Python 学习之路 - 正则表达式

Posted 2020-08-31

正则表达式

正则表达式的大致匹配过程是：依次拿出表达式和文本中的字符比较，如果每一个字符都能匹配，则匹配成功；一旦有匹配不成功的字符则匹配失败。

re 模块用于正则表达式的操作。

一、 用于匹配的函数

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

匹配字符串中所有符合条件的元素。匹配上，返回list类型元素

import re

obj = re.findall(‘\\d+‘,‘hhh90080mmmbb2233pp‘)
print(obj)

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

从字符串起始位置匹配符合条件的元素，单个匹配。匹配上，返回一个对象

注意：字符串起始位置的元素必须与正则表达式相匹配，不然返回None

import re

obj = re.match(‘\\d+‘,‘0008lkk‘)
print(obj,type(obj))
if obj:
    print(obj.group())

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

在字符串中寻找匹配的元素，单个匹配。匹配上，返回一个对象

import re

obj = re.search(‘\\d+‘,‘hhh90080mmmbb2233pp‘)
if obj:
    print(obj.group())

4. group()和groups()

分组是用（）进行的，一个正则表达式可以用括号进行分组

group()获得一个，多个分组截获的字符串；或所有分组匹配的整体字符串

groups()以元组形式返回全部分组截获的字符串

import re

a = "123abc456ooo"

print( re.search("([0-9]*)([a-z]*)([0-9]*)", a).group(0))   #编号0代表整个匹配的子串；不填写参数时，相当于group(0)
print( re.search("([0-9]*)([a-z]*)([0-9]*)", a).group(1,2)) #指定多个参数时将以元组形式返回 (‘123‘, ‘abc‘)
print(re.search("([0-9]*)([a-z]*)([0-9]*)", a).group(2))    #指定一个参数时返回字符串 abc

print (re.search("([0-9]*)([a-z]*)([0-9]*)", a).groups())   #(‘123‘, ‘abc‘, ‘456‘)

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

替换与正则表达式相匹配的字符串

import re

s = "hello world 001,789 welcome"
s_c = re.sub(‘\\d+‘,‘amy‘,s,1) #只替换一次，不填count会全部替换
print(s_c)

比str.replace()更加强大。

6. split(pattern,string,maxsplit=0,flag=0)

根据指定的正则匹配进行分割。

注意：最后一个字符匹配成功的话，会分割出一个空格

import re

n = "split1nnnnn2mmmmm3"
n_c = re.split(‘[0-9]‘,n,1) #最多分割一次，不填maxsplit会全部分割
print(n_c)

7. compile(strPattern[, flag])

将字符串形式的正则表达式编译为一个对象。

import re

text = "You are so cool, oo"
pattern = re.compile(r‘\\w*oo\\w*‘) #将正则表达式编译成Pattern对象
print(pattern.findall(text)) #查找所有包含oo的单词，使用Pattern匹配文本，获得匹配结果，无法匹配时将返回None

二、匹配的语法

语法	说明	表达式实例	匹配的字符串
字符
一般字符	匹配自身	abc	abc
.	匹配任意字符(除换行符) 若指定flag DOTALL,则匹配任意字符，包括换行	a.c	akc
\\	转义字符，使其后的字符变成字面上的字符	a\\.c	a.c
[...]	字符集，[a*]匹配字符是a 或 *；’[a-z]匹配a到z之间的任意字符； [^f]匹配非 f 的任意字符；[\\d]匹配数字. 字符集中除了 - ^ \\ 外，其他特殊字符没有特殊含义	[a*]k	aK *k
数量（用在字符或（...）之后）
*	匹配前一个字符0或无限次
+	匹配前一个字符1或无限次
?	匹配前一个字符0次或1次
{m}	匹配前一个字符m次
{m,n}	匹配前一个字符m到n次，省略m，0到n；省略n，m到无限
预定义字符（可以写在[]字符集中）
\\d	数字：[0-9]
\\D	非数字：[^\\d]
\\w	字母数字下划线：[A-Za-z0-9_]
\\W	[^\\W]
边界匹配
^	匹配字符串开头	^abc	abc
$	匹配字符串结尾	abc$	abc

\\A	仅仅匹配字符串开头	\\Aabc	abc
\\Z	仅仅匹配字符串结尾	abc\\Z	abc
\\b	匹配\\w和\\W之间；单词的开始或结束	a\\b!bc	a!bc
\\B	[^\\b]	a\\Bbc	abc
逻辑，分组
|	|代表左右表达式任意匹配一个。从左 往右匹配，左边的匹配成功便跳过右边	abc|def	abc dfe
(...)	被括起来的表达式将作为分组；分组表 达式作为一个整体，后面可以接数量。表达式 中的 | 只在该组中有效。 从表达式的左边开始没遇到一个分组的左括号， 编号就加1	（abc）{2} a(123|456)c	abcabc a456c

 

 

三、flag

# flags
I = IGNORECASE = sre_compile.SRE_FLAG_IGNORECASE # ignore case
L = LOCALE = sre_compile.SRE_FLAG_LOCALE # assume current 8-bit locale
U = UNICODE = sre_compile.SRE_FLAG_UNICODE # assume unicode locale
M = MULTILINE = sre_compile.SRE_FLAG_MULTILINE # make anchors look for newline
S = DOTALL = sre_compile.SRE_FLAG_DOTALL # make dot match newline
X = VERBOSE = sre_compile.SRE_FLAG_VERBOSE # ignore whitespace and comments

 

四、r 原生字符

正则表达式里使用"\\"作为转义字符，这就可能造成反斜杠困扰。假如你需要匹配文本中的字符"\\"，那么使用编程语言表示的正则表达式里将需要4个反斜杠"\\\\\\\\"：前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。Python里的原生字符串很好地解决了这个问题，这个例子中的正则表达式可以使用r"\\\\"表示。同样，匹配一个数字的"\\\\d"可以写成r"\\d"。有了原生字符串，你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观。

 

 

学习内容来自：http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html