Python程序开发——第十章 正则表达式（ヾ(•ω•`)o那么复杂的正则表达式看完这一篇就懂啦）

Posted 2021-12-20 晚风(●•σ )

目录

• 一、正则表达式的定义
• 二、元字符
• 三、预定义字符
• 四、re模块
• • （一）match()函数
  • （二）search()函数
  • （三）匹配对象
  • • 1、Match对象
    • 2、匹配对象
  • （四）compile()函数
  • （五）findall()函数和finditer()函数
  • （六）sub()函数和subn()函数
  • （七）split()函数
• 五、贪婪匹配和非贪婪匹配

一、正则表达式的定义

正则表达式（RE）是一种文本模式，也称为正则表达式模式，用于匹配字符串，通过re模块可使用正则表达式，它可以匹配指定文本中与表达式模式相同的字符串，也可以说是为指定字符串指定相应的规则。

二、元字符

以下是常用的元字符：

（1）点字符
点字符“.”用于匹配字母、数字、下划线、空白符（除换行符\\n、\\r）等单个的字符，反过来说也就是匹配除了\\n、\\r以外的任何单个的字符，例如：.A匹配字母A；…匹配任意两个字符；.a表示的是匹配以任意字符开头，以a结尾的字符串。
（2）脱字符和美元符
脱字符“^”和美元符“$”分别用于匹配开头和结尾。例如^ab表示的是匹配以ab开头，第一个字符为a，第二个字符为b的字符串；ab$表示的是匹配以ab结尾，第一个字符为a，第二个字符为b的字符串。
（3）字符组
字符组“[]”用于匹配字符组内任意一个字符，字符组内的字符之间是同级关系，即只会匹配字符组中一个字符，而字符组外的字符是根据由前到后的顺序依次匹配的。例如：a[qwe]匹配的是以字符a开头，且以字符q或w或e结尾的字符串，并不是先匹配以a开头q结尾的字符串；[qwe]r匹配的是以q或w或e字符开头，且以r字符结尾的字符串。
（4）连字符和连接符
连字符“-”用于匹配一个范围，用在字符组中。例如：[A-Z]表示的是匹配A至Z中一位大写字母。
连接符“|”较于字符组，它既能匹配单个字符，又能匹配字符串，匹配一个与表达式模式相同的字符或字符串。例如：a|b|c|d表示的是匹配字符a、b、c、d其中的任意一个字符；12@s|asdd表示的是匹配12@s或asdd。
（5）匹配符
匹配符“?”用于匹配其前表达式零个或一个。
（6）重复
通过使用“+”、“*”、“”来重复匹配其前导元素。例如：abc+d是匹配字符c一个或多个，但不可能为0，即不可能为abd；和abc*d不一样，它是匹配字符c零个或多个，所以匹配结果有很多种，比如abd（匹配0个）、abcd（匹配1个）、abccd（匹配2个）……
用来限制重复匹配次数，例如：ab3c表示的是匹配字符b三次，即匹配的结果是abbbc；也可以限定一个范围设置重复匹配次数，例如：ab1,4表示的是匹配字符b一至四次，即匹配的结果可以是ab、abb、abbb、abbbb。
（7）子组
通过子组“()”来对一组字符串中的某些字符进行分组。例如：ab©?表示的是匹配子组c零个或一个，匹配结果可以是ab或abc。

三、预定义字符

要注意如果不在预定义字符前加r，则会被视为无效的转义序列，加上r使预定义字符所代表的是字符串而不是转义字符，以下是常用的预定义字符，：

四、re模块

re模块也就是python中的正则表达式模块，这里介绍几个常用的模块函数及方法。

（一）match()函数

re.match()函数会判断目标文本的起始位置是否符合指定模式，若符合匹配成功返回匹配对象，而不符合就会返回None。该函数返回匹配对象中匹配信息span表示匹配对象在目标文本中出现的位置，match表示匹配对象本身内容，另外match()函数有几个参数如下：

re.match(正则表达式,目标文本,匹配模式)

