正则表达式-python操作

正则表达式

动机:

  1. 文本处理已经成为计算机的常见工作之一
  2. 对文本内容的搜索,定位,提取是逻辑比较复杂的工作
  3. 为了快速解决上述问题,产生了正则表达式技术

定义:

即文本的高级匹配模式,提供搜索,替代等功能。其本质是一系列由特殊符号组成的字串,这个字串即正则表达式。

匹配原理:

由普通字符和特殊符号组成字符串,通过描述字符的重复和位置等行为,达到匹配某一类字符串的目的

特点:

  • 方便文本处理
  • 支持语言众多
  • 使用灵活多样
  • python —》 re模块

re.findall(pattern, string)
功能: 使用正则表达式匹配目标字符串内容
参数: pattern 正则表达式
string 目标字符串
返回值: 列表,列表中为匹配到的内容

元字符的使用(特殊字符)

  1. 普通字符

元字符 : a b c
匹配规则: 每个字符匹配对应的字符

In [15]: re.findall(“hello”,“hello world”)
Out[15]: [‘hello’]

In [19]: re.findall(“你好”,“你好北京”)
Out[19]: [‘你好’]

元字符: |
匹配规则: 匹配 | 两边任意一个正则表达式

In [21]: re.findall(“ab|cd”,“abcdefghialkjasbab”)
Out[21]: [‘ab’, ‘cd’, ‘ab’]

  1. 匹配单个字符

元字符: .
匹配规则: 匹配除换行外的任意字符
f.o --> foo fao f@o f o

In [24]: re.findall(“f.o”,“foo is not fao”)
Out[24]: [‘foo’, ‘fao’]

  1. 匹配开始位置

元字符 : ^
匹配规则:匹配目标字符串的开头位置

In [30]: re.findall("^Tom",“Tom is a boy”)
Out[30]: [‘Tom’]

  1. 匹配结束位置

元字符 : $
匹配规则 : 匹配字符串的结束位置

In [32]: re.findall(“Tom$”,“hi Tom”)
Out[32]: [‘Tom’]

  1. 匹配重复

元字符 : *
匹配规则: 匹配前面的字符出现0次或多次
et: f* 0次时相当于匹配空 ’ ’

fo* --> fooooooooo f fo

In [33]: re.findall(“fo*”,“fadsfafoooafo”)
Out[33]: [‘f’, ‘f’, ‘fooo’, ‘fo’]

  1. 匹配重复

元字符 : +
匹配规则: 匹配前面的字符出现1次或多次
fo+ --> fo fooooo

In [36]: re.findall(“fo+”,“fadsfafoooafo”)
Out[36]: [‘fooo’, ‘fo’]

  1. 匹配重复

元字符 : ?
匹配规则: 匹配前面的字符出现0次或1次
fo? --> f fo

In [42]: re.findall(“fo?”,“fasdffoafooooo”)
Out[42]: [‘f’, ‘f’, ‘fo’, ‘fo’]

  1. 匹配重复

元字符 : {n}
匹配规则: 匹配指定的重复次数
fo{3} --> fooo

In [43]: re.findall(“fo{2}”,“fasdffoafooooo”)
Out[43]: [‘foo’]

  1. 匹配重复

元字符 : {m,n}
匹配规则 : 匹配前面的正则表达式 m–n次
fo{2,4} --> foo fooo foooo

In [46]: re.findall(“fo{2,4}”,“fasdfofoooafooooo”)
Out[46]: [‘fooo’, ‘foooo’]

  1. 匹配字符集合

元字符: [字符集]
匹配规则 : 匹配任意一个字符集中的字符

[abc123] a b c 1 2 3
[a-z]
[A-Z]
[0-9]
[_123a-z]

In [51]: re.findall("1[a-z]*",“Boy”)
Out[51]: [‘Boy’]

