Python Re 正则表达式 数据匹配提取 基本使用

Python re 正则表达式 数据匹配提取 基本使用

小洲提示：代码可直接复制在编译器中运行，方便更好的理解

---

---

前言

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、导入库，内置模块无需安装

import re

二、语法介绍

模式字符串使用特殊的语法来表示一个正则表达式：
字母和数字表示他们自身。一个正则表达式模式中的字母和数字匹配同样的字符串。
多数字母和数字前加一个反斜杠时会拥有不同的含义。
标点符号只有被转义时才匹配自身，否则它们表示特殊的含义。
反斜杠本身需要使用反斜杠转义。
正则表达式通常都包含反斜杠"\\"以及小括号"\(\)"，模式元素(如 r'\t'，等价于 '\\t')匹配相应的特殊字符。

表达式	描述
^	匹配字符串的开头
$	匹配字符串的末尾
[…]	用来表示一组字符,单独列出：[abc] 匹配 ‘a’，‘b’，‘c’
[^…]	取反，匹配不在[]中的字符：[^abcd] 匹配除了a,b,c,d之外的字符
.	匹配任意字符，除了换行符，可通过flag参数设置匹配任意字符
*	匹配0次或多次
+	匹配1次或多次，贪婪
?	匹配0次或1次，非贪婪
a I b	匹配a或b
{ n}	匹配n次
{ n, m}	匹配n-m次
(表达式)	对正则表达式分组并记住匹配的文本，常用
[0-9]	匹配任何数字
\d	匹配任意数字，等价于 [0-9]
[a-z]	匹配任何小写字母
[A-Z]	匹配任何大写字母
[a-zA-Z0-9]	匹配任何字母及数字
\w	匹配字母数字及下划线
\W	匹配非字母数字及下划线
\s	匹配任意空白字符，等价于 [ \t\n\r\f]。
\S	匹配任意非空字符
\D	匹配任意非数字
re.S	flags参数，使 “.” 特殊字符完全匹配任何字符
re.L	flags参数，匹配忽略字母大小写

三、常用的方法

3.1 re.compile()

re.compile()  # 预编译, 编译后生成Regular Expression对象，由于该对象自己包含了正则表达式，所以调用对应的方法时不用给出正则字符串。
match object对象有以下方法：
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
re_obj = re.compile('[0-9]+')  
result = re_obj.search(string='asda123fs1231')  # 匹配数字，匹配第一次查找到的内容，返回match object对象
print(result.group())  # 123  # 123

3.2 re.match()

re.match()  # 从头匹配一个符合规则的字符串，从起始位置开始匹配，匹配成功返回一个对象，否则返回None。
参数如下：
pattern： 正则规则
string ： 要匹配的字符串
falgs ： 匹配模式(这个是可选的,可写,可不写)，re.S，re.L 
match() 方法一旦匹配成功，就是一个match object对象
import re
str_text = "Python is a good language"  # 要匹配的内容, 对应match 里面的string
result = re.match(pattern="Python.{10,15}", string=str_text, flags=re.S)  # 使 "." 特殊字符完全匹配任何字符
print(result.group())  # 输出结果：Python is a good lang

3.3 re.search()

re.search()  # 会在整个字符串内查找匹配,只要找到第一个匹配则返回一个match object对象，否则返回None。
str_text = "Python is a good language I am xiaozhou1 ! I am xiaozhou2 !"
result = re.search(pattern='I.*?!', string=str_text, flags=re.S)  # 非贪婪
print(result.group())  # I am xiaozhou1 !
result = re.search(pattern='I.+!', string=str_text, flags=re.S)  # 贪婪
print(result.group())  # I am xiaozhou1 ! I am xiaozhou2 !

3.4 re.findall()

re.findall()  # 会在整个字符串内查找匹配,返回所有匹配的结果，list类型，否则返回[]
str_text = "Python is a good language I am xiaozhou1 ! I am xiaozhou2 ! I am xiaozhou3 ! I am xiaozhou4 !"
result = re.findall(pattern='I.*?!', string=str_text, flags=re.S)
print(result)  # ['I am xiaozhou1 !', 'I am xiaozhou2 !', 'I am xiaozhou3 !', 'I am xiaozhou4 !']

3.5 re.sub()

re.sub()  # 会在整个字符串内查找匹配,将匹配的内容替换为设置(repl)的内容
参数如下：
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。
falgs ： 匹配模式(这个是可选的,可写,可不写)，re.S，re.L 
str_text = 'I am xiaozhou 我是小洲'
result = re.sub(pattern='[\u4e00-\u9fa5]', repl='', string=str_text, count=0, flags=re.S)  # [^\u4e00-\u9fa5] 替换所有非中文，^取反
print(result)  # I am xiaozhou 

四、在线正则表达式测试

在线正则表达式测试： https://tool.oschina.net/regex/#

---

总结

小洲提示：代码可直接复制在编译器中运行，方便更好的理解

例如：以上就是今天要讲的内容，本文仅仅简单介绍了re的使用，而re提供了大量能使我们快速便捷地处理数据的函数和方法，后续有关于re的常用代码会在这篇博客中持续更新。
转 python内置正则表达式（re）模块官方文档简要中文版：https://www.cnblogs.com/rosesmall/archive/2012/12/26/2833681.html