1. 正则表达式到底是什么?
我们通常在编写处理字符串的程序或网页时,经常会有查找符合某些复杂规则的字符串的需要。正则表达式就是用于描述这些规则的工具。换句话说,正则表达式就是记录文本规则的代码。
字符是计算机软件处理文字时最基本的单位,可能是字母,数字,标点符号,空格,换行符,汉字等等。字符串是0个或更多字符的序列。文本也就是文字,字符串。说某个字符串匹配某个正则表达式,通常是指这个字符串里有一部分(或几部分分别)能满足表达式给出的条件。
2. 正则表达式在python中
(1). re模块在古老的Python1.5版本中引入,用于替换那些已过时的regex模块和regsub模块–这两个模块在Python2.5版中移除,而且此后导入这两个模块中的任意一个都会触发ImportError异常。
(2). re模块支持更强大而且更通用的Perl风格(Perl 5风格)的正则表达式,该模块允许多个线程共享一个已编译的正则表达式对象,也支持命名子组。
- re模块的使用
# 导入re模块
import re
# 使用match 方法进行匹配操作
result = re.match(正则表达式,要匹配的字符串)
# 如果上一步匹配到数据的话, 可以使用group 方法来提取数据
result.group
- re模块示例(匹配baidu开头的语句)
import re
result = re.match("baidu", "baidu.com")
result.group()
运行结果为:
baidu
说明: re.match()能够匹配出以XXX开头的字符串
- 匹配单个字符
字符 | 功能 |
---|---|
. | 匹配任意1个字符(除了\n) |
[ ] | 匹配[ ]中列举的字符 |
\d | 匹配数字,即0-9 |
\D | 匹配非数字,即不是数字 |
\s | 匹配空白,即 空格,tab键 |
\S | 匹配非空白 |
\w | 匹配单词字符,即a-z、A-Z、0-9、_ |
\W | 匹配非单词字符 |
示例:
import re
ret = re.match("." ,"M")
print(ret.group())
ret = re.match("t.o","too")
print(ret.group())
ret = re.match("t.o", "two")
print(ret.group)
运行结果:
M
too
two
- 匹配多个字符
字符 | 功能 |
---|---|
* | 匹配前一个字符出现0次或者无限次,即可有可无 |
+ | 匹配前一个字符出现1次或者无限次,即至少有1次 |
? | 匹配前一个字符出现1次或者0次,即要么有1次,要么没有 |
{m} | 匹配前一个字符出现m次 |
{m,n} | 匹配前一个字符出现从m到n次 |
import re
# 使用*匹配
ret = re.match("[A_Z][a-z]*","Aabcdef")
print(ret.group)
# 使用+匹配
ret = re.match("[a-z]+","name")
print(ret.group)
# 使用? 匹配
ret = re.match("[1-9]?\d","33")
print(ret.group())
# 使用{m}
ret = re.match("[a-zA-Z0-9_]{6}","12a3g45678")
print(ret.group())
运行结果:
Aabcdef
33
12a3g4
- 匹配开头结尾
字符 | 功能 |
---|---|
^ | 匹配字符串开头 |
$ | 匹配字符串结尾 |
示例1:$ 需求:匹配163.com的邮箱地址
email_list = ["xiaoWang@163.com", "xiaoWang@163.comheihei", ".com.xiaowang@qq.com"]
for email in email_list:
ret = re.match("[\w]{4,20}@163\.com$", email)
if ret:
print("%s 是符合规定的邮件地址,匹配后的结果是:%s" % (email, ret.group()))
else:
print("%s 不符合要求" % email)
运行结果:
xiaoWang@ 163.com 是符合规定的邮件地址,匹配后的结果是: xiaoWang@ 163.com
xiaoWang@ 163.comheihei 不符合要求
.com.xiaowang@ qq.com 不符合要求
- 匹配分组
字符 | 功能 |
---|---|
(ab) | 将括号中字符作为一个分组 |
\num | 引用分组num匹配到的字符串 |
(?P<name>) | 分组起别名 |
(?P=name) | 引用别名为name分组匹配到的字符串 |
- re模块的高级用法-search
# 需求:匹配出文章阅读的次数
import re
ret = re.search(r"\d+", "阅读次数为 9999")
ret.group()
运行结果:
‘9999’
- re模块的高级用法-findall
# 需求:统计出python、c、C++相应文章阅读的次数
import re
ret = re.findall(r"\d", "python = 9999, c= 7890, c++ = 12345") # findall 以列表的形式返回
print(ret)
运行结果:
[‘9999’, ‘7890’, ‘12345’]
- re模块的高级用法-sub
将匹配到的数据进行替换
# 需求:将匹配到的阅读次数加1
import re
ret = re.sub(r"\d+", "998", "python = 997")
print(ret)
运行结果:
python = 998
- re模块高级用法-split
根据匹配进行切割字符串,并返回一个列表
# 需求:切割字符串“info:xiaoZhang 33 shangdong”
import re
ret = re.split(r":|", "info:xiaoZhang 33 shandong")
print(ret)
运行结果:
[‘info’, ‘xiaoZhang’, ‘33’, ‘shandong’]
python贪婪和非贪婪
python里数量词默认是贪婪的(在少数语言里也可能是默认非贪婪),总是尝试匹配尽可能多的字符;
非贪婪则相反,总是尝试匹配尽可能少的字符。
在”*”,”?”,”+”,”{m,n}”后面加上?,使贪婪变成非贪婪。
>>> s="This is a number 234-235-22-423"
>>> r=re.match(".+(\d+-\d+-\d+-\d+)",s)
>>> r.group(1)
'4-235-22-423'
>>> r=re.match(".+?(\d+-\d+-\d+-\d+)",s)
>>> r.group(1)
'234-235-22-423'
>>>
- r的作用
Python中字符串前面加上 r 表示原生字符串。解决正则表达式里使用“\”作为转义字符的问题
>>> ret = re.match(r"c:\\a",mm).group()
>>> print(ret)
结果:
c:\a