  1. 匹配字符集

元字符 : [^…]
匹配规则 :字符集取非,除列出的字符之外任意一个字符

[^abc] --> 除a b c之外任意字符

In [54]: re.findall("[^ ]+",“a little boy”)
Out[54]: [‘a’, ‘little’, ‘boy’]

  1. 匹配任意(非)数字字符

元字符 : \d \D
匹配规则: \d 匹配任意数字字符 [0-9]
\D 匹配任意非数字字符 [^0-9]

In [57]: re.findall(“1\d{10}”,“18888886666”)
Out[57]: [‘18888886666’]

  1. 匹配任意(非)普通字符

元字符 : \w \W
匹配规则: \w 普通字符 [_0-9a-zA-Z] 也能匹配普通汉字
\W 非普通字符

re.findall("\w+",“hello#nihao%asdf@adsgdfg!df&”)
Out[60]: [‘hello’, ‘nihao’, ‘asdf’, ‘adsgdfg’, ‘df’]

re.findall("\W+",“hello#nihao%asdf@adsgdfg!df&”)
Out[63]: [’#’, ‘%’, ‘@’, ‘!’, ‘&’]

  1. 匹配任意(非)空字符

元字符 : \s 匹配任意空字符 [ \r\t\n\v\f]
\S 匹配任意非空字符

In [65]: re.findall("\w+\s+\w+",“hello world”)
Out[65]: [‘hello world’]

In [66]: re.findall("\S+",“hello this is tom”)
Out[66]: [‘hello’, ‘this’, ‘is’, ‘tom’]

  1. 匹配字符串位置

元字符 : \A \Z
匹配规则: \A 匹配字符串开头位置 ^
\Z 匹配字符串结尾位置 $

绝对匹配 : 正则表达式要完全匹配目标字符串内容

在正则表达式开始和结束位置加上^ $ (或者\A \Z)。这样正则表达式必须匹配整个目标字符串才会有结果

In [75]: re.findall("\A\d+\Z",“123445”)
Out[75]: [‘123445’]

  1. 匹配(非)单词边界

元字符 : \b \B
匹配规则 : \b 匹配单词边界位置
普通字符和非普通字符交界认为是单词边界

        \B 匹配非单词边界位置

In [81]: re.findall(r"num\b",“num#asdf#”)
Out[81]: [‘num’]

In [82]: re.findall(r"num\b",“numasdf#”)
Out[82]: []

元字符总结

匹配单个字符 : a . \d \D \w \W \s \S
[…] [^…]

匹配重复 : * + ? {n} {m,n}

匹配位置 : ^ $ \A \Z \b \B

其他 : | () \

正则表达式转义

正则中的特殊符号:

. * + ? ^ $ [] {} () | \

正则表达式如果匹配特殊字符需要加 \ 表达转义

 正则          目标字符串

e.g. $\d+ ----> $10

     pattern        string

python “\$\d+” “$10”

raw r"$\d+" “$10”

raw字串 : 原始字符串对内容不解释转义,就表达内容原本意义

贪婪与非贪婪

贪婪模式:

正则表达式的重复匹配总是尽可能多的向后匹 配更多内容

 *  +   ?  {m,n}

非贪婪模式:

尽可能少的匹配内容
符号: *? +? ?? {m,n}?
eg:
In [106]: re.findall(r"ab+?",“abbbbbbbb”)
Out[106]: [‘ab’]

In [107]: re.findall(r"ab??",“abbbbbbbb”)
Out[107]: [‘a’]

正则表达式子组:

  1. 作为内部整体可以改变某些元字符的行为
    re.search(r"(ab)+\d+",“ababab1234”).group()
    ‘ababab1234’

    re.search(r"\w+@\w+.(com|cn)",“abc@123.com”).group()
    ‘abc@123.com’

  2. 子组在某些操作中可以单独提取出匹配内容
    re.search(r"(https|http|ftp)?/\S+",“https://www.baidu.com”).group(1)
    Out[121]: ‘https’

