正则表达式
正则表达式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。用大白话来讲,正则表达式是一种匹配模式,能够从目标文本内容中匹配到预定义的字串序列。
关于正则表达式的语法以及学习可以在B站中查看有关视频教程,在这里推荐这篇文字教程:
当然,正则表达式的学习需要时常练习,对于那些常用到的语法规则需熟记于心。在一开始的学习不能够急于求成,网上的大部分教程并非每个都适合自己,需要多做比对耐心学习,你便能掌握这一套规则体系。
python中引入re模块,便能使用正则表达式处理函数。
import re
一、re.match()
re.match()尝试从字符串的起始位置匹配一个模式,如果字符串开始不符合正则表达式,match()就返回none。
re.match(pattern, string, flags=0)pattern:匹配模式
string:待匹配的字符串
flags:标志位,控制匹配方式(支持多行匹配以及大小写等)
如果匹配模式带有^或$的标志位,则必须完全符合待匹配字符串开始与结束的位置。
line = "Cats are 1 smarter than dogs";
res = re.match('Cat.*?(\d+).*?s$', line)
print(res.group())
print(res.group(1))
print(res.span())
输出:
Cats are 1 smarter than dogs
1
(0, 28)
group()方法获取匹配的结果,当正则表达式中带有括号时,group括号内的数字记录正则表达式中对应括号(从1开始)内所匹配的内容。
span()获去匹配字符串的长度范围
贪婪匹配 (.*) 与懒惰匹配 (.*?): 一个是尽可能多的匹配模式字符串,另一个是尽量匹配最短的串。在我们使用括号来获得匹配目标时,应尽量使用懒惰模式。
二、re.search()
re.search 扫描整个字符串并返回第一个成功的匹配。
re.search(pattern, string, flags=0)
无需从头开始匹配,与match()一样支持group()与span()方法,搜索整个字符串,匹配到一个符合的结果就返回。
三、re.findall()
在字符串中找到正则表达式所匹配的所有子串,并返回一个列表,如果没有找到匹配的,则返回空列表。
match 和 search 是匹配一次,而 findall 匹配所有。
re.findall(pattern, string, flags=0)
四、re.compile()
compile 函数用于编译正则表达式,生成一个正则表达式( Pattern )对象 ,供 match() 和 search() 这两个函数使用,以便之后使用这个模式。
my_pattern = re.compile(pattern, flags=0)
re.search(my_pattern, string)
五、re.sub()
替换字符串中被匹配的子串,并返回替换后的字符串。
phone = "2004-959-559
# 删除非数字(-)的字符串
num = re.sub(r'\D', "", phone)
六、re.split()
按照能够匹配的子串将字符串分割后返回列表。
# 注意最后一个单词某位处有一个.号
res = re.split('\W+', 'runoob, runoob, runoob.')
print(res)
输出:
['runoob', 'runoob', 'runoob', '']
七、可选标志
re.I | 使匹配对大小写不敏感 |
re.S | 使 . 匹配包括换行在内的所有字符 |