python之正则表达式基础语法

 

微信公众号:HarLearn
有什么建议可以到公众号里进行留言。

本篇文章主要介绍python有关正则表达式的使用。说到使用正则表达式,我们首先应该了解什么是正则表达式,简单的说,正则表达式是一个描述字符串规则的代码。比如说我们经常使用的邮箱:1234567@qq.com1234567@163.com…你会发现他们都有一定的规则,而这个规则的描述就涉及到具体的正则表达式语法了,下面我们就来了解一些基础的语法:

1. 最简单的正则表达式

最简单的正则表达式其实就是普通字符串,它可以匹配其自身。
比如:正则表达式 'CodeId' 可以匹配字符串 CodeId

1import re
2
3result = re.search('CodeId','CodeId is very good')
4print(result.group()) # CodeId

上述代码是通过pythonre(正则表达式)模块对正则表达式的一个使用,其中re.search()方法的作用就是对整个字符串进行搜索,并返回第一个匹配的字符串的匹配对象,匹配失败会返回 None,它的语法是:
re.search(pattern, string, flags=0)

  • pattern:表示使用的正则表达式
  • string:表示要匹配的字符串
  • flags:用来控制正则表达式匹配规则的标志位

group()方法的作用是:返回匹配的一个或多个子字符串

2. 限制数量的表达式(限定符)

在讲解限定符之前,先讲解一下什么是贪婪模式非贪婪模式
贪婪模式:是尽可能多的匹配。限定符默认都是贪婪模式的。
非贪婪模式:是尽可能少的匹配。
比如我有一个书柜可以放1到100本书,贪婪模式就是放尽可能的接近或等于100本书,而非贪婪模式就是放尽可能的接近或等于1本书。
一、*:
作用:匹配前面的子表达式零次或者多次
比如:ab*它会匹配a,ab,abb或者a后面任意数量的b

1import re
2
3result1 = re.search('ab*','a')
4print(result1.group()) # a
5
6result2 = re.search('ab*','abbb')
7print(result2.group()) # abbb

二、+:
作用:匹配前面的子表达式一次或者多次
比如:ab+它会匹配ab,abb,abb或者ab后面任意数量的b
注意*+的区别就是:+中的a后面至少有一个b,而*中的a后面可以没有b

1result1 = re.search('ab+','a')
2print(result1) # None
3
4result2 = re.search('ab+','abbb')
5print(result2.group()) # abbb

三、?:
作用1:匹配前面的子表达式零次或者一次
比如:ab?可以匹配a或者ab

1result1 = re.search('ab?','a')
2print(result1.group()) # a
3
4result2 = re.search('ab?','abbb')
5print(result2.group()) # ab

作用2:指定限定符为非贪婪模式。
比如:ab*?匹配字符串abbb会返回a

 1result1 = re.search('ab*','abbb')# 贪婪模式
 2print(result1.group()) # abbb
 3
 4result2 = re.search('ab*?','abbb')# 非贪婪模式
 5print(result2.group()) # a
 6
 7result3 = re.search('ab+','abbb')# 贪婪模式
 8print(result3.group()) # abbb
 9
10result4 = re.search('ab+?','abbb')# 非贪婪模式
11print(result4.group()) # ab

四、{n}:
作用:对前面的子表达式重复n次,n是一个非负整数。
比如:Co{2}deId可以匹配CoodeId,但是不可以匹配CodeId

1result = re.search('Co{2}deId','CoodeId')
2print(result.group())# CoodeId
3
4result = re.search('Co{2}deId','CodeId')
5print(result) # None

五、{n,m}:
作用:对前面的子表达式重复nm次,n,m是一个非负整数并且n<=m。其中nm是可以省略其中一个。比如:

  • {n,}:表示对前面的子表达式至少重复n次。
  • {,m}:表示对前面的子表达式至多重复m次。
1result = re.search('Co{2,}deId','CooodeId')
2print(result.group())# CooodeId
3
4result = re.search('Co{,2}deId','CodeId')
5print(result.group()) # CodeId
6
7result = re.search('Co{2,4}deId','CooodeId')
8print(result.group()) # CooodeId

3.定位符号

定位符用来描述字符串或单词的边界。指定在字符串的什么位置开始匹配。
定位符号如下:
一、^:
作用1:匹配字符串开始的位置。如果是多行模式,还会与\n,\r的位置匹配。
比如:^CodeId会匹配CodeId,CodeIda,不会匹配aCodeId

