RE正则表达式

Posted tianxiong

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了RE正则表达式相关的知识,希望对你有一定的参考价值。

一. 什么是正则表达式

  1. 定义: 即文本的高级匹配模式,提供搜索,替换等功能.

        其本质是一系列由字符和特殊符号构成的字串,这个字串即正则表达式.

  2. 匹配原理: 通过普通字符和有特定含义的字符,来组成字符串,用以描述一定的字符串规则.比如重复,位置等,来表达一种特定类型的字符串.

二. 为什么要学正则表达式

  1. 文本处理已经成为计算机常见工作之一;

  2. 对文本内容搜索,定位,提取是逻辑比较复杂的工作;

  3. 为了快速方便的解决上述问题,产生了正则表达式技术.

三. 正则表达式元字符的使用

  1. 普通字符

    匹配规则: 每个普通字符匹配其对应的字符(以整体为单元)

    d  可以匹配一个数字

    w  可以匹配一个字母或数字

     .  可以匹配任意字符

    s  可以匹配一个空格(也包括Tab等空白符)

    s+ 表示至少有一个空格

    要匹配变长的字符:

     *  表示任意个字符(包括0个)

     +  表示至少一个字符

     ?  表示0个或1个字符

    {n} 表示n个字符

    {n,m}表示n-m个字符

    要做更精确地匹配,可以用[]表示范围:

    [0-9a-zA-Z\_]   可以匹配一个数字、字母或者下划线

    [0-9a-zA-Z\_]+  可以匹配至少由一个数字、字母或者下划线组成的字符串

    [a-zA-Z\_][0-9a-zA-Z\_]*  可以匹配由字母或下划线开头,后接任意个由一个数字、字母或者下划线组成的字符串,也就是Python合法的变量

    [a-zA-Z\_][0-9a-zA-Z\_]{0, 19}  更精确地限制了变量的长度是1-20个字符(前面1个字符+后面最多19个字符)

    A|B  可以匹配A或B,所以(P|p)ython可以匹配‘Python‘或者‘python‘

     ^   表示行的开头,^d表示必须以数字开头

     $   表示行的结束,d$表示必须以数字结束

    ^py$  变成了整行匹配,就只能匹配‘py‘

  2. re模块

    Python提供re模块,包含所有正则表达式的功能.因Python的字符串本身也用 转义,所以在写正则表达式时应特别注意.

    s = ‘ABC\-001‘  -->  s = ‘ABC-001‘

    强烈建议使用Python的 r 前缀,就不用考虑转义的问题

    s = r‘ABC-001‘  -->  s = ‘ABC-001‘

  3. 判断正则表达式是否匹配

技术图片
1 >>> import re
2 >>> re.match(r^d{3}-d{3,8}$, 010-12345)
3 <_sre.SRE_Match object; span=(0, 9), match=010-12345>
4 >>> re.match(r^d{3}-d{3,8}$, 010 12345)
5 >>> 
View Code

    match()方法判断是否匹配,如果匹配成功,返回一个match对象,否则返回None.

    常见的判断方法:

技术图片
1 test = 用户输入的字符串
2 if re.match(r正则表达式, test):
3     print(ok)
4 else:
5     print(failed)
View Code

  4. 切分字符串

技术图片
 1 #用正则表达式切分字符串比用固定的字符更灵活
 2 >>> a b   c.split( )
 3 [a, b, ‘‘, ‘‘, c]
 4 #无法识别连续的空格,用正则表达式试试
 5 >>> re.split(rs+, a b   c)
 6 [a, b, c]
 7 #无论多少个空格都可以正常分割。加入,试试:
 8 >>> re.split(r[s,]+, a,b, c  d)
 9 [a, b, c, d]
10 #再加入;试试
11 >>> re.split(r[s,;]+, a,b;; c  d)
12 [a, b, c, d]
View Code

  5. 分组

    除了简单地判断是否匹配之外,正则表达式还有提取子串的强大功能.用()表示的就是要提取的分组(Group). 

技术图片
 1 #^(d{3})-(d{3,8})$分别定义了两个组,可以直接从匹配的字符串中提取出区号和本地号码:
 2 >>> m = re.match(r^(d{3})-(d{3,8})$, 010-12345)
 3 >>> m
 4 <_sre.SRE_Match object; span=(0, 9), match=010-12345>
 5 >>> m.group(0)
 6 010-12345
 7 >>> m.group(1)
 8 010
 9 >>> m.group(2)
10 12345
View Code

    如果正则表达式中定义了组,就可以在Match对象上用group()方法提取出子串来.group(0)永远是原始字符串,group(1)group(2)……表示第1、2、……个子串.

技术图片
1 >>> t = 19:05:30
2 >>> m = re.match(r^(0[0-9]|1[0-9]|2[0-3]|[0-9]):(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9]):(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$, t)
3 >>> m.groups()
4 (19, 05, 30)
View Code

  6. 贪婪匹配

    正则匹配默认是贪婪匹配,也就是匹配尽可能多的字符.

技术图片
1 #匹配出数字后面的0:
2 >>> re.match(r^(d+)(0*)$, 102300).groups()
3 (102300, ‘‘)
4 #由于d+采用贪婪匹配,直接把后面的0全部匹配了,结果0*只能匹配空字符串了.
5 #必须让d+采用非贪婪匹配(也就是尽可能少匹配),才能把后面的0匹配出来,加个?就可以让d+采用非贪婪匹配:
6 >>> re.match(r^(d+?)(0*)$, 102300).groups()
7 (1023, 00)
View Code

  7. 编译

    当我们在Python中使用正则表达式时,re模块内部会干两件事情:

      * 编译正则表达式,如果正则表达式的字符串本身不合法,会报错;

      * 用编译后的正则表达式去匹配字符串.

    如果一个正则表达式要重复使用几千次,出于效率的考虑,我们可以预编译该正则表达式,接下来重复使用时就不需要编译这个步骤了,直接匹配:

技术图片
1 >>> import re
2 # 编译:
3 >>> re_telephone = re.compile(r^(d{3})-(d{3,8})$)
4 # 使用:
5 >>> re_telephone.match(010-12345).groups()
6 (010, 12345)
7 >>> re_telephone.match(010-8086).groups()
8 (010, 8086)
9 # 编译后生成Regular Expression对象,由于该对象自己包含了正则表达式,所以调用对应的方法时不用给出正则字符串.
View Code

四. 待补充

 

 

 

 

    

 

 

 

 

 

 

 

 

 

 

 

 

  

以上是关于RE正则表达式的主要内容,如果未能解决你的问题,请参考以下文章

正则表达式

第43天python学习re模块学习

python成长之路第三篇_正则表达式

python成长之路第三篇_正则表达式

俗话:学好正则表达式,走遍天下都没事!最详细的正则入门教程!

python基础学习(十三)