【正则表达式】Python3中的正则表达式

最新推荐文章于 2024-02-29 17:48:43 发布

Day-yong

最新推荐文章于 2024-02-29 17:48:43 发布

阅读量326

点赞数

文章标签：正则表达式

本文链接：https://blog.csdn.net/Daycym/article/details/82945467

版权

介绍

$\quad\quad$ 正则表达式(Regular Expression)是一种文本模式，包括普通字符（例如，a 到 z 之间的字母）和特殊字符（称为"元字符"）。

$\quad\quad$ 正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串（一个特殊的字符序列），来帮助我们方便的检查一个字符串是否与某种模式匹配。

常用的正则表达式

字符	描述
\	将下一个字符标记为一个特殊字符、或一个原义字符、或一个向后引用、或一个八进制转义符。例如，“n”匹配字符“n”。“\n”匹配一个换行符。串行“\\”匹配“\”而“\(”则匹配“(”。
^	匹配输入字符串的开始位置。如果设置了RegExp对象的Multiline属性，^也匹配“\n”或“\r”之后的位置。
$	匹配输入字符串的结束位置。如果设置了RegExp对象的Multiline属性，$也匹配“\n”或“\r”之前的位置。
*	匹配前面的子表达式零次或多次。例如，zo能匹配“z”以及“zoo”。等价于{0,}。
+	匹配前面的子表达式一次或多次。例如，“zo+”能匹配“zo”以及“zoo”，但不能匹配“z”。+等价于{1,}。
?	匹配前面的子表达式零次或一次。例如，“do(es)?”可以匹配“does”或“does”中的“do”。?等价于{0,1}。当该字符紧跟在任何一个其他限制符（*,+,?，{n}，{n,}，{n,m}）后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串“oooo”，“o+?”将匹配单个“o”，而“o+”将匹配所有“o”。
{n}	n是一个非负整数。匹配确定的n次。例如，“o{2}”不能匹配“Bob”中的“o”，但是能匹配“food”中的两个o。
{n,}	n是一个非负整数。至少匹配n次。例如，“o{2,}”不能匹配“Bob”中的“o”，但能匹配“foooood”中的所有o。“o{1,}”等价于“o+”。“o{0,}”则等价于“o*”。
{n,m}	m和n均为非负整数，其中n<=m。最少匹配n次且最多匹配m次。例如，“o{1,3}”将匹配“fooooood”中的前三个o。“o{0,1}”等价于“o?”。请注意在逗号和两个数之间不能有空格。
.	匹配除“\n”之外的任何单个字符。要匹配包括“\n”在内的任何字符，请使用像“(.\|\n)”的模式。
(pattern)	匹配pattern并获取这一匹配，子表达式可以供以后使用。所获取的匹配可以从产生的 Matches 集合得到。要匹配圆括号字符，请使用“$”或“$”。
x\|y	匹配x或y。例如，“z\|food”能匹配“z”或“food”。“(z\|f)ood”则匹配“zood”或“food”。
[xyz]	字符集合。匹配所包含的任意一个字符。例如，“[abc]”可以匹配“plain”中的“a”。
[^xyz]	负值字符集合。匹配未包含的任意字符。例如，“[^abc]”可以匹配“plain”中的“p”。
[a-z]	字符范围。匹配指定范围内的任意字符。例如，“[a-z]”可以匹配“a”到“z”范围内的任意小写字母字符。
[^a-z]	负值字符范围。匹配任何不在指定范围内的任意字符。例如，“[^a-z]”可以匹配任何不在“a”到“z”范围内的任意字符。
\b	匹配一个单词边界，也就是指单词和空格间的位置。例如，“er\b”可以匹配“never”中的“er”，但不能匹配“verb”中的“er”。
\B	匹配非单词边界。“er\B”能匹配“verb”中的“er”，但不能匹配“never”中的“er”。
\d	匹配一个数字字符。等价于[0-9]。
\D	匹配一个非数字字符。等价于[^0-9]。
\f	匹配一个换页符。等价于\x0c和\cL。
\n	匹配一个换行符。等价于\x0a和\cJ。
\r	匹配一个回车符。等价于\x0d和\cM。
\s	匹配任何空白字符，包括空格、制表符、换页符等等。等价于[ \f\n\r\t\v]。
\S	匹配任何非空白字符。等价于[^ \f\n\r\t\v]。
\t	匹配一个制表符。等价于\x09和\cI。
\v	匹配一个垂直制表符。等价于\x0b和\cK。
\w	匹配包括下划线的任何单词字符。等价于“[A-Za-z0-9_]”。
\W	匹配任何非单词字符。等价于“[^A-Za-z0-9_]”。
\num	匹配num，其中num是一个正整数。对所获取的匹配的引用。例如，“(.)\1”匹配两个连续的相同字符。

