次，但尽可能少重复a.*?b匹配最短的，以a开始，以b结束的字符串。如果把它应用于aabab的话，它会匹配aab（第一到第三个字符）和ab（第四到第五个字符）+?重复1次或更多次，但尽可能少重复 ??重复0次或1次，但尽可能少重复 {n,m}?重复n到m次，但尽可能少重复 {n,}?重复n次以上，但尽可能少重复

阅读全文

0 0