例如下列python代码：

import re

txt0 = "123456ab_"
txt1 = "abr"
txt2 = "HELLOHELLO!"
print(re.match("...", txt0))  # 该正则表达式匹配txt0字符串中任意两个字符
print(re.match("^abr$", txt1))  # 该正则表达式匹配txt1字符串中只有abr的行
print(re.match("HELL[OH]", txt2))  # 该正则表达式匹配txt2字符串中以字符串HELL开头，以字符O或H结尾的字符串

运行结果如下：

（二）search()函数

re.search()函数用于匹配处于目标文本中任意位置的字符串，若匹配成功会返回匹配对象，否则返回None，它的返回匹配对象的匹配信息以及函数的参数与re.match()函数一样。

re.search(正则表达式,目标文本,匹配模式)

例如下列python代码：

import re

txt0 = "12345 6ab_ 9w"
txt1 = "SDDHFHSf9ryu*py"
txt2 = "HELLO WORLD!"
print(re.search("6a", txt0))  # 该正则表达式匹配txt0字符串中为6a的字符串
print(re.search(r"\\d", txt1))  # 该正则表达式匹配txt1字符串中的数字
print(re.search(r"\\W[p]", txt1))  # 该正则表达式匹配txt1字符串中以特殊字符开头，且以字符p结尾的字符串，
print(re.search("[A-J]+", txt2))  # 该正则表达式匹配txt2字符串中大写字母A至J之间的一位大写字母一次或多次，这里是多次所以返回HE
print(re.search("C|A|O|G", txt2))  # 该正则表达式匹配txt2字符串中字符C、A、O、G中的任意一个，txt2中只有O所以返回O

运行结果如下：

（三）匹配对象

1、Match对象

通过match()函数和search()函数匹配目标文本成功时返回匹配对象，也就是返回了一个Match对象，如下：

该对象分为span和match，span是一个元组，元组中第一个元素表示匹配对象在目标文本中的开始位置，而第二个元素表示匹配对象在目标文本中的结束位置；match则表示所匹配对象的内容。

2、匹配对象

Match对象在re模块中有一些常用的函数和方法，如下表：

名称	功能
group([num])	获取所匹配的字符串或获取第num个元组的匹配结果
groups()	获取一个包含所有子组匹配结果的元组
start()和end()	获取匹配对象的开始和结束位置
span()	获取span属性，即匹配对象位置的元组

例如下列python代码：

import re

text="HELLO WORLD!"
result=re.search(r"\\w*",text)
result_groups=re.search("(E)(L)",text)
print(result)
print(result.span())
print(result.start())
print(result.end())
print(result.group())
print(result.groups())#因为不含有元组，所以返回一个空元组
print(result_groups.group())
print(result_groups.group(2))
print(result_groups.groups())

运行结果如下：

（四）compile()函数

若要重复使用一个正则表达式，则可以通过re.compile()函数对其进行预编译，生成一个正则表达式（ Pattern ）对象，从而避免开销。
其格式如下，Pattern参数表示一个正则表达式，flag参数用于指定匹配的模式，它是可选的：

compile(Pattern（正则表达式）,flag) #flag用于指定匹配的模式

常用的匹配模式有以下：

参数flag	功能
re.I	忽略大小写
re.L	使预定义字符取决于当前环境设置
re.M	多行匹配，影响^和$
re.S	匹配所有字符，其中包括换行符
re.U	根据Unicode字符集解析字符
re.A	根据ASCII字符集解析字符
re.X	更灵活的匹配，忽略空格和注释书写正则表达式

例如下列python代码，通过comile()函数将正则表达式"6a"预编译位正则对象p，且设置参数flags为匹配时忽略大小写（re.I），即匹配的结果忽略大小写：

import re

text0="ab c-8955/qasdd"
q=re.compile(r"5\\W[a-e]*")#通过comile()函数将正则表达式"5\\W[a-e]*"预编译为正则对象q
print(q.search(text0))
text1="12 6A_966-7"
p=re.compile("6a",re.I)#通过comile()函数将正则表达式"6a"预编译为正则对象p，且设置参数flags为匹配时忽略大小写
print(p.search(text1,0,3))#从"1"开始匹配输出None
print(p.search(text1,0,5))