1result = re.search('^CodeId','CodeIda')
2print(result.group()) # CodeId
3
4result = re.search('^CodeId','aCodeIda')
5print(result) # None
6
7result = re.search('^CodeId','a\nCodeIda',re.MULTILINE) # 多行模式下 
8print(result.group()) # CodeId

re.MULTILINE是设置为多行模式
作用2:^在方括号表达式中使用,表示的意思。
比如:[^1]表示匹配不是字符1

1result = re.search('[1]','a1')
2print(result.group()) # 1
3
4result = re.search('[^1]','a1')
5print(result.group()) # a

二、$:
作用:匹配字符串结尾的位置。如果是多行模式,还会与\n,\r的位置匹配。
比如:ab$会匹配cdab,asab

1result = re.search('ab$','cdab')
2print(result.group()) # ab
3
4result = re.search('ab$','abcd')
5print(result) # None

三、\b:
作用:匹配单词的开始或结束的位置.
比如:ry\b就是匹配单词中以ry结尾匹配项。\bis是匹配单词中以is开始的匹配项

1result = re.search(r'ry\b','CodeId is very good')
2print(result.group()) # ry
3
4result = re.search(r'\bis','CodeId is very good')
5print(result.group()) # is
6
7result = re.search(r'\babc\b','bc abc abc')
8print(result.group()) # abc

四、\B:
作用:不是匹配单词开始或结束的位置,和\b是相反的。
比如:\Ba它表示匹配不以a开始的单词,所以可以匹配bac,cba但是不能匹配abc

1result = re.search(r'\Ba','bac')
2print(result.group()) # a
3
4result = re.search(r'\Ba','abc')
5print(result) # None

4.一般字符

一、.:
作用:匹配除换行符之外的任何单个字符。
比如:ab.可以匹配abc,abd,abe等等

1result = re.search(r'Co.e.d','CodeId')
2print(result.group()) # CodeId

二、\:
作用:转义字符,改变后面一个字符原本的字符意思。
比如:n原本匹配字符n,但是在前面加上\之后就变成\n,用来匹配换行符。

1result = re.search(r'Co\n.','Co\ndeId')
2print(result.group())
3'''
4Co
5d
6'''

三、[]:
作用:字符集合。匹配集合中所包含的任意一个字符。其中集合中的元素可以一一列出,也可以写范围。
比如:[abco]可以匹配CodeId中的o[0-9]等同于[0123456789]

1result = re.search(r'[0-9]','a1b')
2print(result.group()) # 1
3
4result = re.search(r'[oI]','CodeId')
5print(result.group()) # o

注意:如果[]里面的第一个字符是^,那么表示取反的意思。比如:[^0-9]表示匹配不是数字的字符。

1result = re.search(r'[^0-9]','a1b')
2print(result.group()) # a

四、|:
作用:或的意思
比如:x|y表示先匹配x表达式如果不成功就匹配y表达式。

1result = re.search(r'ab|ac','abc')
2print(result.group()) # ab

5.分组

分组不是对数据进行分组,而是对匹配的表达式进行分组。看一下下面的讲解应该会明白一些。
一、(...):
作用:可以匹配括号中的任何表达式,同时也标志着组的开始和结束。当表达式中有多个括号时,从左向右,第一个左括号为第一组,第二个左括号为第二组,以此类推。
比如:(a){2}(b){3}会匹配aabbb,其中a是第一组,b是第二组

1result = re.search(r'(a){2}(b){3}(c*)','aabbb')
2print(result.group()) # aabbb
3print(result.groups()) # ('a', 'b', '')

注意:result.groups()的作用是返回所有匹配的子组的元组,比如上面a,b都匹配上了,而c没有匹配上所以返回c组为空
二、(?P<name>...):
作用:在分组的同时,为组起一个名称,这个组名称必须是有效的Python标识符,并且每个组名称只能在正则表达式中定义一次。
比如:(?P<A>a)就是为组起了一个名称A.

1result = re.search(r'(?P<A>a){2}(b){3}(a*)','aabbb')
2# 通过组名称来组的匹配内容
3print(result.group('A')) # a

三、(?P=name):
作用:引用表达式前面组中名称为name的组的匹配内容。
比如:(?P<A>.){2}(b){3}(?P=A)匹配的字符可以是aabbbaccbbbc,ddbbbd….

