正则表达式

正则表达式

正则表达式，又称为规则表达式，（英语：Regular Expression，在代码中简写为regex、regexp或RE）计算机科学的一个概念。正则表达式通常被用来检索、替换那些符合某个模式（规则）的文本。

• 给定的字符串是否符合正则表达式的过滤逻辑（匹配）

• 通过正则表达式，从字符串中获得我们想要的特定部分。

使用场景

• 爬虫
• 数据挖掘和分析

在Python中使用正则需要导入re包

import re

首先我们来看两个例子来体验一下正则表达式的威力吧：

引入案例1

比如，已知一个列表：

​ li = [“Chinese”, “China”, “English”, “Britain”, “Canada”, “New Zealand”]

找出以Ch开头的字串。

# 法1
li = ["Chinese", "China", "English", "Britain", "Canada", "New Zealand"]
lt = []
for i in li:
	if i[0:2] == "Ch":
		lt.append(i)
print(lt)
# 法2
li = ["Chinese", "China", "English", "Britain", "Canada", "New Zealand"]
print([i for i in li if i[0:2]=="Ch"])

假如存在a=“ab23fg5g67”,提取23，5，67，如何实现？

正则

>>> import re
>>> a="ab23fg5g67"
>>> m=r'[0-9]+'
>>> num=re.findall(m,a)
>>> num
['23', '5', '67']

Python正则表达式的基础

单字符匹配规则

字符	功能
.	匹配任意一个字符（除了\n）
[]	匹配[]中列举的字符
\d	匹配数字(0-9)
\D	匹配非数字(\d取反)
\w	匹配字符，A-Z,a-z,0-9
\W	\w取反

字符	功能
*	匹配前一个字符出现0次多次或者无限次，可有可无，可多可少
+	匹配前一个字符出现1次多次或者无限次，直到出现一次
？	匹配前一个字符出现1次或者0次，要么有1一次，要么没有
｛m｝	匹配前一个字符出现m次
｛m,｝	匹配前一个字符至少出现m次
｛m,n｝	匹配前一个字符出现m到n次

表示边界 (boundary)

字符	功能
^	匹配字符串开头
$	匹配字符串结尾
\b	匹配一个单词的边界
\B	匹配非单词的边界

匹配分组

字符	功能
|	匹配左右任意一个表达式
(ab)	将括号中的字符作为一个分组
\num	引用分组num匹配到的字符串
(?P)	分组起别名
(?P=name)	引用别名为name分组匹配到的字符串

• re.match(pattern,string,flags=0)

  • 作用：从字符串的开头开始匹配一个模式

    • 匹配成功，返回一个匹配成功的对象
    • 否则，返回None

  • 参数说明：

    • 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。比如是否匹配多行，是否区分大小写。

• re.group([group1,…])字符串或者元组

  • 作用：获得一个或者多个分组截获的字符串
  • 指定多个参数时就会以元组形式返回
  • group1可以使用编号，也可以使用别名
  • 编号0代表匹配整个子串，默认返回group(0)
  • 如果没有截获字符串，返回None
  • 截获了多次的组，返回最后一次截获的子串

• re.groups([default=None]) tuple

• 作用：以元组形式返回全部分组截获的字符串

• 如果没有成功匹配，返回一个空元组

.

import re
m=re.match('.','s')
print(m.group())#s

m=re.match('.','d')
print(m.group())#d

m=re.match('.','city')
print(m.group())#c

m=re.match('.','\n')
print(m.group())#AttributeError: 'NoneType' object has no attribute 'group'

• re.search(pattern,str,flags=0)
  • 作用：扫描整个字符串，返回第一次成功匹配的对象
  • 如果匹配失败，返回None
  • 参数

re.findall(pattern,str,flags=0)

• 作用：获取字符串所有匹配的子串，并以列表形式返回。

re.funditer(pattern,str,flags=0)

• 作用：获取字符串所有匹配的子串，并返回一个迭代器。

re.match()和re.search()的区别

• re.match()从字符串开头开始匹配，如果匹配失败，None;
• re.search()匹配整个字符串，直到找到一个匹配，如果匹配失败，None。