正则表达式和re模块

Posted buzaiyicheng

tags:

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

    • 正则表达式
      • 定义:
        用定义好的字符的组合,组成一个规定字符串,用来表达对字符串的一种过滤规则
    • 正则字符:
      • \\w(word)匹配字母或数字或下划线;
      • \\s(space)匹配任意的空白字符;
      • \\d(digit)匹配数字
         
      • \\W 匹配非字母或数字或下划线
      • \\D 匹配非数字
      • \\S 匹配非空白字符
         
      • \\n 匹配一个换行符
      • \\t 匹配一个制表符
      • \\b 匹配一个单词的结尾
         
      • a|b 匹配字符a或字符b
         
      • () 括号内的表达式也表示一个组
      • [...] 匹配字符组中的字符
      • [^...] 匹配字符组中的字符的所有字符
      • . 匹配出换行符外的任意字符
      • ^匹配一个字符串的开始
      • $匹配一个字符串的结尾
         
    • 量词
    • 技术图片
    • 正则字符.^*举例
      技术图片
    • *+?的举例
      技术图片
    • []和[^]的举例
      技术图片
    • 分组 (); 或 |; [^]
      技术图片
    • 转义:需要取消多少转义,就要加多少 \\。或者在前边直接加r
      技术图片

      在正则表达式中,有很多有特殊意义的是元字符,比如\\n和\\s等,?如果要在正则中匹配正常的"\\n"而不是"换行符"就需要对"\\"进行转义,变成‘\\\\‘
    • 贪婪匹配
      在满足匹配时,匹配尽可能长的字符串,默认情况下,采用贪婪匹配
      技术图片
    • 取消贪婪
      *? 重复任意次,但尽可能少重复
      +? 重复1次或更多次,但尽可能少重复
      ?? 重复0次或1次,但尽可能少重复
      n,m? 重复n到m次,但尽可能少重复
      n,? 重复n次以上,但尽可能少重复
    • .*?的用法
      . 是任意字符
      * 是取 0 至 无限长度
      ? 是非贪婪模式。
      何在一起就是 取尽量少的任意字符,一般不会这么单独写,他大多用在:
      .*?x
      
      就是取前面任意长度的字符,直到一个x出现
    • re模块
      • 三个必须掌握的方法findall、serch、match
        import re
        # 第一个参数是正则表达式,第二个参数是待匹配的文本内容
        ret = re.findall(‘a‘, ‘eva egon yuan‘)  # 返回所有满足匹配条件的结果,放在列表里
        print(ret)
        ret = re.search(‘a‘, ‘eva egon yuan‘)  
        print(ret)  # 结果 : <_sre.SRE_Match object; span=(2, 3), match=‘a‘>?
        print(ret.group())  # 结果:‘a‘
        # 函数会在字符串内查找模式匹配,直到找到第一个匹配然后返回一个包含匹配信息的对象,该对象可以通过调用group()方法得到匹配的字符串,如果字符串没有匹配,则返回None,并且需要注意的是如果ret是None,再调用.group()会直接报错。这一易错点可以通过if判断来进行筛选
        if ret:
          	print(ret.group())
        ret = re.match(‘a‘, ‘abc‘).group()  # 同search,不过仅在字符串开始处进行匹配
        print(ret)  # ‘a‘
        # match是从头开始匹配,如果正则规则从头开始可以匹配上,就返回一个对象,需要用group才能显示,如果没匹配上就返回None,调用group()就会报错
      • 其他方法
        ret = re.split(‘[ab]‘, ‘abcd‘)  # 先按‘a‘分割得到‘‘和‘bcd‘,在对‘‘和‘bcd‘分别按‘b‘分割
        print(ret)  # [‘‘, ‘‘, ‘cd‘]
        ret = re.sub(‘\\d‘, ‘H‘, ‘eva3egon4yuan4‘, 1)  # 将数字替换成‘H‘,参数1表示只替换1个
        print(ret)  # evaHegon4yuan4
        ret = re.subn(‘\\d‘, ‘H‘, ‘eva3egon4yuan4‘)  # 将数字替换成‘H‘,返回元组(替换的结果,替换了多少次)
        print(ret)  # (‘evaHegonHyuanH‘, 3)
        obj = re.compile(‘\\d3‘)  #将正则表达式编译成为一个 正则表达式对象,规则要匹配的是3个数字
        ret = obj.search(‘abc123456ee‘) #正则表达式对象调用search,参数为待匹配的字符串
        print(ret.group())  #结果 : 123
        print(ret)  # 结果 : <_sre.SRE_Match object; span=(3, 6), match=‘123‘>
        import re
        ret = re.finditer(‘\\d‘, ‘ds3sy4784a‘)   #finditer返回一个存放匹配结果的迭代器
        print(ret)  # <callable_iterator object at 0x10195f940>
        print(next(ret).group())  #查看第一个结果 3
        print(next(ret).group())  #查看第二个结果 4
        print([i.group() for i in ret])  #查看剩余的左右结果 [‘7‘, ‘8‘, ‘4‘]
        

         

      • 分组优先机制
        import re
        res = re.search(‘^[1-9]\\d14(\\d2[0-9x])?$‘,110105199812067023)
        print(res.group())
        print(res.group(1))  # 获取正则表达式括号阔起来分组的内容
        print(res.group(2))  # search与match均支持获取分组内容的操作  跟正则无关是python机制
        # 而针对findall它没有group取值的方法,所以它默认就是分组优先获取的结果
        ret = re.findall(‘www.(baidu|oldboy).com‘, ‘www.oldboy.com‘)
        print(ret)  # [‘oldboy‘]     这是因为findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可
        ret = re.findall(‘www.(?:baidu|oldboy).com‘, ‘www.oldboy.com‘)  # ?:取消分组优先
        print(ret)  # [‘www.oldboy.com‘]
      • 补充
        import re
        ret = re.search("<(?P<tag_name>\\w+)>\\w+</(?P=tag_name)>","<h1>hello</h1>")
        #还可以在分组中利用?<name>的形式给分组起名字
        #获取的匹配结果可以直接用group(‘名字‘)拿到对应的值
        print(ret.group(‘tag_name‘))  #结果 :h1
        print(ret.group())  #结果 :<h1>hello</h1>
        """
        注意?P=tag_name相当于引用之前正则表达式,并且匹配到的值必须和前面的正则表达式一模一样
        """
        # 匹配整数
        ret=re.findall(r"\\d+","1-2*(60+(-40.35/5)-(-4*3))")
        print(ret) #[‘1‘, ‘2‘, ‘60‘, ‘40‘, ‘35‘, ‘5‘, ‘4‘, ‘3‘]
        ret=re.findall(r"\\d+\\.\\d*|(\\d+)","1-2*(60+(-40.35/5)-(-4*3))")
        print(ret) #[‘1‘, ‘2‘, ‘60‘, ‘‘, ‘5‘, ‘4‘, ‘3‘]
        ret.remove("")
        print(ret) #[‘1‘, ‘2‘, ‘60‘, ‘5‘, ‘4‘, ‘3‘]
        

          

技术图片

以上是关于正则表达式和re模块的主要内容,如果未能解决你的问题,请参考以下文章

正则表达式re模块

Python高级详解 正则表达式(re模块)

Python高级详解 正则表达式(re模块)

python 正则表达式re使用模块(match()search()和compile())

python ==》 模块和正则表达式

正则表达式和re模块