1result = re.search(r'(?P<A>.){2}(b){3}(?P=A)','aabbba')
2print(result.group()) # aabbba

四、\number:
作用:引用表达式中编号为number的组的匹配内容。
比如:([0-9])([a-z])\1匹配的字符串有1a1,2s2,6a6

1result = re.search(r'([0-9])([a-z])\1','6a6')
2print(result.group())# 6a6

6.反向引用

反向引用涉及到组(被圆括号括起来的部分),组在匹配到内容时,会存储到缓冲区,按照存储的先后顺序,分别编号为1,2,3…99,最高到99。每个缓冲区的内容可以使用\number的方式进行访问调用。

7.非获取匹配

非获取匹配:就是组中匹配的内容不进行缓存,不供以后使用
一、(?:...):
作用:可以匹配括号中的任何表达式,但是不进行缓存以供后面使用。
比如:(?:123)abc\1表达式会报错,因为前面的组没有进行缓存,\1调用时会失败。
二、(?=...):
作用:起到一个条件约束的功能,约束括号前面的字符串。看做如果是...
比如:ab(?=c)会匹配abc中的ab但是不会匹配abd中的ab。换一种说法就是:如果ab的后面是c就匹配成功,否则失败。

1result = re.search(r'ab(?=c)','abc')
2print(result.group()) # ab
3
4result = re.search(r'ab(?=c)','abd')
5print(result) # None

三、(?!...):
作用:起到一个条件约束的功能,约束括号前面的字符串。看做如果不是...
比如:ab(?!c)会匹配abd中的ab但是不会匹配abc中的ab。换一种说法就是:如果ab的后面不是c就匹配成功,否则失败。

1result = re.search(r'ab(?!c)','abc')
2print(result) # None
3
4result = re.search(r'ab(?!c)','abd')
5print(result.group()) # ab

四、(?<=...):
作用:起到一个条件约束的功能,约束括号后面的字符串。看做如果前面是...
比如:(?<=c)ab会匹配cab中的ab,但是不会匹配dab中的ab。换一种说法就是:如果ab的前面是c就匹配成功,否则失败。

1result = re.search(r'(?<=c)ab','cab')
2print(result.group()) # ab
3
4result = re.search(r'(?<=c)ab','dab')
5print(result) # None

五、(?<!...):
作用:起到一个条件约束的功能,约束括号后面的字符串。看做如果前面不是...
比如:(?<!c)ab会匹配dab中的ab但是不会匹配cab中的ab。换一种说法就是:如果ab的前面不是c就匹配成功,否则失败。

1result = re.search(r'(?<!c)ab','cab')
2print(result) # None
3
4result = re.search(r'(?<!c)ab','dab')
5print(result.group()) # ab

8.表达式的注释

注释在表达式中起到解释说明的作用。
一、(?#...):
作用:起到注释作用,括号中的字符在表达式中运行时,不启动用。
比如:a(?#letter)只会匹配单个字符a,而letter是解释说明a是一个字母,方便阅读。

1result = re.search(r'a(?#letter)','cab')
2print(result.group()) # a

9.预定义

就是提前设定好一些字符代表什么意思,用来替换一些复杂的字符。
一、\d\D:
代表:一个表示[0-9],另一个表示[^0-9],它俩是对立的。
作用:\d表示匹配0-9中任意一个数字。\D表示匹配非数字的字符。
比如:a\d可以匹配a1,a0,a2,a6…;而a\D表示匹配aa,ab,a;只要a后面不是数字就行。

1result = re.search(r'a\d','a1')
2print(result.group()) # a1
3
4result = re.search(r'a\D','a1')
5print(result) # None

二、\w\W:
代表:一个表示'[A-Za-z0-9_],另一个表示'[^A-Za-z0-9_],它俩是对立的。
作用:\w表示匹配字母、数字、下划线;\W表示匹配非字母数字下划线。
比如:\w+匹配13,时会得到13,而\W+匹配时只会匹配到

1result = re.search(r'\w+','13,')
2print(result.group()) # 13
3
4result = re.search(r'\W+','13,')
5print(result.group()) # ,

三、\s\S:
代表:一个表示[ \f\n\r\t\v],另一个表示[^ \f\n\r\t\v];
作用:\s表示匹配任何空白字符,包括空格、制表符、换页符等等,而\S表示匹配任何非空白字符。
比如:a\sc可以匹配a c,而a\Sc却不能。

1result = re.search(r'a\sc','a c')
2print(result.group()) # a c
3
4result = re.search(r'a\Sc','a c')
5print(result) # None

四、\A\Z:
作用:\A表示匹配字符串的开头,\Z表示匹配字符串的结尾。
比如:\Aa会匹配字符串abcdcba中,开始的a,a\Z会匹配字符串abcdcba中结尾处的a

1result = re.search(r'\Aa','abcdcba')
2print(result) # <_sre.SRE_Match object; span=(0, 1), match='a'>
3
4result = re.search(r'a\Z','abcdcba')
5print(result) # <_sre.SRE_Match object; span=(6, 7), match='a'>

今天的学习暂时告一段落,后面会不定时更新的。送大家一句话人必须相信自己,这是成功的秘诀
下面是我的公众号:HarLearn 欢迎关注

公众号:HarLearn

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值