常见问题
我们在工作中的项目经常遇到需要从文件内容中提取符合特定规则的信息,用正则表达式刚好可以解决,之前也零星学过一点,正好借此机会,做个记录,方便自己后续查看
正则表达式
正则表达式是一个特殊的字符序列,它能帮助你方便的检查一个字符串是否与某种模式匹配。英语:Regular Expression,在代码中常简写为regex、regexp或RE)
常用语法介绍
下面列出的模式仅为一些比较常用的模式规则,能记住常用的几个就行,不记得的等用到的时候再去百度也行
模式 | 描述 |
---|---|
^ | 从字符串开头开始匹配 |
$ | 从字符串末尾开始匹配 |
. | 匹配任意字符,除了换行符 |
re* | 匹配*号前面0个或多个的表达式 |
re? | 匹配0个或1个由前面的正则表达式定义的片段,非贪婪方式 |
re+ | 匹配+号前面1个或多个的表达式。 |
a | b |
() | 表示分组,匹配小括号内的表达式 |
[] | 表示一组字符,中括号内的字符为或的关系,均可被匹配到 |
{} | 匹配大括号前的表达式,具体匹配次数由大括号里的数字指定 |
\w | 匹配数字字母下划线 |
\W | 匹配非数字字母下划线 |
\s | 匹配任意空白字符,等价于 [\t\n\r\f]。 |
\S | 匹配任意非空字符 |
\d | 匹配任意数字,等价于 [0-9]。 |
\D | 匹配任意非数字 |
\A | 匹配字符串开始 |
\Z | 匹配字符串结束,如果是存在换行,只匹配到换行前的结束字符串。 |
\z | 匹配字符串结束 |
re模块的使用介绍
简介
re.function(pattern[, flags])
pattern: 匹配的正则表达式
flags:可选参数,代表匹配模式,有以下几种可选
修饰符 | 解释 |
---|---|
re.I | 忽略大小写 |
re.L | 表示特殊字符集\w, \W, \b, \b依赖于当前环境 |
re.M | 多行匹配,影响 ^ 和 $ |
re.S | 使 . 匹配包括换行在内的所有字符 |
re.U | 根据Unicode字符集解析字符。这个标志影响 \w, \W, \b, \B. |
re.X | 为了增加可读性,忽略空格 和 #号后面的注释 |
match 函数介绍
-
从字符串的起始位置匹配一个模式,如果不是起始位置匹配成功的话,match()就返回none。
re.match(pattern, string, flags=0)
-
参数 解释 pattern 匹配的正则表达式 string 要匹配的字符串。 flags 标志位,用于控制正则表达式的匹配方式,如:是否区分大小写,多行匹配等等 #!/usr/bin/python# 示例一 import reprint(re.match('www', 'www.baidu.com').span()) # 在起始位置匹配print(re.match('com', 'www.baidu.com')) # 不在起始位置匹配# 输出结果如下:(0, 3)None# 示例二line = "Cats are smarter than dogs"# .* 表示任意匹配除换行符(\n、\r)之外的任何单个或多个字符# (.*?) 表示"非贪婪"模式,只保存第一个匹配到的子串matchObj = re.match( r'(.*) are (.*?) .*', line, re.M|re.I) if matchObj: print("matchObj.group() : ", matchObj.group()) print("matchObj.group(1) : ", matchObj.group(1)) print("matchObj.group(2) : ", matchObj.group(2))else: print ("No match!!")# 输出结果如下:matchObj.group() : Cats are smarter than dogsmatchObj.group(1) : CatsmatchObj.group(2) : smarter
search 函数介绍
-
搜索字符串中的匹配项,如果存在匹配则返回 Match 对象。如果有多个匹配,则仅返回首个匹配项, 如果未找到匹配,则返回值 None
re.search(pattern, string, flags=0)
-
参数 解释 pattern 匹配的正则表达式 string 要匹配的字符串。 flags 标志位,用于控制正则表达式的匹配方式,如:是否区分大小写,多行匹配等等 -
我们可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。
匹配对象方法 解释 group(num=0) 匹配的整个表达式的字符串,group() 可以一次输入多个组号,在这种情况下它将返回一个包含那些组所对应值的元组。 groups() 返回一个包含所有小组字符串的元组,从 1 到 所含的小组号。 -
# 示例如下#!/usr/bin/python3 import re# 示例一print(re.search('www', 'www.baidu.com').span()) # 在起始位置匹配print(re.search('com', 'www.baidu.com').span()) # 不在起始位置匹配# 输出结果如下:(0, 3)(10, 13)# 示例二str1 = "Cats are smarter than dogs"searchObj = re.search( r'(.*) are (.*?) .*', str1, re.M|re.I)if searchObj: print("searchObj.group() : ", searchObj.group()) print("searchObj.group(1) : ", searchObj.group(1)) print("searchObj.group(2) : ", searchObj.group(2))else: print("Nothing found!!")# 输出结果如下:searchObj.group() : Cats are smarter than dogssearchObj.group(1) : CatssearchObj.group(2) : smarter
-
和march的区别
re.match 只匹配字符串的开始,如果字符串开始不符合正则表达式,则匹配失败,函数返回 None,而 re.search 匹配整个字符串,直到找到一个匹配
findall 函数介绍
-
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, findall 匹配所有。
re.findall(pattern, string, flags=0) 或者
pattern.findall(string[, pos[, endpos]])
-
参数 解释 pattern 匹配模式 string 待匹配的字符串 pos 可选参数,指定字符串的起始位置,默认为 0 endpos 可选参数,指定字符串的结束位置,默认为字符串的长度 -
# 示例如下import re result1 = re.findall(r'\d+','python 123 python 456') pattern = re.compile(r'\d+') # 查找数字result2 = pattern.findall('python 123 python 456')result3 = pattern.findall('py88thon123python456', 0, 10) print(result1)print(result2)print(result3)# 输出结果如下:['123', '456']['123', '456']['88', '12']
结尾
如果觉得这篇文章还不错的话,欢迎点击文章右下角的“在看”, 期待您关注我的公众号 Python欢乐时光,转发给你身边有需要的朋友们。谢谢大家!