Python3中的re模块

$\quad\quad$ Python中的re 模块拥有全部的正则表达式功能。

Python中常用的正则表达式处理函数

1. re.match函数

$\quad\quad$ re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。
语法：

re.match(pattern, string, flags=0)

参数说明：

参数	描述
pattern	匹配的正则表达式
string	要匹配的字符串。
flags	标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。

标志位：

修饰符	描述
re.I	使匹配对大小写不敏感
re.L	做本地化识别（locale-aware）匹配
re.M	多行匹配，影响 ^ 和 $
re.S	使 . 匹配包括换行在内的所有字符
re.U	根据Unicode字符集解析字符。这个标志影响 \w, \W, \b, \B.
re.X	该标志通过给予你更灵活的格式以便你将正则表达式写得更易于理解。

实例：

import re
print(re.match('dog', 'dog cat dog cat'))        # 在起始位置匹配
print(re.match('cat', 'dog cat dog cat'))        # 不在起始位置匹配

运行结果：
在这里插入图片描述

匹配成功re.match方法返回一个匹配的对象，否则返回None。

当匹配成功时返回一个 Match 对象，可以通过以下方法获取相应的值：

group([group1, …]) 方法用于获得一个或多个分组匹配的字符串，当要获得整个匹配的子串时，可直接使用 group() 或 group(0)；
start([group]) 方法用于获取分组匹配的子串在整个字符串中的起始位置（子串第一个字符的索引），参数默认值为 0；
end([group]) 方法用于获取分组匹配的子串在整个字符串中的结束位置（子串最后一个字符的索引+1），参数默认值为 0；
span([group]) 方法返回 (start(group), end(group))。

import re
 
line = "Cats are smarter than dogs"
 
matchObj = re.match( r'(.*) are (.*?) .*', line, re.M|re.I)   # 使用(parttern)，获取后可在Match对象中得到，通过group
 
if matchObj:
    print("匹配结果 : ", matchObj.group())
    print("第一个匹配项 : ", matchObj.group(1))
    print("第一个匹配项开始下标 : ", matchObj.start(1))
    print("第二个匹配项 : ", matchObj.group(2))
    print("第二个匹配项结束下标 : ", matchObj.end(2))
    print("第一个匹配项开始，结束下标范围 : ", matchObj.span(1))
    
else:
    print("No match!!")

运行结果：
在这里插入图片描述

2. re.search方法

re.search 扫描整个字符串并返回第一个成功的匹配。

语法：

re.search(pattern, string, flags=0)

参数说明同上

匹配成功re.search方法返回一个匹配的对象，否则返回None。

同样可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。

实例：

import re
print(re.search('dog', 'dog cat dog cat'))  # 在起始位置匹配
print(re.search('cat', 'dog cat dog cat'))  # 不在起始位置匹配

运行结果：
在这里插入图片描述

import re
 
line = "Cats are smarter than dogs"
 
searchObj = re.search( r'(.*) are (.*?) .*', line, re.M|re.I)  # 使用(parttern)，获取后可在Match对象中得到，通过group
 
if searchObj:
    print("匹配结果 : ", searchObj.group())
    print("第一个匹配项 : ", searchObj.group(1))
    print("第一个匹配项开始下标 : ", searchObj.start(1))
    print("第二个匹配项 : ", searchObj.group(2))
    print("第二个匹配项结束下标 : ", searchObj.end(2))
    print("第一个匹配项开始，结束下标范围 : ", searchObj.span(1))
    
else:
    print("No match!!")

运行结果：
在这里插入图片描述

3. re.match与re.search的区别

$\quad\quad$ re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配。

import re
 
line = "Cats are smarter than dogs";
 
matchObj = re.match( r'dogs', line, re.M|re.I)
if matchObj:
   print ("match --> matchObj.group() : ", matchObj.group())
else:
   print ("No match!!")
 
matchObj = re.search( r'dogs', line, re.M|re.I)
if matchObj:
   print ("search --> matchObj.group() : ", matchObj.group())
else:
   print ("No match!!")

