python基础之正则表达式

Posted 2020-09-18

什么是正则表达式？

正则表达式并不仅仅是python的专利，几乎其他的语言都有正则表达式。就比如bash就有正则表达式命令--grep，个人感觉python中的正则表达式类似于

grep -o

正则表达式是用于处理字符串的强大工具，虽然效率上可能不高，但是功能强大！

正则表达式设定了一系列语法，比如说“ . ”表示任意单个字符，\d表示单个数字……  通过组合这些规则我们可以形成一个pattern（模式）！凡是符合这个pattern的字符串，我们就认为它被匹配了，否则，则代表这个字符串是不合法的！

正则表达式的语法：

单个字符	具体说明
.	匹配任意字符（除了换行符\n）
[]	匹配字符集，[0-1]表示数字，[a-z]表示小写字母
\	转义字符，改变其后字符的原意
[^]	非
\d	与[0-9]功能相同，表示数字
\D	非数字，即[^\d]
\s	空白字符即：[<空格>\t\r\f\n\v]
\S	非空白字符
\w	单词字符[a-zA-Z0-9]
\W	非单词字符[^\w]

上面表格中就是单个字符。当我们要匹配一个字母时，我们可以这样写：[a-z]  .但是如果我们要匹配两个字符的时候该怎么办？

大家可能会想到这样：[a-z][a-z]   好，用这样的方法也可以。但是如果我们要匹配10个甚至数百个或者不限定字符的长度该怎么办？那我们就要用到数量词了。

数量词	说明
*	匹配前面的字符任意次（0次或者无限次）
+	匹配前面的字符一次或者无限次
?	匹配前面的字符0次或者1次
{m,n}	匹配前面的字符最小m次，最多n次

 

当我们想要匹配以a开头的字符串时，就需要用到边界匹配：

^	匹配字符串开头，在多行模式中匹配每一行的开头
$	匹配字符串结尾，在多行模式中匹配每一行的结尾
\A	仅匹配字符串开头
\Z	仅匹配字符串结尾
\b	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‘。
\B	匹配非单词边界。‘er\B‘ 能匹配 "verb" 中的 ‘er‘，但不能匹配 "never" 中的 ‘er‘

逻辑字符与分组：

|	类似于或
()	匹配括号内的表达式，也表示一个组
(?Pname..)	分组，除了原有的编号外再指定一个额外的别名
\n	引用第n个分组的表达式匹配到的字符
(?P=name)	引用别名为name的分组表达式匹配到的字符

另外因为python中也使用\作为转义字符，而正则表达式也需要\作为转义字符，假如你需要匹配文本中的字符"\"，则需要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。为了避免这种复杂的情况，python为我们提供了r前缀（原生字符串）！r‘pattern‘pattern中的所有字符串表示本意，也就是\就是\，不代表转义字符了！

Python提供re模块，包含所有正则表达式的功能,所以如果我们要使用正则表达式的话，需要：

import re

python正则表达式常用的5种操作：

 

1  re.match("pattern","string") :该方法从头部开始匹配，若头部符合pattern则返回一个Match对象否则，则返回None）

import re
ret=re.match(‘[a-z]‘,‘1shdkfasdf‘)
print(ret)

结果：None

import re
ret=re.match(‘[a-z]‘,‘shdkfasdf‘)
print(ret)

结果：<_sre.SRE_Match object; span=(0, 1), match=‘s‘>

常用该方法判断是否匹配：
import re
input_str=‘ashdfjhakdsf‘
if re.match(‘[a-z]‘,input_str):
    print(‘ok!!‘)
else:
    print(‘not found!!‘)

 

2  re.search(‘pattern‘,‘ string‘):匹配整个字符串，直到找到一个匹配,若找到一个匹配，则返回一个Match对象，没有则返回None。

print(re.search(‘[0-9]{3}‘,‘sdfkj123‘))
结果：<_sre.SRE_Match object; span=(5, 8), match=‘123‘>

#一般这样用
if re.search(‘[0-9]{3}‘,‘sdfkj123‘):
    print(‘ok!!‘)
else:
    print(‘not found!!‘)

 

3  re.split():切分字符串

有的同学就要问了，我们不是有str.split()或者list.split……方法来切分么,为啥还要用这个呢？

请看实例：

a=‘a s d    g‘
print(a.split(‘ ‘))
结果：[‘a‘, ‘s‘, ‘d‘, ‘‘, ‘‘, ‘‘, ‘g‘]
#当字符串中有多个连续的空格时，切分的结果就是这么的不尽如人意！

a=‘a s d    g‘
print(re.split(‘\s+‘,a))
结果：[‘a‘, ‘s‘, ‘d‘, ‘g‘]

 4  re.findall():找到所有的匹配到的字符并以list的方式返回。

ret=re.findall(‘a‘,‘askdjflas‘)
print(ret)
结果：[‘a‘, ‘a‘]

5  re.sub(‘pattern‘,‘替换为‘，‘string‘,count=)：将匹配到的字符替换，可以指定次数。

ret=re.findall(‘a‘,‘askdjflas‘)
print(ret)
结果：1skdjfl1s

正则表达式应用实例：

匹配手机号：

info=‘my phone is 18766666666‘
ret=re.search(‘1[358]\d{9}‘,info)
print(ret.group())
结果：18766666666

匹配ip v4地址：

info=‘my phone is 18766666666，my ip is 2.187.5.6‘
ret=re.search(‘(25[0-5]|2[0-4]\d|[0-1]?\d?\d)(\.(25[0-5]|2[0-4]\d|[0-1]?\d?\d)){3}‘,info)
print(ret.group())
结果：2.187.5.6