pythonpandas正则表达式re模块
⽬录
正则解说
中⽂字符集
re模块常⽤⽅法
1、正则解说
数量词的贪婪模式与⾮贪婪模式
  正则表达式通常⽤于在⽂本中查匹配的字符串。Python⾥数量词默认是贪婪的（在少数语⾔⾥也可能是默认⾮贪婪），总是尝试匹配尽可能多的字符；⾮贪婪的则相反，总是尝试匹配尽可能少的字符。例如：正则表达式"ab*"如果⽤于查"abbbc"，将到"abbb"。⽽如果使⽤⾮贪婪的数量词"ab*?"，将到"a"。
⼀般字符、字符集和转义字符
⼀般字符完全匹配字符abc abc
\转义字符\..
.匹配除换⾏符\n以外的所有字符.q, 1, +, ......
[]匹配字符集中任意字符[abc]a, b, c
\s匹配空⽩字符，即[\n\t\]a\sb    a b, a    b, ......
\S匹配⾮空⽩字符a\Sb ab, a4b, asb, ......
\w匹配单词字符，即[a-zA-Z0-9]a\wc abc, a8c, ......
\W匹配⾮单词字符，即[^a-zA-Z0-9]a\Wc a-c, a?c, ......
\d匹配数字a\dc a3c, ......
\D匹配⾮数字a\Dc adc, a-c, ......
限定匹配次数
*匹配前⼀个字符0到⽆限次ab*c ac, abc, abbc, ......
+匹配前⼀个字符1到⽆限次ab+c abc, abbc, ......
?匹配前⼀个字符0或1次ab?c ac, abc
{m}匹配前⼀个字符m次ab{3}c abbbc
{m,n}匹配前⼀个字符m⾄n次，m省略代表0⾄n次，n省略代表m⾄⽆限
次
ab{2,3}c abbc, abbbc, ......
*? +? ?? {m}?
{m,n}?使得*,+,?{m},{m,n}变为⾮贪婪模式ab*?a
限定边界
$匹配字符串末尾（多⾏模式下是每⼀⾏字符串末尾，re.M）c$abc, 12c, ?-c, ......
^匹配字符串开头（多⾏模式下是每⼀⾏字符串开头，re.M）^c cab, c12, c??, ......
\A匹配整个字符串开头\Ac cab, ......
\Z匹配整个字符串末尾c\Z abc, ......
逻辑、分组
|或，匹配左边或者右边的表达式abc|def abc,  def, ......
(...)括号内为⼀组；分组有编号，从1开始算起；分组作为⼀个整体，|只在分组内部有效；(abc){1}\.(123|456)+
abc.456, abc.123,
......
(?
P<name>...)除编号外的另⼀个分组名
\<number>引⽤编号为<number>的分组匹配的字符串(\d)abc\15abc5, ......
(?P=name)引⽤别名为<name>的分组匹配到的字符串(?P=<one>\d)abc(?
P=one)
7abc7, ......
特殊构造
(?iLmsux)iLmsux每个字符代表⼀个匹配模式(?!abc)Abc, abc, ......
(?#...)#之后的内容作为注释被忽略
(?=...)之后的字符串内容需要匹配表达式，不消耗字符串内容a(?=\d)后⾯是数字的a
(?!...)之后的字符串内容需要不匹配表达式，不消耗字符串内容a(?!\d)后⾯不是数字的a
(?<=...)之前的字符串内容需要匹配表达式，不消耗字符串内容(?<=\d)a前⾯是数字的a
(?<!...)之后的字符串内容需要不匹配表达式，不消耗字符串内容(?<!\d)a前⾯不是数字的a
2、中⽂字符集
u"[\u4e00-\u9fa5]”
3、re模块常⽤⽅法
compile()：编译正则表达式，⽣成⼀个正则表达式（ Pattern ）对象，供 match() 和 search() 这两个函数使⽤pa = repile('et')
正则表达式对象的⽅法：
group() 返回被 RE 匹配的字符串。
start() 返回匹配开始的位置
end()  返回匹配结束的位置
span()  返回⼀个元组包含匹配 (开始，结束) 的位置
常⽤⽅法：
match()：尝试从字符串的起始位置匹配⼀个模式，如果不是起始位置匹配成功的话，match()就返回none
In [14]: re.match('I','I will never let it go, jack!')
Out[14]: <_sre.SRE_Match object; span=(0, 1), match='I'>
In [15]: re.match('w','I will never let it go, jack!')
no out put
search()：扫描整个字符串并返回第⼀个成功的匹配
In [17]: re.search('i','I will never let it go, jack!')regex匹配
Out[17]: <_sre.SRE_Match object; span=(3, 4), match='i'>
findall()：在字符串中到正则表达式所匹配的所有⼦串，并返回⼀个列表，如果没有到匹配的，则返回空列表，可指定起始位置In [28]: re.findall('.i', 'I will never let it go, jack!')
Out[28]: ['wi', ' i']
In [32]: repile('.i').findall('I will never let it go, jack!', 0, 10)
Out[32]: ['wi']
finditer()：和 findall 类似，在字符串中到正则表达式所匹配的所有⼦串，并把它们作为⼀个迭代器返回
In [54]: for m in re.finditer('.i', 'I will never let it go, jack!'):
...: print(m, m.group(), m.start(), m.end(), m.span())
...:
<_sre.SRE_Match object; span=(2, 4), match='wi'> wi 2 4 (2, 4)
<_sre.SRE_Match object; span=(16, 18), match=' i'> i 16 18 (16, 18)
sub()：替换字符串中所有的匹配项，返回匹配后的字符串
In [19]: re.sub('i', 'I', 'I will never let it go, jack!')
Out[19]: 'I wIll never let It go, jack!'
split()：按照能够匹配的⼦串将字符串分割后返回列表，可指定最⼤分割次数
In [41]: re.split(',', 'runoob, runoob, runoob.')
Out[41]: ['runoob', ' runoob', ' runoob.']
In [43]: re.split(',', 'runoob, runoob, runoob.', 1)
Out[43]: ['runoob', ' runoob, runoob.']

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。