正则表达式
1.re模块
在Python中需要通过正则表达式对字符串进⾏匹配的时候,可以使⽤⼀个模
块,名字为re
1.1 re模块的使⽤过程
re模块示例
import re
result = re.match(r"python", "python.hello")
result.group()
输出结果:python
说明:re.match() 能够匹配出以xxx开头的字符串
1.2 匹配单个字符
1.3 匹配多个字符
1.4 匹配开头结尾
1.5 匹配分组
注:如果在正则表达式中需要用到了某些普通的字符,比如"."等,仅仅需要在他们前面添加一个反斜杠进行转义
2.re模块的⾼级⽤法
2.1 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()
# 输出结果:"9999"
2.2 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")
print(ret)
# 输出结果:['9999', '7890', '12345']
2.3 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
方法一:
import re
ret = re.sub(r"\d+", '998', "python = 997")
print(ret)
# 输出结果:python = 998
方法二:
import re
def add(temp):
strNum = temp.group()
num = int(strNum) + 1
return str(num)
ret = re.sub(r"\d+", add, "python = 997")
print(ret)
ret = re.sub(r"\d+", add, "python = 99")
print(ret)
# 输出结果:python = 998
python = 100
2.4 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 shandong”
import re
ret = re.split(r":| ","info:xiaoZhang 33 shandong")
print(ret)
# 输出结果:['info', 'xiaoZhang', '33', 'shandong']
3. 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).group(1)
print(r) # 输出结果:'4-235-22-423'
r = re.match(".+?(\d+-\d+-\d+-\d+)",s).group(1)
print(r) # 输出结果:'234-235-22-423'
正则表达式模式中使⽤到通配字,那它在从左到右的顺序求值时,会尽量“抓
取”满⾜匹配最⻓字符串,在我们上⾯的例⼦⾥⾯,“.+”会从字符串的启始处
抓取满⾜模式的最⻓字符,其中包括我们想得到的第⼀个整型字段的中的⼤
部分,“\d+”只需⼀位字符就可以匹配,所以它匹配了数字“4”,⽽“.+”则匹配
了从字符串起始到这个第⼀位数字4之前的所有字符。
解决⽅式:⾮贪婪操作符“?”,这个操作符可以⽤在"*","+","?"的后⾯,要求
正则匹配的越少越好。
4. r的作⽤
Python中字符串前⾯加上 r 表示原⽣字符串 ,
与⼤多数编程语⾔相同, 正则表达式⾥使⽤"\"作为转义字符 ,这就可能造成反
斜杠困扰。假如你需要匹配⽂本中的字符"\",那么使⽤编程语⾔表示的正则
表达式⾥将需要4个反斜杠"\\":前两个和后两个分别⽤于在编程语⾔⾥转义
成反斜杠,转换成两个反斜杠后再在正则表达式⾥转义成⼀个反斜杠。
Python⾥的原⽣字符串很好地解决了这个问题,有了原⽣字符串,你再也不
⽤担⼼是不是漏写了反斜杠,写出来的表达式也更直观。