Class17：初学python之正则表达式

最新推荐文章于 2022-10-06 14:53:25 发布

有个裂口

最新推荐文章于 2022-10-06 14:53:25 发布

阅读量231

点赞数

文章标签：正则表达式 python

本文链接：https://blog.csdn.net/liuxiao0320/article/details/106873378

版权

正则

在线验证

怎么验证你写的表达式是否能正确匹配到要搜索的字符串呢？

大家可以访问这个网址： https://regex101.com/

但是有些特殊的字符，术语叫 metacharacters（元字符）。

它们出现在正则表达式字符串中，不是表示直接匹配他们，而是表达一些特别的含义。

这些特殊的元字符包括下面这些：

. * + ? \ [ ] ^ $ { } | ( )

re通过任何字符一起切割
import re
re.split(r'[,#]',nline)
按逗号，井号来切割

我们分别介绍一下它们的含义：

点-匹配所有字符

. 表示要匹配除了换行符之外的任何单个字符。

比如，你要从下面的文本中，选择出所有的颜色。

苹果是绿色的

橙子是橙色的

香蕉是黄色的

乌鸦是黑色的

也就是要找到所有以色结尾，并且包括前面的一个字符的词语。

就可以这样写正则表达式 .色

其中点代表了任意的一个字符，注意是一个字符。

.色合起来就表示要找任意一个字符后面是色这个字，合起来两个字的字符串
只要表达式正确，就可以写在Python代码中，如下所示

content = '''苹果是绿色的

橙子是橙色的

香蕉是黄色的

乌鸦是黑色的'''

import re

p = re.compile(r'.色')

for one in  p.findall(content):

    print(one)

运行结果如下

绿色

橙色

黄色

黑色

星号-重复匹配任意次

* 表示匹配前面的子表达式任意次，包括0次。

比如，你要从下面的文本中，选择每行逗号后面的字符串内容，包括逗号本身。注意，这里的逗号是中文的逗号。

苹果，是绿色的

橙子，是橙色的

香蕉，是黄色的

乌鸦，是黑色的

猴子，

就可以这样写正则表达式，.*

紧跟在 . 后面，表示任意字符可以出现任意次，所以整个表达式的意思就是在逗号后面的所有字符，包括逗号

特别是最后一行，猴子逗号后面没有其它字符了，但是*表示可以匹配0次，所以表达式也是成立的。

只要表达式正确，就可以写在Python代码中，如下所示

content = '''苹果，是绿色的

橙子，是橙色的

香蕉，是黄色的

乌鸦，是黑色的

猴子，'''

import re

p = re.compile(r'，.*')

for one in  p.findall(content):

    print(one)

运行结果如下

，是绿色的

，是橙色的

，是黄色的

，是黑色的

，

注意 .* 在正则表达式中非常常见，表示匹配任意字符任意次数。

当然这个 * 前面不是非得是点，也可以是其它字符

加号-重复匹配多次

+ 表示匹配前面的子表达式一次或多次，不包括0次。

比如，还是上面的例子，你要从文本中，选择每行逗号后面的字符串内容，包括逗号本身。

但是添加一个条件，如果逗号后面没有内容，就不要选择了。

比如，下面的文本中，最后一行逗号后面没有内容，就不要选择了。

苹果，是绿色的

橙子，是橙色的

香蕉，是黄色的

乌鸦，是黑色的

猴子，

就可以这样写正则表达式 ，.+

最后一行，逗号后面没有其它字符了，+表示至少匹配1次，所以最后一行没有子串选中。

问号-匹配0-1次

? 表示匹配前面的子表达式0次或1次。

比如，还是上面的例子，你要从文本中，选择每行逗号后面的1个字符，也包括逗号本身。

苹果，绿色的

橙子，橙色的

香蕉，黄色的

乌鸦，黑色的

猴子，

就可以这样写正则表达式 ，.?