运行结果如下：

（五）findall()函数和finditer()函数

1、findall()函数
findall()函数通过正则表达式匹配字符串，并返回一个列表，若有多个匹配模式则返回元组列表，而若没有匹配到相应的子串则会返回一个空列表。
其格式如下，字符串起始位置和结束位置是可选参数，默认情况下起始位置为0、结束位置为字符串的长度：

findall(正则表达式,字符串，起始位置，结束位置)

例如下列python代码：

import re

text0="abdzeruiio123"
text1="班级：01；人数：50；排名：01"
text2="2*x=0  3/y=12  5+z=3"
q=re.compile(r"[a-g]")
print(q.findall(text0))
print(q.findall(text0,0,3))
print(q.findall(text1))#返回空列表
print(re.findall(r"[\\u4e00-\\u9fa5]+",text1))#[\\u4e00-\\u9fa5]为中文的unicode编码范围
print(re.findall(r"(\\d.\\w)=(\\d)",text2))

运行结果如下：

2、finditer()函数
finditer()函数与findall()函数一样，但该函数会将正则表达式所匹配的所有子串以迭代器返回。
例如下列python代码：

import re

text0="abdera*uiio+123"
p=re.compile(r"[a-g]+")
result=re.finditer(p,text0)
print(result)
print(result.__next__())
q=re.finditer(r"\\W",text0)
for i in q:#for循环通过group()函数依次输出迭代器
    print(i.group())

运行结果如下：

（六）sub()函数和subn()函数

sub()函数和subn()函数用于检索和替换，即用于替换目标文本中的匹配项，前者返回替换后的字符串，而后者返回包括替换结果和替换次数的元组。
两个函数的参数是一样的，前三个参数是必选的，后两个可选，其格式如下，：

sub(正则表达式,要替换的字符串,目标文本,替换次数,匹配模式)
subn(正则表达式,要替换的字符串,目标文本,替换次数,匹配模式)

例如下列python代码：

import re

text="abd1+era"
print(re.sub(r"\\d\\W","aa",text))
print(re.subn(r"\\d\\W","aa",text))

运行结果如下，sub()函数通过匹配目标文本中的数字和特殊字符将其替换为“aa”并返回替换后字符串，subn()函数返回字符串和替换次数的一个元组：

（七）split()函数

split()函数用于匹配字符串然后将其分割后返回一个列表，分割的默认次数为0，表示全部进行分割，split()函数的格式如下：

split(正则表达式,目标文本,分割次数,匹配模式)

例如下列python代码：

import re

text="ab de ra"
print(re.split(r"\\s",text))
print(re.split(r"\\s",text,1))

运行结果如下：

五、贪婪匹配和非贪婪匹配

正则表达式中有两种匹配方式，分别是贪婪匹配和非贪婪匹配，在Python中正则表达式的默认匹配方式为贪婪匹配，贪婪匹配是指在条件满足的情况下尽可能多地进行匹配，当在可匹配或可不匹配时优先尝试匹配；反之非贪婪匹配就是尽可能少地进行分配，当在可匹配或可不匹配时优先尝试忽略。
在使用元字符时默认为贪婪匹配方式，但当元字符与“？”搭配时，则会以非贪婪匹配方式进行匹配。
例如下列python代码，“d.+”匹配以字符d开头后跟单个字符一次或多次，这种是贪婪匹配匹配尽可能多的字符；“d.+?”是非贪婪匹配，只匹配字符d开头后一个字符，其为忽略优先：

import re

text="abderauu"
a=re.search("d.+",text)#贪婪匹配
print(a.group())
a=re.search("d.+?",text)#非贪婪匹配
print(a.group())

运行结果如下：