Python正则表达式详解 re
1. 正则表达式,又称规则表达式(Regular Expression),是使用单个字符串来描述、匹配某个句法规则的字符串,常被用来检索、替换那些符合某个模式(规则)的文本。
2. 一个正则表达式通常被称为一个模式(pattern),是用来描述或者匹配一系列匹配某个句法规则的字符串。例如Polish、Spanish和 Swedish 这三个字符串,都可以由(Pol|Span|Swed)ish 这个模式来描述。
3.例子
import re
str1 = '<span>abcd<//pan><span>abcdef</span> ' # 待匹配的字符串
pattern ='<span>.*<//p' # 设置的匹配规则(查找的字符串:<span> 正则特殊字符:.* 查找的字符:<//p )
p = re.compile(pattern) # 对匹配规则用re模块编译
match_out = re.search(p, str1) # 在字符串str1中按照pattern句法规则寻找要求的文本
print(match_out)
print(type(match_out))
print(match_out.group(0))
>>> <re.Match object; span=(0, 14), match='<span>abcd<//p'>
>>> <class 're.Match'>
>>> <span>abcd<//p
4.涉及的正则表达式特殊符号和方法及其含义
特殊符号 | 含义 |
---|---|
. | 匹配除“\r” “\n”之外的任何单个字符。要匹配包括“\r” “\n”在内的任何字符,请使用“(.|\r|\n)” 的模式 |
* | 匹配前面的子表达式零次或多次。例如“zo*”能匹配“z” “zo”以及“zoo”,“*”等效于“{0,}” |
方法 | 含义 |
compile() | 编译正则表达式模式,返回一个对象的模式 |
search() | 在字符串内查找模式匹配,只要找到第一个匹配然后返回,如果字符串没有匹配,则返回“None” |
5. 再次验证
import re
str1= 'china-will-be-no1'
pattern ='ina.*be'
p = re.compile(pattern)
match_out = re.search(p, str1)
print(type(match_out))
print(match_out)
print(match_out.group(0))
>>> <class 're.Match'>
>>> <re.Match object; span=(2, 13), match='ina-will-be'>
>>> ina-will-be
6.正则表达式常用的特殊字符及含义
符号 | 描述 |
---|---|
\ | 将下一个字符标记为一个特殊字符、一个原义字符(Identity Escape,有 “^” “$” “(” “)” “*” “+” “{” " |
^ | 匹配输入字符串的开始位置。如果设置了正则表达式的多行属性,“^”也可以匹配“\n”或“\r”之 后的位置 |
$ | 匹配输入字符串的结束位置。如果设置了正则表达式的多行属性,“$”也可以匹配“\n”或“\r”之 前的位置 |
* | 匹配前面的子表达式零次或多次。例如“zo*”能匹配“z” “zo”以及“zoo”,“*”等效于“{0,}” |
+ | 匹配前面的子表达式一次或多次。例如“zo+”能匹配“zo”以及“zoo”,但不能匹配“z”,“+”等效于"{1,}” |
? | 匹配前面的子表达式零次或一次。例如“do(es)?”可以匹配 “do”或 “does”中的“do”,“?”等效 于 “{0,1}” |
{n} | n 是一个非负整数,匹配确定的 n 次。例如“o{2}”不能匹配“Bob”中的“o”,但是能匹配“food” 中的两个 o |
{n,} | n 是一个非负整数,至少匹配n次。例如“o{2,}”不能匹配“Bob”中的“o”,但能匹配“foooood”中的所有o, 等效于“o+”,“o{0,}”则等效于“o*” |
{n,m} | m 和 n 均为非负整数,其中 n<=m。最少匹配 n 次且最多匹配 m 次。例如“o{1,3}”将匹配“fooooood" 中的前三个“o”,“o{0,l}”等效于“0?”。注意在逗号和两个数之间不能有空格 |
. | 匹配除“\r” “\n”之外的任何单个字符。要匹配包括“\r” “\n”在内的任何字符,请使用“(. |
(?:pattem) | 匹配模式但不获取匹配的子字符串,也就是说这是一个非获取匹配,不存储匹配的子字符串用于向 后引用。这在使用竖线字符来组合一个模式的各个部分时很有用。例如“industr(?:y |
(?=pattem) | 正向肯定断言,在任何匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配。例如 “Windows(?=95 |
[xyz] | 字符集合,匹配所包含的任意一个字符。例如“[ab可”可以匹配“plain”中的“a”。特殊字符仅有反斜线“\”保持特殊含义,用于转义字符。其他特殊字符如星号、加号、各种括号等均作为普通字符。脱字符“^”如果出现在首位则表示负值字符集合;如果出现在字符串中间就仅作为普通字符。 连字符“-”如果出现在字符串中间表示字符范围描述;如果出现在首位(或末尾)则仅作为普通字符。右方括号应转义出现,也可以作为首位字符出现 |
[a-z] | 字符范围,匹配指定范围内的任意字符。例如“[a-z]”可以匹配“a”到“z”范围内的任意小写字母字符 |
