Python技能树共建正则表达式

Posted 2022-04-28 梦想橡皮擦

文章目录

• • Python 正则表达式是什么
  • 怎么用
  • • 正则表达式语法
    • re 库基本用法
    • re.search 函数
    • re.match 函数
    • re.findall 函数
    • re.split 函数
    • re.finditer 函数
    • re.sub 函数
    • re 库其它函数
  • 扩展知识

Python 正则表达式是什么

学习 Python 正则表达式离不开 re 模块，所以本篇博客会配合 re 模块进行编写。

re 库是 Python 中处理正则表达式的标准库，本篇博客介绍 re 库的同时，会简单介绍一下正则表达式语法，
如果想深入学习正则表达式，还需要好好下一番功夫。

怎么用

正则表达式语法

正则表达式语法由字符和操作符构成，初期阶段掌握下述这些内容即可。

| 操作符 | 说明 | 例子 |
| ------ | -------------------------------- | -------------------------------------------------- | ------------ |
| . | 任何单个字符，极少不能匹配 | |
| [] | 字符集，对单个字符给出取值范围 | [abc] 表示匹配 a、b、c，[a-z] 表示 a 到 z 单个字符 |
| [^] | 非字符集，对单个字符给出排除范围 | [^abc] 表示匹配 非 a、非 b、非 c 的单个字符 |
| * | 前一个字符 0 次或无限次扩展 | abc* 表示 ab、abc、abcc、abccc 等 |
| + | 前一个字符 1 次或无限次扩展 | abc+ 表示 abc、abcc、abccc 等 |
| ? | 前一个字符 0 次或 1 次 | abc? 表示 ab、abc |
| | | 左右表达式任意一个 | abc|def 表示 abc 或者 def |
| m | 扩展前 1 个字符 m 次 | ab2c，表示 abbc |
| m,n | 扩展前 1 个字符 m 到 n 次 | ab1,2c，表示 abc、abbc |
| ^ | 匹配字符串开头 | ^abc 表示 abc 在字符串开头 |
| $ | 匹配字符串结尾 | abc$ 表示 abc 在字符串结尾 |
| () | 分组标记，内部仅能使用 | 操作符 | (abc) 表示 abc，(a | b) 表示 a、b |
| \\d | 数字，等价于 [0-9] | |
| \\w | 字符，等价于 [A-Za-z0-9] | |

以上表示仅仅为正则表达最基础部分内容，如果希望深入研究正则表达式，建议寻找更加全面的资料进行学习，本文只做药引。

re 库基本用法

re 库主要函数如下：

• 基础函数：compile；
• 功能函数：search、match、findall、split、finditer、sub。

在正式学习之前，先了解一下原生字符串。

在 Python 中，表示原生字符串，需要在字符串前面加上 r。
例如 my_str = 'i'am xiangpica' 在程序中会直接报错，
如果希望字符串中 ' 可以正常运行，需要加上转移字符 \\，修改为 my_str = 'i\\'am xiangpica'。
但这样结合上文正则表达式中的操作符，就会出现问题，因为 \\ 在正则表达式中是有真实含义的，
如果你使用 re 库去匹配字符串中的 \\，那需要使用 4 个反斜杠，为了避免这种情况出现，引入了原生字符串概念。

# 不使用原生字符串的正则表达式  "\\\\\\\\"
# 使用原生字符串的正则表达式 r"\\\\"

在后文会有实际的应用。

接下来在学习一个案例，例如下述代码：

my_str='C:\\number'

print(my_str)

C:
umber

本段代码的输出效果如下，\\n 被解析成了换行，如果想要屏蔽这种现象，使用 r 即可：

my_str=r'C:\\number'

print(my_str)

输出 C:\\number。

re.search 函数

该函数用于，在字符串中搜索正则表达式匹配到的第一个位置的值，返回 match 对象。
函数原型如下：

re.search(pattern,string,flags=0)

需求：在字符串 梦想橡皮擦 good good 中匹配 橡皮擦。

import re
my_str='梦想橡皮擦 good good'
pattern = r'橡皮擦'

ret = re.search(pattern,my_str)
print(ret)