最后一行，逗号后面没有其它字符了，但是?表示匹配0次或1次，所以最后一行也选中了一个逗号字符。

花括号-匹配指定次数

{}表示前面的字符匹配指定的次数。

比如，下面的文本

红彤彤，绿油油，黑乎乎乎乎，绿油油油油

表达式油{3} 就表示匹配连续的油字 3次

表达式油{3,4} 就表示匹配连续的油字至少3次，至多 4 次

就只能匹配后面的，

贪婪模式和非贪婪模式

我们要把下面的字符串中的所有html标签都提取出来，

source = '<html><head><title>Title</title>'

得到这样的一个列表

['<html>', '<head>', '<title>', '</title>']

很容易想到使用正则表达式 <.*>

写出如下代码

source = '<html><head><title>Title</title>'

import re

p = re.compile(r'<.*>')

print(p.findall(source))

但是运行结果，却是

['<html><head><title>Title</title>']

在正则表达式中， * + ? 都是贪婪地，使用他们时，会尽可能多的匹配内容，

所以， <.*> 中的星号（表示任意次数的重复），一直匹配到了字符串最后。

解决这个问题，就需要使用非贪婪模式，也就是在星号后面加上 ? ，变成这样 <.*?>

代码改为

source = '<html><head><title>Title</title>'

import re    注意多出的问号

p = re.compile(r'<.*?>')

print(p.findall(source))

对元字符的转义

反斜杠 \ 在正则表达式中有多种用途。

比如，我们要在下面的文本中搜索所有点前面的字符串，也包含点本身

苹果.是绿色的

橙子.是橙色的

香蕉.是黄色的

错误写法 .*.

因为点是一个元字符，直接出现在正则表达式中，表示匹配任意的单个字符，不能表示 . 这个字符本身的意思了。

如果我们要搜索的内容本身就包含元字符，就可以使用反斜杠进行转义。

这里我们就应用使用这样的表达式 .*\.

示例，Python程序如下

content = '''苹果.是绿色的

橙子.是橙色的

香蕉.是黄色的'''

import re

p = re.compile(r'.*\.')

for one in  p.findall(content):

    print(one)

运行结果如下

苹果.

橙子.

香蕉.

匹配某种字符类型

反斜杠后面接一些字符，表示匹配某种类型的一个字符。

比如

\d 匹配0-9之间任意一个数字字符，等价于表达式 [0-9]

\D 匹配任意一个不是0-9之间的数字字符，等价于表达式 [^0-9]

\s 匹配任意一个空白字符，包括空格、tab、换行符等，等价于表达式 [\t\n\r\f\v]

\S 匹配任意一个非空白字符，等价于表达式 [^ \t\n\r\f\v]

\w 匹配任意一个文字字符，包括大小写字母、数字、下划线，等价于表达式 [a-zA-Z0-9_]

缺省情况也包括 Unicode文字字符，如果指定 ASCII 码标记，则只包括ASCII字母

\W 匹配任意一个非文字字符，等价于表达式 [^a-zA-Z0-9_]

反斜杠也可以用在方括号里面，比如 [\s,.] 表示匹配：任何空白字符，或者逗号，或者点

方括号-匹配几个字符之一

方括号表示要匹配指定的几个字符之一。

比如

[abc] 可以匹配 a, b, 或者 c 里面的任意一个字符。等价于 [a-c] 。

[a-c] 中间的 - 表示一个范围从a 到 c。

如果你想匹配所有的小写字母，可以使用 [a-z]

一些元字符在方括号内失去了魔法，变得和普通字符一样了。

比如

[akm.] 匹配 a k m . 里面任意一个字符

这里 . 在括号里面不在表示匹配任意字符了，而就是表示匹配 . 这个字符

如果在方括号中使用 ^ ，表示非方括号里面的字符集合。

比如

content = 'a1b2c3d4e5'

import re

p = re.compile(r'[^\d]' )

for one in  p.findall(content):

print(one)

[^\d] 表示，选择非数字的字符

输出结果为：

起始、结尾位置 和 单行、多行模式

^ 表示匹配文本的 开头 位置。

正则表达式可以设定 单行模式 和 多行模式

如果是 单行模式 ，表示匹配 整个文本 的开头位置。

如果是 多行模式 ，表示匹配 文本每行 的开头位置。

比如，下面的文本中，每行最前面的数字表示水果的编号，最后的数字表示价格

001-苹果价格-60，002-橙子价格-70,003-香蕉价格-80,

如果我们要提取所有的水果编号，用这样的正则表达式   ^\d+

上面的正则表达式，使用在Python程序里面，如下所示

content = '''001-苹果价格-60

002-橙子价格-70

003-香蕉价格-80'''

import re

p = re.compile(r'^\d+', re.M)

for one in  p.findall(content):

    print(one)

