正则表达式概念
正则表达式,又称规则表达式。通常被用来检索、替换那些符合某个模式(规则)的文本。是对字符串操作的一种逻辑公式,就是用事先定义好的一些特定字符、及这些特定字符的组合,组成一个“规则字符串”,这个“规则字符串”用来表达对字符串的一种过滤逻辑。
正则表达式是一种用来匹配字符串的强有力的武器。它的设计思想是用一种描述性的语言来给字符串定义一个规则,凡是符合规则的字符串,我们就认为它“匹配”了,否则,该字符串就是不合法的。
基本操作
在正则表达式中,如果直接给出字符,就是精确匹配。用\d
可以匹配一个数字,\w
可以匹配一个字母或数字,所以:
-
00\d
可以匹配001
,但无法匹配00A
; -
\d\d\d
可以匹配110
; -
\w\w\d
可以匹配py3
;
.
可以匹配任意字符串 -
java.
可以匹配java1
,java2
,java!
要匹配变长的字符,在正则表达式中,用*
表示任意个字符(包括0个),用+
表示至少一个字符,用?
表示0个或1个字符,用{n}
表示n个字符,用{n,m}
表示n-m个字符:
来看一个复杂的例子:\d{3}\s+\d{3,8}。
我们来从左到右解读一下: -
\d{3}
表示匹配3个数字,例如010
; -
\s
可以匹配一个空格(也包括Tab等空白符),所以\s+
表示至少有一个空格,例如匹配' '
,' '
等; -
\d{3,8}
表示3-8个数字,例如1234567
。
高级操作
要做更精确地匹配,可以用[]表示范围,比如:
[0-9a-zA-Z\_]
可以匹配一个数字、字母或者下划线;[0-9a-zA-Z\_]+
可以匹配至少由一个数字、字母或者下划线组成的字符串,比如a100
,0_Z
,Py3000
等等;[a-zA-Z\_][0-9a-zA-Z\_]*
可以匹配由字母或下划线开头,后接任意个由一个数字、字母或者下划线组成的字符串,也就是Python合法的变量;[a-zA-Z\_][0-9a-zA-Z\_]{0, 19}
更精确地限制了变量的长度是1-20个字符(前面1个字符+后面最多19个字符)。A|B
可以匹配A或B,所以(P|p)ython
可以匹配Python
或者python
。^
表示行的开头,^\d
表示必须以数字开头。$
表示行的结束,\d$
表示必须以数字结束。py
也可以匹配’python’,但是加上^py$
就变成了整行匹配,就只能匹配py
。
python中正则表达式使用
python中re
模块包含正则表达式的功能,可以有效利用该模块对字符串进行匹配,得到自己想要的字符串。
注意:
由于python字符串本身也用“\”转移,所以在用正则进行匹配时,强烈建议使用Python的r
前缀,从而不用考虑转义问题。
python正则表达的基本步骤是先将正则表达式形式编译成Pattern
实例,然后利用Pattern
实例处理文本并得到一个Match
实例,再利用Match
实例得到所需信息。
- 常用函数
findall
:findall(string[, pos[, endpos]]) | re.findall(pattern, string[, flags])
,该函数表示搜索字符串string
,并以列表的形式返回所能匹配到的全部子串。
其中包含三个常见值:- re.I(re.IGNORECASE):忽略大小写(括号内是完整写法)
- re.M(re.MULTILINE):允许多行模式
- re.S(re.DOTALL):支持点任意匹配模式
- 常用函数
compile
:compile(pattern[,flags] )
包含正则表达式字符串穿件模式对象,返回一个pattern对象。参数flags是匹配模式,可以使用按位或“|”表示同时生效,也可以在正则表达式字符串中指定。Pattern对象是不能直接实例化的,只能通过compile方法得到。 - 例子:利用正则表达式把字符串中的数字提取出来
import re
str = "a250, b10c3, 6.66"
regex = re.compile(r'\d+\.?\d*')
print(regex.findall(str))
- 函数
match
:match(string[, pos[, endpos]]) | re.match(pattern, string[, flags])
match方法是从字符串的pos下标处起开始匹配pattern,如果pattern结束时已经匹配,则返回一个Match对象;如果匹配过程中pattern无法匹配,或者匹配未结束就已到达endpos,则返回None。参数string表示字符串;pos表示下标,pos和endpos的默认值分别为0和len(string);参数flags用于编译pattern时指定匹配模式。 - 函数
search
:search(string[, pos[, endpos]]) | re.search(pattern, string[, flags])
search方法用于查找字符串中可以匹配成功的子串。从字符串的pos下标处起尝试匹配pattern,如果pattern结束时仍可匹配,则返回一个Match对象;若无法匹配,则将pos加1后重新尝试匹配;直到pos=endpos时仍无法匹配则返回None。参数string表示字符串;pos表示下标,pos和endpos的默认值分别为0和len(string));参数flags用于编译pattern时指定匹配模式。