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。