《软件自动化测试开发》《自动化平台测试开发》作者,公众号"测试开发社区" ,博客www.autotestplat.com 。

python中的正则表达式(re模块)

上一篇 / 下一篇  2020-12-13 08:03:27

​一、简介

正则表达式本身是一种小型的、高度专业化的编程语言,而在python中,通过内嵌集成re模块,程序媛们可以直接调用来实现正则匹配。正则表达式模式被编译成一系列的字节码,然后由用C编写的匹配引擎执行。

二、正则表达式中常用的字符含义

1、普通字符和11个元字符:

普通字符匹配自身abcabc
.匹配任意除换行符"\n"外的字符(在DOTALL模式中也能匹配换行符a.cabc
\转义字符,使后一个字符改变原来的意思a\.c;a\\ca.c;a\c
*匹配前一个字符0或多次abc*ab;abccc
+匹配前一个字符1次或无限次abc+abc;abccc
?匹配一个字符0次或1次abc?ab;abc
^匹配字符串开头。在多行模式中匹配每一行的开头^abcabc
$匹配字符串末尾,在多行模式中匹配每一行的末尾abc$abc
|或。匹配|左右表达式任意一个,从左到右匹配,如果|没有包括在()中,则它的范围是整个正则表达式abc|def

abc

def

{}{m}匹配前一个字符m次,{m,n}匹配前一个字符m至n次,若省略n,则匹配m至无限次ab{1,2}c

abc

abbc

[]字符集。对应的位置可以是字符集中任意字符。字符集中的字符可以逐个列出,也可以给出范围,如[abc]或[a-c]。[^abc]表示取反,即非abc。
所有特殊字符在字符集中都失去其原有的特殊含义。用\反斜杠转义恢复特殊字符的特殊含义。
a[bcd]e

abe

ace

ade

 

()被括起来的表达式将作为分组,从表达式左边开始没遇到一个分组的左括号“(”,编号+1.
分组表达式作为一个整体,可以后接数量词。表达式中的|仅在该组中有效。
(abc){2}
a(123|456)c

abcabc

a456c

这里需要强调一下反斜杠\的作用:

  • 反斜杠后边跟元字符去除特殊功能;(即将特殊字符转义成普通字符)

  • 反斜杠后边跟普通字符实现特殊功能;(即预定义字符)

  • 引用序号对应的字组所匹配的字符串。

a=re.search(r'(tina)(fei)haha\2','tinafeihahafei tinafeihahatina').group()
print(a)
结果:
tinafeihahafei

2、预定义字符集(可以写在字符集[...]中) 

\d数字:[0-9]a\bca1c
\D非数字:[^\d]a\Dcabc
\s匹配任何空白字符:[<空格>\t\r\n\f\v]a\sca c
\S非空白字符:[^\s]a\Scabc
\w匹配包括下划线在内的任何字字符:[A-Za-z0-9_]a\wcabc
\W匹配非字母字符,即匹配特殊字符a\Wca c
\A仅匹配字符串开头,同^\Aabcabc
\Z仅匹配字符串结尾,同$abc\Zabc
\b匹配\w和\W之间,即匹配单词边界匹配一个单词边界,也就是指单词和空格间的位置。例如, 'er\b' 可以匹配"never" 中的 'er',但不能匹配 "verb" 中的 'er'。\babc\b
a\b!bc
空格abc空格
a!bc
\B[^\b]a\Bbcabc

这里需要强调一下\b的单词边界的理解:
w = re.findall('\btina','tian tinaaaa')
print(w)
s
= re.findall(r'\btina','tian tinaaaa')
print(s)
v
= re.findall(r'\btina','tian#tinaaaa')
print(v)
a
= re.findall(r'\btina\b','tian#tina@aaa')
print(a)
执行结果如下:
[]
[
'tina']
[
'tina']
[
'tina']

3、特殊分组用法:

(?P<name>)分组,除了原有的编号外再指定一个额外的别名(?P<id>abc){2}abcabc
(?P=name)引用别名为<name>的分组匹配到字符串(?P<id>\d)abc(?P=id)

1abc1

5abc5

\<number>引用编号为<number>的分组匹配到字符串(\d)abc\1

1abc1

5abc5

三、re模块中常用功能函数

1、compile()

编译正则表达式模式,返回一个对象的模式。(可以把那些常用的正则表达式编译成正则表达式对象,这样可以提高一点效率。)

格式:

re.compile(pattern,flags=0)

pattern: 编译时用的表达式字符串。

flags 编译标志位,用于修改正则表达式的匹配方式,如:是否区分大小写,多行匹配等。常用的flags有:

标志含义
re.S(DOTALL)使.匹配包括换行在内的所有字符
re.I(IGNORECASE)使匹配对大小写不敏感
re.L(LOCALE)做本地化识别(locale-aware)匹配,法语等
re.M(MULTILINE)多行匹配,影响^和$
re.X(VERBOSE)该标志通过给予更灵活的格式以便将正则表达式写得更易于理解
re.U根据Unicode字符集解析字符,这个标志影响\w,\W,\b,\B

 

importre
tt
="Tina is a good girl, she is cool, clever, and so on..."
rr
= re.compile(r'\w*oo\w*')
print(rr.findall(tt))#查找所有包含'oo'的单词
执行结果如下:
[
'goo

TAG:

 

评分:0

我来说两句

finer

finer

《软件自动化测试开发》《自动化平台测试开发》作者,公众号"测试开发社区" ,博客www.autotestplat.com 。

日历

« 2024-03-29  
     12
3456789
10111213141516
17181920212223
24252627282930
31      

数据统计

  • 访问量: 33223
  • 日志数: 100
  • 图片数: 2
  • 建立时间: 2019-11-29
  • 更新时间: 2022-01-12

RSS订阅

Open Toolbar