正则表达式设计原则:

  1. 正确性 ,能正确匹配到目标内容
  2. 排他性 ,除了要匹配的内容,尽可能不会匹配与到其他 内容
  3. 全面性 ,需要对目标的各种情况进行考虑,做到不遗漏

re模块:

regex = compile(pattern,flags = 0)
功能 : 生成正则表达式对象
参数 : pattern 正则表达式
flags 功能标志位,丰富正则表达式的匹配功能
返回值 : 返回正则表达式对象

re.findall(pattern,string,flags)
功能 :从目标字符串查找正则匹配内容
参数 : pattern 正则表达式
string 目标字符串
flags 标志位
返回值 : 返回匹配到的内容
如果正则有子组则只返回子组对应内容

regex.findall(string,pos,endpos)
功能 :从目标字符串查找正则匹配内容
参数 : string 目标字符串
pos 匹配目标的起始位置
endpos 匹配目标的终止位置
返回值 : 返回匹配到的内容
如果正则有子组则只返回子组对应内容

re.split(pattern,string,flags = 0)
功能:根据正则匹配内容切割字符串
参数: pattern string flags
返回值: 返回列表,列表中为切割的内容

re.sub(pattern,replaceStr,string,max,flags)
功能: 替换正则匹配到的目标子串部分
参数: pattern
replaceStr : 要替换的内容
string
max 最多替换几处 默认全部替换
flags
返回值 : 返回替换后的字符串

re.subn(pattern,replaceStr,string,max,flags)
功能: 替换正则匹配到的目标子串部分
参数: pattern
replaceStr : 要替换的内容
string
max 最多替换几处 默认全部替换
flags
返回值 : 返回一个元组,为实际替换了几处和替换后的字 符串

re.finditer(pattern,string,flags)
功能: 使用正则表达式匹配目标字符串
参数: pattern string flags
返回值: 返回一个迭代对象,迭代到的内容是一个match对 象

fullmatch(pattern,string,flags)
功能: 完全匹配目标字符串
参数: pattern,string,flags
返回值:返回匹配到的match对象
如果没匹配成功返回None

match(pattern,string,flags)
功能: 从开头位置匹配目标字符串
参数: pattern,string,flags
返回值:返回匹配到的match对象
如果没匹配成功返回None

search(pattern,string,flags)
功能: 正则表达式匹配目标字符串,只匹配第一处
参数: pattern,string,flags
返回值:返回匹配到的match对象
如果没匹配成功返回None

compile对象属性:

flags : 标志位
pattern : 正则表达式
groups: 有多少子组
groupindex : 捕获组形成组名和序列号的字典
组名为键,第几组为值

match对象:

属性变量
pos 匹配目标字符串的开始位置
endpos 匹配目标字符串的结束位置
re 正则表达式
string 目标字符串
lastgroup 最后一组的组名
lastindex 最后一组是第几组

属性方法
span() 匹配内容的开始位置
start() 匹配内容的结束位置
end() 匹配内容的起止位置

group()
功能 : 获取match对象对应的内容
参数 : 默认为0 表示获取整个正则匹配的内容
如果为序列号或者子组名则为获取某个子组匹配的对应内容
返回值:返回得到的子串

groupdict() 获取捕获组名作为键,对应内容作为值的字 典
groups() 获取每个子组匹配内容

flags 参数的使用
re.compile re.findall re.search re.match
re.finditer re.fullmatch re.sub re.subn re.split

作用 : 辅助正则表达式,丰富匹配结果

I == IGNORECASE 匹配时忽略字母的大小写
S == DOTALL 作用于元字符 . 使其可以匹配换行
M == MULTILINE 作用于^ $ 使其可以匹配每一行开头 结尾位置
X == VERBOSE 可以给正则添加注释

使用多个标志位使用按位或连接

e.g.
flags = re.X | re.I


  1. A-Z ↩︎

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值