Python -- 正则表达式

Posted 2021-11-28 bravesunforever

正则表达式（regular expression）

     根据其英文翻译，re模块

      作用：用来匹配字符串。  在Python中，正则表达式是特殊的字符序列，检查一个字符串是否与某种模式匹配。

      设计思想：用一种描述性的语言来给字符串定义一个规则，凡是符合规则的字符串，就认为它“匹配”了，否则，该字符串就是不合法的。

      格式：正则表达式也是用字符串表示的，注意：带引号

格式	作用	备注
\\d	匹配一个数字
\\w	匹配一个字母或数字
\\s	匹配一个空格
.	匹配任意字符	‘py.‘可以匹配‘pyc‘, ‘pyo‘, ‘py!‘
*	0个或任意个
+	至少一个
？	0个或一个
{n}	n个字符
{n,m}	n到m个字符，n个，n+1个……m个	不是n减m个字符，或m减n个字符
[0-9a-zA-Z\\_]	匹配一个字符，限定范围中的任意类型都可以	字符个数=1，并不是匹配每种类型一个；不能为0个，空字符串会报错
[0-9a-zA-Z\\_]+	至少有一个字符，限定范围中的任意类型都可以	字符个数>=1
[0-9a-zA-Z\\_]*	任意个字符（包含0个），限定范围中的任意类型都可以	字符个数>=0，只是比+表示的字符多了一个0
[0-9a-zA-Z\\_]？	0个或1个字符，限定范围中的任意类型都可以	字符个数=0个，1个
[a-zA-Z\\_][0-9a-zA-Z\\_]*	匹配由字母或下划线开头，后接任意个字符，限定范围中的任意类型都可以
[a-zA-Z\\_][0-9a-zA-Z\\_]{0,19}	更精确地限制了变量的长度，前半部分只匹配一个字符，{0,19}是限定后半部分字符的长度	所以总的字符长度是1+{0,19}={1,20}
^	表示行的开头	^\\d，表示必须以数字开头
$	表示行的结束	\\d$，表示必须以数字结尾
A|B	可以匹配A或B	(P|p)ython可以匹配‘Python‘ 或‘python‘
re模块的match方法	匹配字符串
re模块的split方法	切分字符串
re模块的group方法，groups方法	分组

 

    re模块

使用Python的r前缀，就不用考虑转义的问题

r‘^(\\d{3})-(\\d{3,8})$‘

 

 

匹配

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

match(pattern, string) ：pattern：正则表达式的字符串，  string：要判断、匹配的字符串

re.match(r‘\\d\\d\\d‘,‘223‘)

 

切分字符串

split( )方法

 

# p的这三个例子，带不带r都没影响，而且, ;都没有使用转义符\\，但是都运行成功；不明白原因
p=re.split(r"[\\s;,]+","a b, g ;hd;s231")
print("p:",p)

p1=re.split("[\\s;,]+","a b, g ;hd;s231")
print("p1:",p1)

p2=re.split("[\\s\\;,]+","a b, g ;hd;s231")
print("p2:",p2)

p3=re.split("[\\s\\;\\,]+","a b, g ;hd;s231")
print("p3:",p3)

 

 

 

分组

   正则表达式还能提取子串，格式：用（）表示的就是要提取的分组 group

 例1：

q=re.match(‘^(\\d{3})-(\\d{5}$)‘,"010-12345")
print("q:",q)
print("")
print("q.groups()的结果是在一个括号中，好像元组啊：")
print("q.groups():",q.groups())  #注意q.groups()和q.group(0)的显示结果是不一样的
print("")
print("q.group(0)与q.group()的结果一样：")
print("q.group(0):",q.group(0))
print("q.group():",q.group())
print("")
print("开始提取子串：")
print("q.group(1):",q.group(1))
print("q.group(2):",q.group(2))

 运行结果：

 

 

 

  例2：这个例子中的正则表达式可以直接识别合法的时间。但是，识别日期时，正则表达式无法做到完全验证：

‘^(0[1-9]|1[0-2]|[0-9])-(0[1-9]|1[0-9]|2[0-9]|3[0-1]|[0-9])$‘

对于‘2-30’，‘4-31’这样的非法日期，用正则表达式还是识别不了，或者说写出来非常困难，这时就需要程序配合识别了。

 

t = ‘19:05:30‘
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)
print("m.groups():",m.groups())
print("m.group():",m.group())
print("m.group(0):",m.group(0))
print("m.group(1):",m.group(1))
print("m.group(2):",m.group(2))
print("m.group(3):",m.group(3))
print("m.group(4):",m.group(4)) #一共只有3个子串，提取第4个时会报错

  运行结果：

 

 贪婪匹配

   正则表达式默认是贪婪匹配，也就是匹配尽可能多的字符。

 

re.match(r‘^(\\d?)(0*)$‘, ‘102300‘).groups()里" \\d? "这种格式会报错，而"\\d+?"就运行正常了

结果分析：
   由于\\d+采用贪婪匹配，直接把后面的数字，包括0全部匹配了，结果0*只能匹配空字符串了。
   这种情况下，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，加个问号？就可以让\\d+采用非贪婪匹配

r=re.match(r‘^(\\d+)(0*)$‘, ‘102300‘).groups()
print("r:",r)

r1=re.match(r‘^(\\d*)(0*)$‘, ‘102300‘).groups()
print("r1:",r1)

r2=re.match(r‘^(\\d{4})(0*)$‘, ‘102300‘).groups()
print("r2:",r2)

#这是非贪婪匹配
r4=re.match(r‘^(\\d+?)(0*)$‘, ‘102300‘).groups() #这里不能使用\\d?，而要使用\\d+?，好像\\d不能直接跟?相连
print("r4:",r4)

r3=re.match(r‘^(\\d{3})(0*)$‘, ‘102300‘).groups() #如果是\\d{3}，那么102300中间的3就会匹配不上，所以报错
print("r3:",r3)


r5=re.match(r‘^(\\d?)(0*)$‘, ‘102300‘).groups() #这里不能使用\\d?，而要使用\\d+?，好像\\d不能直接跟?相连
print("r5:",r5)

 

 

预编译 

   在Python中使用正则表达式时，re模块内部会干两件事情：

 1、编译正则表达式，如果正则表达式的字符串不合法，就会报错；

 2、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，可以预编译这个正则表达式，以后使用时就不需要编译这个步骤了，直接进行第二步匹配。 

注意：编译后生成Regular Expression对象，由于该对象包含了正则表达式，所以调用对应的方法时不用给出正则表达式了。

 

import re
re_telephone = re.compile(r‘^(\\d{3})-(\\d{3,8})$‘)
m1=re_telephone.match(‘010-12345‘).groups()
m2=re_telephone.match(‘010-8086‘).groups()
print("m1:",m1)
print("m2:",m2)

 运行结果：

 

 

---

 

 

 

h=re.match(‘[0-9a-zA-Z\\_]*‘,‘B6585668944jyejye‘)
print("h:",h)

#给定的字符串中间是空格，空字符，不属于中括号中的任一类型，所以只匹配到空格前的字符串
h1=re.match(‘[0-9a-zA-Z\\_]*‘,‘_B658  5668944jyejye‘) 
print("h1:",h1)

#第一个就是空格，所以直接匹配0个，然后返回结果
h2=re.match(‘[0-9a-zA-Z\\_]*‘,‘  _B6585668944jyejye‘)
print("h2:",h2)

 

 

 

参考网址：

https://www.liaoxuefeng.com/wiki/1016959663602400/1017639890281664