\b | 匹配一个单词边界,也就是指单词和空格间的位置。例如“er\b”可以匹配“never”中的“er”,但不匹配“verb”中的“er” |
\B | 匹配非单词边界。例如“er\B”能匹配“verb”中的“er”,但不能匹配“never”中的“er” |
\cx | 匹配控制字符。x 必须为 A(a) 到 Z(z)。否则,将 c 视为一个原义的“c”字符。控制字符的值等于 x 的值,但最低为 5 比特(即对 3210 进制的余数)。例如“\cM”匹配一个“Control-M”或回车符。“\ca” 等效于 “\u0001”,“\cb” 等效于 “\u0002” |
\d | 匹配一个数字字符,等效于"[0-9]”。注意 Unicode 正则表达式会匹配全角数字字符 |
\D | 匹配一个非数字字符,等效于“[^0-9]” |
\f | 匹配一个换页符,等效于“\x0c 和 \cL” |
\n | 匹配一个换行符,等效于“\x0a 和 \cJ” |
\r | 匹配一个回车符,等效于“\x0d 和 \cM” |
\s | 匹配任何空白字符,包括空格、制表符、换页符等,等效于“[\f\n\r\t\v]”。注意 Unicode 正则表达式 会匹配全角空格符 |
\S | 匹配任何非空白字符,等效于“[^\f\n\r\t\v]” |
\t | 匹配一个制表符,等效于“\x09 和 \c1” |
\v | 匹配一个垂直制表符,等效于“\x0b 和 \cK” |
\w | 匹配包括下画线的任何单词字符,等效于"[A-Za-z0-9_]”。注意 Unicode 正则表达式会匹配中文字符 |
\W | 匹配任何非单词字符,等效于“[^A-Za-z0-9_]” |
\n | 标识一个八进制数转义值或一个向后引用。如果“\n”之前至少 n 个获取的子表达式,则 n 为向后引 用。否则,如果 n 为八进制数字“(0-7)”,则 n 为一个八进制数转义值 |
优先级 | 符号 |
---|---|
最高 | “\” |
高 | “()” “(?\:)” “(?=)” “[]” |
中 | “*”“+” “?”“{n}” “{n,}” “{n,m}” |
低 | “^” “$” “中介字符” |
次最低 | 串接,即相邻字符连接在一起 |
最低 | “|” |
7.正则表达式常用的方法
方法 | 描述 |
---|---|
compile() | 编译正则表达式模式,返回一个对象的模式 |
match() | 决定正则表达式对象是否在字符串最开始的位置匹配。注意:该方法不是完全匹配。当模式结束时若 原字符串还有剩余字符,仍然视为成功。想要完全匹配,可以在表达式末尾加上边界匹配符“$” |
search() | 在字符串内查找模式匹配,只要找到第一个匹配然后返回,如果字符串没有匹配,则返回“None” |
findall() | 遍历匹配,可以获取字符串中所有匹配的字符串,返回一个列表 |
finditer() | 返回一个顺序访问每一个匹配结果的迭代器,该方法将找到匹配正则表达式的所有子串 |
split() | 按照能够匹配的子串将原字符串分割后返回列表 |
sub() | 替换原字符串中每一个匹配的子串后返回替换后的字符串 |
subn() | 返回“sub()”方法执行后的替换次数 |
flags() | 正则表达式编译时设置的标志 |
pattem() | 正则表达式编译时使用的字符串 |
8.力扣题实战
字符串转换整数 (atoi)
请你来实现一个 myAtoi(string s) 函数,使其能将字符串转换成一个 32 位有符号整数(类似 C/C++ 中的 atoi 函数)。
示例 1:
输入:s = “42”
输出:42
解释:加粗的字符串为已经读入的字符,插入符号是当前读取的字符。
第 1 步:“42”(当前没有读入字符,因为没有前导空格)
^
第 2 步:“42”(当前没有读入字符,因为这里不存在 ‘-’ 或者 ‘+’)
^
第 3 步:“42”(读入 “42”)
^
解析得到整数 42 。
由于 “42” 在范围 [-231, 231 - 1] 内,最终结果为 42 。
import re
class Solution:
def myAtoi(self, str: str) -> int:
INT_MAX = 2147483647
INT_MIN = -2147483648
str = str.lstrip() #清除左边多余的空格
num_re = re.compile(r'^[\+\-]?\d+') #设置正则规则
num = num_re.findall(str) #查找匹配的内容
num = int(*num) #由于返回的是个列表,解包并且转换成整数
return max(min(num,INT_MAX),INT_MIN) #返回值
一行实现
class Solution:
def myAtoi(self, s: str) -> int:
return max(min(int(*re.findall('^[\+\-]?\d+', s.lstrip())), 2**31 - 1), -2**31)
9.总结
- 正则表达式比较简单直接,暴力,有效
- 需要非常熟悉re特殊字符的用法和re方法的使用
- 处理字符串很方便快捷
- 按照要求处理字符串,能有算法实现就用算法实现,re模块用的熟练也可以直接用
10. 参考链接
http://c.biancheng.net/view/7768.html
https://leetcode-cn.com/problems/string-to-integer-atoi/solution/python-1xing-zheng-ze-biao-da-shi-by-knifezhu/
如有侵权,联系删除,谢谢。