Day13：正则表达式

Posted 2020-09-25 Wang-Vee

一.re模块

就其本质而言，正则表达式（或 RE）是一种小型的、高度专业化的编程语言，（在Python中）它内嵌在Python中，并通过 re 模块实现。正则表达式模式被编译成一系列的字节码，然后由用 C 编写的匹配引擎执行。

字符匹配（普通字符，元字符）：

1 普通字符：大多数字符和字母都会和自身匹配
              >>> re.findall(‘alvin‘,‘yuanaleSxalexwupeiqi‘)
                      [‘alvin‘] 

2 元字符：. ^ $ * + ? { } [ ] | ( ) \

元字符

. ^ $

 

import re

ret1=re.findall(‘李.‘,‘李爽\nalex\n李四\negon\nalvin\n李二‘)

ret2=re.findall(‘^李.‘,‘李爽\nalex\n李四\negon\nalvin\n李二‘)

ret3=re.findall(‘李.$‘,‘李爽\nalex\n李四\negon\nalvin\n李二‘)

 

* + ? {}

 

import re

ret1=re.findall(‘李.*‘,‘李杰\nalex\n李莲英\negon\nalvin\n李二棍子‘)
ret2=re.findall(‘李.+‘,‘李杰\nalex\n李莲英\negon\nalvin\n李二棍子‘)

ret3=re.findall(‘(李.{1,2})\n‘,‘李杰\nalex\n李莲英\negon\nalvin\n李二棍子‘) # 设定优先级的原因

# 匹配一个数字包括整型和浮点型
ret4=re.findall(‘\d+\.?\d*‘,‘12.45,34,0.05,109‘)

print(ret4)

 

注意：前面的*,+,?等都是贪婪匹配，也就是尽可能匹配，后面加?号使其变成惰性匹配

 

ret=re.findall(‘131\d+?‘,‘1312312312‘)
print(ret)  [‘1312‘]

 

转义符 \

 

1、反斜杠后边跟元字符去除特殊功能,比如\.

 

2、反斜杠后边跟普通字符实现特殊功能,比如\d

\d  匹配任何十进制数；      它相当于类 [0-9]。
\D  匹配任何非数字字符；    它相当于类 [^0-9]。
\s  匹配任何空白字符；      它相当于类 [ \t\n\r\f\v]。
\S  匹配任何非空白字符；    它相当于类 [^ \t\n\r\f\v]。
\w  匹配任何字母数字字符；   它相当于类 [a-zA-Z0-9_]。
\W  匹配任何非字母数字字符； 它相当于类 [^a-zA-Z0-9_]
\b  匹配一个特殊字符边界，比如空格 ，&，＃等

让我们看一下\b的应用：

ret=re.findall(r‘I\b‘,‘I am LIST‘)
print(ret)#[‘I‘]

接下来我们试着匹配下“abc\le”中的‘c\l’:

import re

ret=re.findall(‘c\l‘,‘abc\le‘)
print(ret)#[]

ret=re.findall(‘c\\l‘,‘abc\le‘)
print(ret)#[]

ret=re.findall(‘c\\\\l‘,‘abc\le‘)
print(ret)#[]

ret=re.findall(r‘c\\l‘,‘abc\le‘)
print(ret)#[]


# \b是特殊符号所以,‘abc\be‘前面需要加r
ret=re.findall(r‘c\\b‘,r‘abc\be‘)
print(ret)#[]

分组 () 优先匹配分组的内容，注意（？：）取消优先级

 

m = re.findall(r‘(ad)+‘, ‘add‘)
print(m)
 
ret=re.search(‘(?P<id>\d{2})/(?P<name>\w{3})‘,‘23/com‘)
print(ret.group())#23/com
print(ret.group(‘id‘))#23

 

元字符之 | 或

 

ret=re.search(‘(ab)|\d‘,‘rabhdg8sd‘)
print(ret.group())#ab

 

字符集 [ ]  或者的关系

 

 

#--------------------------------------------字符集[]
ret=re.findall(‘a[bc]d‘,‘acd‘)
print(ret)#[‘acd‘]
 
ret=re.findall(‘[a-z]‘,‘acd‘)
print(ret)#[‘a‘, ‘c‘, ‘d‘]
 
ret=re.findall(‘[.*+]‘,‘a.cd+‘)
print(ret)#[‘.‘, ‘+‘]
 
#在字符集里有功能的符号: - ^  
ret=re.findall(‘[1-9]‘,‘45dha3‘)
print(ret)#[‘4‘, ‘5‘, ‘3‘]
 
ret=re.findall(‘[^ab]‘,‘45bdha3‘)
print(ret)#[‘4‘, ‘5‘, ‘d‘, ‘h‘, ‘3‘]
 
ret=re.findall(‘[\d]‘,‘45bdha3‘)
print(ret)#[‘4‘, ‘5‘, ‘3‘]

贪婪匹配

 

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

string pattern1 = @"a.*c";   // greedy match 
Regex regex = new Regex(pattern1);
regex.Match("abcabc"); // return "abcabc"
非贪婪匹配：在满足匹配时，匹配尽可能短的字符串，使用?来表示非贪婪匹配

string pattern1 = @"a.*?c";   // non-greedy match 
Regex regex = new Regex(pattern1);
regex.Match("abcabc"); // return "abc"

几个常用的非贪婪匹配Pattern

*? 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： .*?a 就是取前面任意长度的字符，到底一个 a 出现

re模块下的常用方法

import re

re.findall(‘a‘,‘alvin yuan‘)    #返回所有满足匹配条件的结果,放在列表里

re.search(‘a‘,‘alvin yuan‘).group()  

               #函数会在字符串内查找模式匹配,只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。
 


re.match(‘a‘,‘abc‘).group()     #同search,不过尽在字符串开始处进行匹配
 

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‘,‘abc‘,‘alvin5yuan6‘,1)

ret=re.subn(‘\d‘,‘abc‘,‘alvin5yuan6‘)



obj=re.compile(‘\d{3}‘)
ret=obj.search(‘abc123eeee‘)
print(ret.group())#123


import re
ret=re.finditer(‘\d‘,‘ds3sy4784a‘)
print(ret)        #<callable_iterator object at 0x10195f940>
 
print(next(ret).group())
print(next(ret).group())

注意：

findall的优先级查询：

import re
 
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‘)
print(ret)#[‘www.oldboy.com‘]