运行结果：
在这里插入图片描述

4. 检索和替换

$\quad\quad$ Python 的re模块提供了re.sub用于替换字符串中的匹配项。

语法：

re.sub(pattern, repl, string, count=0)

参数说明：

pattern : 正则中的模式字符串。
repl : 替换的字符串，也可为一个函数。
string : 要被查找替换的原始字符串。
count : 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配。

实例：

import re
 
phone = "2004-959-559 # 这是一个电话号码"
 
# 删除注释
num = re.sub(r'#.*$', "", phone)
print ("电话号码 : ", num)
 
# 移除非数字的内容
num = re.sub(r'\D', "", phone)
print ("电话号码 : ", num)

运行结果：
在这里插入图片描述

repl 参数可以是一个函数

实例：

import re
 
# 将匹配的数字乘于 2
def double(matched):
    value = int(matched.group('value'))
    return str(value * 2)
 
s = 'A23G4HFD567'
print(re.sub('(?P<value>\d+)', double, s))

运行结果：
在这里插入图片描述

5. compile 函数

$\quad\quad$ compile 函数用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，供 match() 和 search() 这两个函数使用。

语法：

re.compile(pattern[, flags])

参数说明：

pattern : 一个字符串形式的正则表达式
flags 可选，表示匹配模式，比如忽略大小写，多行模式等，具体参数为：

实例：

import re
pattern = re.compile(r'\d+')                    # 用于匹配至少一个数字
m = pattern.match('one12twothree34four')        # 查找头部，没有匹配
print(m)

m = pattern.match('one12twothree34four', 2, 10) # 从'e'的位置开始匹配，没有匹配
print(m)

m = pattern.match('one12twothree34four', 3, 10) # 从'1'的位置开始匹配，正好匹配
print(m)                                         # 返回一个 Match 对象

print(m.group(0))   # 可省略 0

print(m.start(0))   # 可省略 0

print(m.end(0))     # 可省略 0

print(m.span(0))    # 可省略 0

运行结果：
在这里插入图片描述

6. findall函数

$\quad\quad$ 在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。

注意： match 和 search 是匹配一次 findall 匹配所有。

语法：

findall(string[, pos[, endpos]])

参数说明：

string 待匹配的字符串。
pos 可选参数，指定字符串的起始位置，默认为 0。
endpos 可选参数，指定字符串的结束位置，默认为字符串的长度。

实例：

import re
 
pattern = re.compile(r'\d+')   # 查找数字
result1 = pattern.findall('dasd 123 ddaer 456')
result2 = pattern.findall('dd88ab123goddle456', 0, 10)
 
print(result1)
print(result2)

运行结果：
在这里插入图片描述

7. re.finditer函数

$\quad\quad$ 和 findall 类似，在字符串中找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回。

语法：

re.finditer(pattern, string, flags=0)

参数说明：同第一个

实例：

import re
 
it = re.finditer(r"\d+","12a32bc43jf3") 
for match in it: 
    print (match.group() )

运行结果：
在这里插入图片描述

8. re.split函数

$\quad\quad$ split 方法按照能够匹配的子串将字符串分割后返回列表。

语法：

re.split(pattern, string[, maxsplit=0, flags=0])

参数说明：

maxsplit：分隔次数，maxsplit=1 分隔一次，默认为 0，不限制次数。
其他同第一个

实例：

import re
print(re.split('\W+', 'dog, dog, dog.'))

print(re.split('(\W+)', ' dog, dog, dog.'))

print(re.split('\W+', ' dog, dog, dog.', 1))

 
print(re.split('a*', 'hello world'))   # 对于一个找不到匹配的字符串而言，split 不会对其作出分割

运行结果：
在这里插入图片描述

正则表达式对象

re.RegexObject

re.compile() 返回 RegexObject 对象。

re.MatchObject

group() 返回被 RE 匹配的字符串。

start() 返回匹配开始的位置
end() 返回匹配结束的位置
span() 返回一个元组包含匹配 (开始,结束) 的位置

Day-yong

关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
【正则表达式】Python3中的正则表达式

介绍\quad\quad正则表达式(Regular Expression)是一种文本模式，包括普通字符（例如，a 到 z 之间的字母）和特殊字符（称为"元字符"）。\quad\quad正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串（一个特殊的字符序列），来帮助我们方便的检查一个字符串是否与某种模式匹配。常用的正则表达式字符描述\将下一个字符标记为一...
复制链接

扫一扫