这里介绍广谱正则表达式：
这里引入我另一篇关于在 python 中如何操纵表达式的博文。
python re 模块
基础
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
|
. 匹配任意字符（除了\n）
[...] 匹配字符集中的任意一个字符
中括号里面既可以是具体的字符 [wer]
又可以是区间 [0-9]
[^1] 意思为不等于 1
[.] 仅代表 .
[a-zA-Z]
汉字 [\u4E00-\u9FA5]
在匹配[]时，需要转义 re.match(r'\[[\w]\]','[a]')
\d 匹配数字
\D 匹配非数字
\s 匹配空白
\S 匹配非空白
\w 匹配单词字符 相当于 A-Za-z0-9_
\W 匹配非单词字符
* 匹配前一个字符0次或者无限次
+ 匹配前一个字符1次或者无限次
？匹配前一个字符0次或者1次
{m} / {m,n} 匹配前一个字符 m 次或者m 到 n 次（少于 m 次将匹配不成功）
贪婪模式下是反向匹配的
*? / +? / ?? /{m,n}? 匹配模式为非贪婪模式（尽可能少匹配字符，*? 最少为 0 次 ， +? 最少为1次 ，?? 最少为 0 次）从左边开始匹配
^ 匹配字符串的开头
$ 匹配字符串的结尾
\A /\Z 指定的字符串必须出现在开头/结尾
re.match(r'\Aimmoc[\w]*','......')
| 匹配左右任意一个表达式 代表或的意思
re.match(r'abc|d','...')
str = "bobby123"
match_str = "(bobby123|booby)"
输出 booby123
|
例子
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
| str = "booooobb123"
想将booooob提取出来
python语法：
match_str = ".*(b.*b).*"
.* 是贪婪匹配模式
.* 尽可能匹配多的字符，所以 booooo 都会匹配到
所以最终输出为 bb
match_str = ".*?(b.*b).*"
加上？后变成非贪婪模式，尽可能匹配少的字符
所以.*? 的意思就是匹配了 0 个，因为 b 前面没有字符
所以最终输出为 booooobb
match_str = ".*?(b.*?b).*"
括号里面加上 ？ 也变成了非贪婪模式
尽可能匹配少的字符，但由于最后结尾是 b ，所以 b 与 b 之间的字符需要匹配出来，但是后面两个 b 由于采用最少匹配，所以只得到一个
打印出的结果是booooob
如果将改成 str = "b00bbakabaai192"
采用 match_str = ".*?(b.*?b).*"
打印结果是b00b
str = "booooobaaaooobbb123"
match_str = ".*(b.+b).*"
因为 + 是最少匹配一个，而前面的 .* 又是贪婪模式
所以最后的输出是 bbb
str = "b00b123b321b123"
match_str = ".*(b.{3,5}b).*"
输出为 b321b
str = "b00b123b321b123"
match_str = ".*(b.{2}b).*"
输出为 b00b 因为后面的不能满足
|
有意识的匹配输出
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
|
在 python 中如果模式匹配中有括号，那么匹配的输出结果是括号内容
如果含有多层嵌套括号，那么最外层是数组 1 ，次外层是数组2
str = "booby123"
match_str = "((booby|bbooy)123)"
match_obj = re.match(match_str,str)
match_obi.group(1)
输出booby123
match_obi.group(2)
输出booby
（ab） 括号中表达式作为一个分组
re.match(r'[\w]{4,6}@(163|126).com','immoc#126.com')
\<number> 引用编号为 num 的分组匹配到的字符串
ma = re.match(r'<([\w]+>)\1','<book>book>')
ma = <book>book>
r'<([\w}+>)[\w]+</\1','<book>python</book>'
(?p<name>) 分组起一个别名
(?p=name) 引用别名为 name 的分组匹配字符串
r'<(?p<mark>[\w}+>)[\w]+</(?p=mark)','<book>python</book>'
|
