0802_正则表达式

正则表达式

正则表达式，又称规则表达式**。**（英语：Regular Expression，在代码中常简写为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的部分

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"])

找出数字

import re
a = 'ab23fd5g67'
m = r'[0-9]+'
num = re.findall(m, a)
print(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	匹配单词字符, A-Z, a-z, 0-9, _
\W	\w取反

• re.match(patter, 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：获取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代表匹配整个字符串，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，返回最后一个截获的子串

• re.groups([default=None]) tuple

  • 作用：以元组形式返回全部分组截获的字符串。类似调用re.groups(1, 2, ..., last)
  • 如果没有截获字符串的组，默认返回None

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

m = re.match('[Cc]', 'city')
print(m.group())

m = re.match('[0-9]', '156')
print(m.group())

c
c
1

数量匹配规则

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一次多次或者无限次，知道出现一次
?	匹配前一个字符出现一次或者0次，要么有一次，要么没有
{m}	匹配前一个字符出现m次
{m, }	匹配前一个字符出现m次
{m, n}	匹配前一个字符出现m到n次

表示边界

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

匹配分组

字符	功能
|	匹配左右任意一个表达式
(ab)	将括号中的任意字符作为一个分组
\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.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字串,并以列表形式返回

• re.finfiter()

  • 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,知道找到一个匹配,如果匹配失败,None