返回结果：<re.Match object; span=(2, 5), match='橡皮擦'>。

search 函数的第三个参数 flags 表示正则表达式使用时的控制标记。

• re.I，re.IGNORECASE：忽略正则表达式的大小写；
• re.M，re.MULTILINE：正则表达式中的 ^ 操作符能够将给定字符串的每行当做匹配的开始；
• re.S，re.DOTALL：正则表达式中的 . 操作符能够匹配所有字符。

最后将匹配到的字符串进行输出，使用下述代码即可实现。

import re
my_str = '梦想橡皮擦 good good'
pattern = r'橡皮擦'

ret = re.search(pattern, my_str)
if ret:
    print(ret.group(0))

re.match 函数

该函数用于在目标字符串开始位置去匹配正则表达式，返回 match 对象，未匹配成功返回 None，函数原型如下：

re.match(pattern,string,flags=0)

一定要注意是目标字符串开始位置。

import re
my_str = '梦想橡皮擦 good good'
pattern = r'梦' # 匹配到数据
pattern = r'good' # 匹配不到数据

ret = re.match(pattern, my_str)
if ret:
    print(ret.group(0))

re.match 和 re.search 方法都是一次最多返回一个匹配对象，如果希望返回多个值，
可以通过在 pattern 里加括号构造匹配组返回多个字符串。

re.findall 函数

该函数用于搜索字符串，以列表格式返回全部匹配到的字符串，函数原型如下：

re.findall(pattern,string,flags=0)

测试代码如下：

import re
my_str = '梦想橡皮擦 good good'
pattern = r'good'
ret = re.findall(pattern, my_str)
print(ret)

re.split 函数

该函数将一个字符串按照正则表达式匹配结果进行分割，返回一个列表。
函数原型如下：

re.split(pattern, string, maxsplit=0, flags=0)

re.split 函数进行分割的时候，如果正则表达式匹配到的字符恰好在字符串开头或者结尾，
返回分割后的字符串列表首尾都多了空格，需要手动去除，例如下述代码：

import re
my_str = '1梦想橡皮擦1good1good1'

pattern = r'\\d'

ret = re.split(pattern, my_str)

print(ret)

运行结果：

['', '梦想橡皮擦', 'good', 'good', '']

切换为中间的内容，则能正确的分割字符串。

import re
my_str = '1梦想橡皮擦1good1good1'

pattern = r'good'

ret = re.split(pattern, my_str)

print(ret)

如果在 pattern 中捕获到括号，那括号中匹配到的结果也会在返回的列表中。

import re
my_str = '1梦想橡皮擦1good1good1'

pattern = r'(good)'

ret = re.split(pattern, my_str)

print(ret)

运行结果，你可以对比带括号和不带括号的区别进行学习：

['1梦想橡皮擦1', 'good', '1', 'good', '1']

maxsplit 参数表示最多进行分割次数， 剩下的字符全部返回到列表的最后一个元素，
例如设置匹配 1 次，得到的结果是 ['1梦想橡皮擦1', '1good1']。

re.finditer 函数

搜索字符串，并返回一个匹配结果的迭代器，每个迭代元素都是 match 对象。
函数原型如下：

re.finditer(pattern,string,flags=0)

测试代码如下：

import re
my_str = '1梦想橡皮擦1good1good1'

pattern = r'good'

# ret = re.split(pattern, my_str,maxsplit=1)
ret =re.finditer(pattern, my_str)
print(ret)

re.sub 函数

在一个字符串中替换被正则表达式匹配到的字符串，返回替换后的字符串，
函数原型如下：

re.sub(pattern,repl,string,count=0,flags=0)

其中 repl 参数是替换匹配字符串的字符串，count 参数是匹配的最大替换次数。

import re
my_str = '1梦想橡皮擦1good1good1'

pattern = r'good'

ret = re.sub(pattern, "nice", my_str)
print(ret)

运行之后，得到替换之后的字符串：

1梦想橡皮擦1nice1nice1

re 库其它函数

其它比较常见的函数有：re.fullmatch()，re.subn()，re.escape()，
更多内容可以查阅 官方文档，获取一手资料。

扩展知识

使用 re 库匹配字符串之后，会返回 match 对象，该对象具备以下属性和方法。

你可以顺着这条线继续学习下去。