正则表达式

Posted 2021-03-11 hzyujun

正则表达式

• 正则表达式为高级的文本模式匹配，抽取，与/或文本形式的搜索和替换功能提供基础。
• 正则表达式(regex)由一些字符和特殊字符组成的字符串。正则表撒式能按某种模式匹配一些列有相似特征字符串。只能匹配一个字符串的正则表达式毫无意义。

• python通过标准库re模块支持正则表达式。

  第一个正则表达式

• foo 只能匹配 foo,正则表达是强大之处在于引用特殊字符来定义字符集合，匹配子组，重复模式。匹配字符串集合，而不是某个单字符串
  
  

  特殊符号和字符

表示法	描述	正则表达式示例
符号
literal	匹配文本字符串的字面值literal	foo
re1|re2	匹配正则表达式re1或re2	foo|bar
.	匹配任何字符（除了 )	b.b
^	匹配字符串起始部分	^Dear
$	匹配字符串终止部分	/bin/sh$
*	匹配0次或多次前面出现正则表达式	[A-Za-Z0-9]*
+	匹配1次或多次	[A-Z]+
?	匹配0次或1次	[A-Z]?
{N}	匹配N次前面出现正则表达式	[0-9]{N}
{N,M}
[...]	字符集	[aeiou]
[x-y]	匹配x-y范围内任意一字符	[0-9]
[^...]	不匹配此字符集任意一个字符	[^aeiou]
特殊字符
d	匹配0-9	datad+.txt
w
s
扩展表示法

使用择一匹配符号匹配多个正则表达式模式

正则表达式模式	匹配字符串
at|home	at,home

p匹配任意单字符(.)除了 换行

正则表达式模式	匹配字符串
f.o	fao、f9o
.	.

从字符串起始或者结尾或者单词边界匹配

正则表达式模式	匹配字符串
^From	任何以From作为起始字符串
/bin/tcsh$	任何以/bin/tcsh结尾字符串
^Subject:hi$	任何由单独字符串Subject:hi构成字符串
the	匹配the
the	任何以the开始字符串
the	仅仅匹配单词the
Bthe	任何包含但并不以the作为起始字符串

创建字符集合

正则表达式模式	匹配字符串
b[aeiu]t	bat,bet,bit,but

限定范围和否定

使用闭包操作符实现存在性和频数匹配

表示字符集的特殊字符

使用圆括号指定分组

• 只要用一对圆括号包裹任何正则表达式
  • 对正则表达式进行分组
  • 匹配子组

正则表达式模式	匹配字符串
d+(.d*)?	表示简单浮点数字符串

扩展表示法

正则表达式和python语言

re模块：核心函数和方法

1. `compile(pattern,flag=0)` 返回正则表达式对象。

2. re模块函数和正则表达式对象方法
   • match(pattern,string,flags=0) 匹配成功返回匹配对象，失败返回None
   • search(pattern,string,flags=0)
   • findall(pattern,string[,flags]) 返回一个匹配列表
   • finditer(pattern,string[,flags]) 与findall 相同返回一个迭代器，迭代器返回一个匹配对象
   • split(pattern,string,max=0) 正则表达式模式分隔符，将字符串分割为列表，返回成功匹配列表
3. re模块函数和正则表达式对象方法
   • sub(pattern,repl,string,count=0)
4. 常用匹配对象方法
   • group(num=0) 返回整个匹配对象
   • groups(default=None) 返回一个包含所有陪陪子组的元组

   • groupdict(default=None) 返回一个包含素哟有匹配命名子组的字典

     编译正则表达式

   • re.compile()

     匹配对象以及group()和groups()方法

     使用 match()方法匹配字符串

   • match() search()匹配对象； 匹配对象group()方法用于显示成功匹配。

   import re
   r = re.compile('foo') #返回正则表达式对象
   m = re.match(r,'foo') #模式匹配对象
   if m is not None:
    print(m.group())
   m = re.match(r,'food on the table foo')
   if m is not None:
    print(m.group())

   使用search()在一个字符串中查找模式(搜索与匹配对比)

• 搜索模式出现在一个字符串中间部分。

 m = re.match('foo','seafood') #匹配失败
m     = re.search('foo','seafood') #匹配成功

重复，特殊字符及其分组

• 简单电子邮件正则表达式
  w+@w+.com ---> [e-mail]
  w+@(w+.)?w+.com --->[e-mail] [e-mail]
  w+@(w+.)*w+.com ---->[e-mail]
• 匹配能够提取内容

m = re.match(‘(a)(b)‘,‘ab‘)
print(m.group()) #ab
print(m.group(1)) #a
print(m.group(2)) #b
print(m.groups()) #(‘a‘,‘b‘)

m = re.match('(www)-(ddd)','abc-123')
print(m.group()) #'abc-123'
print(m.group(1)) #子组1 'abc'
print(m.group(2)) #子组2 '123'
print(m.groups())  #('123','abc')

re模块方法 findall() sub() subn() split()

• 使用findall() fiditer()查找每一次出现位置

re.findall('car','car') # ['car']
re.findall('car','scray') #['car']
re.findall('car','carry the barcard to the car') #['car','car','car']
s = 'That and this'
print(re.findall(r'(thw+)',s,re.I)) #['This','that]
it = re.finditer(r'(thw+)',s,re.I)
g = next(it)
print(g.groups())  #('This',)
g = next(it)
print(g.groups())  #('that')
print(g.group(1)) #that

使用sub()和subn()搜索与替换

print(re.sub('[ae]','X','abcedf')) #XbcXdf
print(re.subn('[ae]','X','abcedf')) #('XbcXdf', 2)
# 可以用n来代替分组编号 MM/DD/YY --> DD/MM/YY
print(re.sub(r'(d{1,2})/(d{1,2})/(d{2}|d{4})',r'2/1/3','2/20/91')) #20/2/91

在限定模式上使用splite()分割字符串

print(re.split(':','str1:str2:str3')) #['str1','str2','str3']

扩展符号

正则表达式入门

正则表达式目的

- 判断字符串是否符合正则表达式逻辑
- 通过正则表达式从指定的字符串中获取我们需要的特定部分。

• 如何判断一个字符串是否是手机号码？

#手机号码特征 13[d]{9}
print(re.match(r'13[d]{9}','13362158971').group())

match方法

• match object = re.match(‘正则表达式‘,‘要匹配字符串‘)

• match object.group() 返回字符串匹配部分

  正则表达式单字符匹配

字符	功能	示例
.	匹配任意一个字符除了	print(re.match(‘.‘,‘你好‘).group()) #你
[]	匹配[]中列举一个字符
d
D
s	空白字符
S
w
W

正则表达式描述数量

字符	功能
*	匹配前一个字符出现0次或者无限次
+
？
{m}
{m,}
{m,n}

s = '\nabc'
print(re.match('\\nabc',s)) #\nabc
print(re.match(r'\nabc',s)) #<_sre.SRE_Match object; span=(0, 5), match='\nabc'>

表示边界

|字符|功能| |---|---|
|$|re.match(r‘1[3]d{9}$‘,‘13888888888‘)|
|^|match感觉不出来，findall(),search()|
|b| |
|B| |