正则表达式和re模块

Posted 2021-01-09 roygood

re 模块，正则匹配操作

正则表达式常用匹配规则：

　　　　.匹配任意字符，但是不能匹配换行符

　　　　d匹配任意数字

　　　　D匹配任意的非数字

　　　　s匹配的是空白字符（包括： ， ， 和空格）

　　　　w匹配的是a-z和A-Z以及数字和下划线

　　　　W匹配的是和w相反的

　　　　[]组合的方式，只要满足中括号中的某一项都算匹配成功

　　　　之前讲到的几种匹配规则，其实可以使用中括号的形式来进行替代：

 　　　　　　　　　d：[0-9]
　　　　　　　　　D：0-9
　　　　　　　　　w：[0-9a-zA-Z_]
　　　　　　　　　W：[^0-9a-zA-Z_]
匹配多个字符：
　　*：可以匹配0或者任意多个字符
　　+：可以匹配1个或者多个字符

　　?：匹配的字符可以出现一次或者不出现（0或者1）

　　{m}：匹配m个字符

　　{m,n}：匹配m-n个字符

　　^（脱字号）：表示以...开始
　　$：表示以...结束
　　|：匹配多个表达式或者字符串

贪婪模式：正则表达式会匹配尽量多的字符。默认是贪婪模式。
非贪婪模式：正则表达式会尽量少的匹配字符。

 

re模块中常用函数：

match：从开始的位置进行匹配。如果开始的位置没有匹配到。就直接失败了。

text = ‘hello‘
ret = re.match(‘h‘,text)
print(ret.group())
>> h

 

search：
在字符串中找满足条件的字符。如果找到，就返回。说白了，就是只会找到第一个满足条件的。

text = ‘apple price $99 orange price $88‘
ret = re.search(‘d+‘,text)
print(ret.group())
>> 99

 

group 分组：
在正则表达式中，可以对过滤到的字符串进行分组。分组使用圆括号的方式。

1. group：和group(0)是等价的，返回的是整个满足条件的字符串。
2. groups：返回的是里面的子组。索引从1开始。
3. group(1)：返回的是第一个子组，可以传入多个。

text = "apple price is $99,orange price is $10"
ret = re.search(r".*($d+).*($d+)",text)
print(ret.group())
print(ret.group(0))
print(ret.group(1))
print(ret.group(2))
print(ret.groups())

 

findall：
找出所有满足条件的，返回的是一个列表。

text = ‘apple price $99 orange price $88‘
ret = re.findall(‘d+‘,text)
print(ret)
>> [‘99‘, ‘88‘]

 

sub：
用来替换字符串。将匹配到的字符串替换为其他字符串。

text = ‘apple price $99 orange price $88‘
ret = re.sub(‘d+‘,‘0‘,text)
print(ret)
>> apple price $0 orange price $0

 

split：
使用正则表达式来分割字符串。

text = "hello world ni hao"
ret = re.split(‘W‘,text)
print(ret)
>> ["hello","world","ni","hao"]

 

compile：
对于一些经常要用到的正则表达式，可以使用compile进行编译，后期再使用的时候可以直接拿过来用，执行效率会更快。

text = "the number is 20.50"
r = re.compile(r"""
                d+ # 小数点前面的数字
                .? # 小数点
                d* # 小数点后面的数字
                """,re.VERBOSE)
ret = re.search(r,text)
print(ret.group())