目录
正则表达式的概念
正则表达式(Regular Expression)是一个定义搜索模式的字符序列。
在做文字处理或编写程序时,若需要用到查找、替换等功能时,可以使用正则表达式来简单便捷地完成目标。
简单而言,正则表达式通过使用一些特殊符号,使得使用者可以方便轻松地实现查找、删除、替换等功能。
正则表达式常用操作符
操作符 | 说明 | 实例 |
---|---|---|
. | 表示任何单个字符 | |
[ ] | 字符集,对单个字符给出取值范围 | [abc] 表示a、b、c,[a‐z]表示a到z单个字符 |
[^ ] | 非字符集,对单个字符给出排除范围 | [^abc] 表示非a或b或c的单个字符 |
* | 前一个字符0次或无限次扩展 | abc* 表示ab、abc、abcc、abccc等 |
+ | 前一个字符1次或无限次扩展 | abc+ 表示abc、abcc、abccc等 |
? | 前一个字符0次或1次扩展 | abc? 表示ab、abc |
| | 左右表达式任意一个 | abc|def 表示abc、def |
{m} | 扩展前一个字符m次 | ab{2}c 表示abbc |
{m,n} | 扩展前一个字符m至n次(含n) | ab{1,2}c 表示abc、abbc |
^ | 匹配字符串开头 | ^abc 表示abc且在一个字符串的开头 |
$ | 匹配字符串结尾 | abc$ 表示abc且在一个字符串的结尾 |
( ) 分组标记,内部只能使用| 操作符 | (abc) 表示abc,(abc|def) 表示abc、def | |
\d | 数字,等价于[0‐9] | |
\w | 单词字符,等价于[A‐Za‐z0‐9_] |
正则表达式语法实例
正则表达式 | 对应字符串 |
---|---|
P(Y|YT|YTH|YTHO)?N | ‘PN’、‘PYN’、‘PYTN’、‘PYTHN’、‘PYTHON’ |
PYTHON+ | ‘PYTHON’、‘PYTHONN’、‘PYTHONNN’ … |
PY[TH]ON | ‘PYTON’、‘PYHON’ |
PY[^TH]?ON | ‘PYON’、‘PYaON’、‘PYbON’、‘PYcON’… |
PY{:3}N | ‘PN’、‘PYN’、‘PYYN’、‘PYYYN’… |
Re库的主要函数
函数 (点击进入详情) | 说明 |
---|---|
re.search() | 在一个字符串中搜索匹配正则表达式的第一个位置,返回match对象 |
re.match() | 从一个字符串的开始位置起匹配正则表达式,返回match对象 |
re.findall() | 搜索字符串,以列表类型返回全部能匹配的子串 |
re.split() | 将一个字符串按照正则表达式匹配结果进行分割,返回列表类型 |
re.finditer() | 搜索字符串,返回一个匹配结果的迭代类型,每个迭代元素是match对象 |
re.sub() | 在一个字符串中替换所有匹配正则表达式的子串,返回替换后的字符串 |
正则表达式的表示类型
方式1:raw string类型(原生字符串类型)
函数式用法:一次性操作
re库采用raw string类型表示正则表达式,表示为:r 'text'
,raw string是不包含对转义符再次转义的字符串。
例如: r'[1‐9]\d{5}'
r'\d{3}‐\d{8}|\d{4}‐\d{7}'
方式2:正则表达式对象
面向对象用法:编译后的多次操作
regex = re.compile(pattern, flags=0)
,输入参数含义见链接
其中,regex为正则表达式对象
两种方法对比举例
>>> # 方法1:函数式用法:一次性操作
>>> rst = re.search(r'[1‐9]\d{5}', 'BIT 100081')
>>> # 方法2:面向对象用法:编译后的多次操作
>>> pat = re.compile(r'[1‐9]\d{5}')
>>> rst = pat.search('BIT 100081')
match对象介绍
Match对象是一次匹配的结果,包含匹配的很多信息
>>> match = re.search(r'[1‐9]\d{5}', 'BIT 100081')
>>> if match:
print(match.group(0))
100081
>>> type(match)
<class '_sre.SRE_Match'>
属性
属性 | 说明 |
---|---|
.string | 待匹配的文本 |
.re | 匹配时使用的patter对象(正则表达式) |
.pos | 正则表达式搜索文本的开始位置 |
.endpos | 正则表达式搜索文本的结束位置 |
方法
方法 | 说明 |
---|---|
.group(0) | 获得匹配后的字符串 |
.start() | 匹配字符串在原始字符串的开始位置 |
.end() | 匹配字符串在原始字符串的结束位置 |
.span() | 返回(.start(), .end()) |
应用举例
Re库的贪婪匹配与最小匹配
引例
对于 同时匹配长短不同的多项 的情况,该返回哪一个呢?
- Re库默认采用贪婪匹配,即输出匹配最长的子串
>>> match = re.search(r'PY.*N', 'PYANBNCNDN')
>>> match.group(0)
'PYANBNCNDN'
- 如何输出最短的子串呢?
>>> match = re.search(r'PY.*?N', 'PYANBNCNDN')
>>> match.group(0)
'PYAN'
最小操作符
操作符 | 说明 |
---|---|
*? | 前一个字符0次或无限次扩展,最小匹配 |
+? | 前一个字符1次或无限次扩展,最小匹配 |
?? | 前一个字符0次或1次扩展,最小匹配 |
{m,n}? | 扩展前一个字符m至n次(含n),最小匹配 |
- 只要长度输出可能不同的,都可以通过在操作符后增加
?
变成最小匹配
资料来源于:中国大学mooc