Python中正则表达式简介

最新推荐文章于 2024-06-29 08:19:10 发布

叨陪鲤

最新推荐文章于 2024-06-29 08:19:10 发布

阅读量4.9k

点赞数 1

分类专栏： python爬虫文章标签： python 正则表达式

本文链接：https://blog.csdn.net/s2603898260/article/details/100067370

版权

我们在进行字符串处理的时候，希望按自定义的规则进行处理，我们将这些规则称为模式。我们使用正则表达式来表示这些规则。

一、什么是正则表达式

正则表达式就是表述字符排列的一套规则，它的功能非常强大，在实际项目中，但主要是用来处理某种特定格式的信息。

在python中，我们主要使用re模块来实现python的正则表达式功能。

二、正则表达式的基础知识

本节主要讲述正则表示如何去写，我们将分别从原子、元字符、模式修改、贪婪模式和懒惰模式等方面进行介绍。关于正则表达式的使用则在下一小节中详细介绍。

1. 原子

原子是正则表达式中的基本组成单元，每一个正则表达式中至少包含一个原子，常见的原子种类有以下几种：

普通字符作为原子。

非打印字符作为原子。

通用字符作为原子。

原子表。

接下来我们分别对这几类进行详细介绍。

1）普通字符作为原子

普通字符主要指得是字母、数据、下划线。

我们可以使用普通字符组成的正则表达式去查找相应的字符。例如我们的正则表达式为”python”，然后去字符串string中去寻找是否包含符合正则表达式的字符串(“python“)：

import re
pattern = "assd"
string = "C:\\Users\\root\\AppData\\Local\\Programs\\Python\\Python37-32" \
         "\\python.exe D:\\pycharm\\workspace\\spiderAnalysis\\AI_pie\\main.py"

result = re.search(pattern, string)
print(result)


<re.Match object; span=(56, 62), match='python'>
or
None

2）非打印字符作为原子

非打印字符主要指的是字符串中的控制字符，例如换行符，空格，tab等。

表2.1列出了几个常见的非打印字符及其含义

表2.1 非打印字符表
序号	符号	含义
1	\n	用于匹配一个换行符
2	\t	用于匹配一个制表符
3

Pycharm中，如果想通过回车实现换行的话，实际在字符串中是没有换行符”\n”的，因为它是通过拼接实现的，自动把换行符给去掉了。

pattern = '\n'
string = "C:\\Users\\root\\AppData\\Local\nPrograms\\Python\\Python37-32" \
         "\\python.exe D:\\pycharm\\workspace\\spiderAnalysis\\AI_pie\\main.py"
result = re.search(pattern, string)
#print(string)
#print(result)

'''
C:\\Users\root\AppData\Local
Programs\Python\Python37-32\python.exe D:\pycharm\workspace\spiderAnalysis\AI_pie\main.py
<re.Match object; span=(27, 28), match='\n'>
'''

3）通用字符作为原子

接下来介绍通用字符。

所谓通用字符指的是，一个原子可以匹配一类字符。

这在实际项目中非常有用。常见的通用字符及其含义如下表：

表2.2 常见的通用字符及其含义
序号	符号		含义
1	\w	匹配任意一个字母、数字、下划线
2	\W	匹配除了字符数字下划线的其他一个字符
3	\d	匹配一个十进制