注意，compile 的第二个参数 re.M ，指明了使用多行模式，

运行结果如下

如果，去掉 compile 的第二个参数 re.M， 运行结果如下

就只有第一行了。

因为单行模式下，^ 只会匹配整个文本的开头位置。

$ 表示匹配文本的 结尾 位置。

如果是 单行模式 ，表示匹配 整个文本 的结尾位置。

如果是 多行模式 ，表示匹配 文本每行 的结尾位置。

比如，下面的文本中，每行最前面的数字表示水果的编号，最后的数字表示价格

001-苹果价格-60，002-橙子价格-70,003-香蕉价格-80,

如果我们要提取所有的水果编号，用这样的正则表达式   \d+$

对应代码

content = '''001-苹果价格-60

002-橙子价格-70

003-香蕉价格-80'''

import re

p = re.compile(r'\d+$', re.MULTILINE)

for one in  p.findall(content):

    print(one)

注意，compile 的第二个参数 re.MULTILINE ，指明了使用多行模式，

运行结果如下

如果，去掉 compile 的第二个参数 re.MULTILINE， 运行结果如下

就只有最后一行了。

因为单行模式下，$ 只会匹配整个文本的结束位置。

竖线-匹配两者之一

竖线表示 匹配 前者 或 后者 。

特别要注意的是， 竖线在正则表达式的优先级是最低的， 这就意味着，竖线隔开的部分是一个整体

比如 绿色|橙 表示 要匹配是 绿色 或者 橙 ，

而不是 绿色 或者 绿橙

括号-组选择

（）称之为 正则表达式的 组选择。 是从正则表达式 匹配的内容 里面 扣取出 其中的某些部分

前面，我们有个例子，从下面的文本中，选择每行逗号前面的字符串，也 包括逗号本身 。

苹果，苹果是绿色的

橙子，橙子是橙色的

香蕉，香蕉是黄色的

就可以这样写正则表达式   ^.*，

但是，如果我们要求 不要包括逗号 呢？

我们这样写  ^(.*)， 

大家可以发现，我们把要从整个表达式中提取的部分放在括号中，这样 水果 的名字 就被单独的放在 组 group 中了。

对应的Python代码如下

content = '''苹果，苹果是绿色的

橙子，橙子是橙色的

香蕉，香蕉是黄色的'''

import re

p = re.compile(r'^(.*)，', re.MULTILINE)

for one in  p.findall(content):

print(one)

分组，还可以多次使用

比如，我们要从下面的文本中，提取出每个人的 名字 和对应的 手机号

张三，手机号码15945678901

李四，手机号码13945677701

王二，手机号码13845666901

可以使用这样的正则表达式    ^(.+)，.+(\d{11})

可以写出如下的代码

content = '''张三，手机号码15945678901

李四，手机号码13945677701

王二，手机号码13845666901'''

import re

p = re.compile(r'^(.+)，.+(\d{11})', re.MULTILINE)

for one in  p.findall(content):

print(one)

替换

re.sub(原内容，替换后内容，使用该正则的变量)

import re
a = 'shdss w243 56h'
a = re.sub('\D','', a)
print(a)

有个裂口

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
Class17：初学python之正则表达式

正则在线验证怎么验证你写的表达式是否能正确匹配到要搜索的字符串呢？大家可以访问这个网址：https://regex101.com/但是有些特殊的字符，术语叫 metacharacters（元字符）。它们出现在正则表达式字符串中，不是表示直接匹配他们，而是表达一些特别的含义。这些特殊的元字符包括下面这些：. * + ? \ [ ] ^ $ { } | ( )我们分别介绍一下它们的含义：点-匹配所有字符.表示要匹配除了换行符之外的任何单个字符。...
复制链接

扫一扫