Python正则表达式
正则表达式是字符串处理的有力工具,比字符串自身提供的方法提供了更强大的处理功能。
例如判断一个字符串是否是合法的Email地址,可以通过构造一个规则(正则表达式),去判断字符串是否能够匹配。
一、简介
正则表达式,又称正规表示式、正规表示法、正规表达式、规则表达式、常规表示法(英语:Regular Expression,在代码中常简写为regex、regexp或RE),计算机科学的一个概念。
正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。
在很多文本编辑器里,正则表达式通常被用来检索、替换那些匹配某个模式的文本。
二、正则表达式语法
正则表达式由元字符及其不同组合来构成,通过巧妙地构造正则表达式可以匹配任意字符串,并完成查找、替换、分隔等复杂的字符串处理任务。
三、re模块
Python通过re模块提供对正则表达式的支持。
使用re的一般步骤是先将正则表达式的字符串形式编译为Pattern实例
然后使用Pattern实例处理文本并获得匹配结果(一个Match实例)
最后使用Match实例获得信息,进行其他的操作。
re.match函数
re.match 尝试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)
匹配成功re.match方法返回一个匹配的对象
使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。
re.search方法
re.search 扫描整个字符串并返回第一个成功的匹配
re.search(pattern, string, flags=0)
re.match与re.search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。
compile 函数
compile 函数用于编译正则表达式,生成一个正则表达式( Pattern )对象,供 match() 和 search() 这两个函数使用。
re.compile(pattern[, flags])
findall
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。
注意: match 和 search 是匹配一次 findall 匹配所有。
findall(string[, pos[, endpos]])
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。
re.finditer
在字符串中找到正则表达式所匹配的所有子串,并把它们作为一个迭代器返回。
re.finditer(pattern, string, flags=0)
re.split
split 方法按照能够匹配的子串将字符串分割后返回列表,它的使用形式如下:
re.split(pattern, string[, maxsplit=0, flags=0])
四、re处理字符串
import re #导入re模块
text = ‘alpha. beta…gamma delta’ #测试用的字符串
re.split(’[. ]+’, text) #使用指定字符作为分隔符进行分隔
[‘alpha’, ‘beta’, ‘gamma’, ‘delta’]
re.split(’[. ]+’, text, maxsplit=2) #最多分隔2次
[‘alpha’, ‘beta’, ‘gamma delta’]
re.split(’[. ]+’, text, maxsplit=1) #最多分隔1次
[‘alpha’, ‘beta…gamma delta’]
pat = ‘[a-zA-Z]+’
re.findall(pat, text) #查找所有单词
[‘alpha’, ‘beta’, ‘gamma’, ‘delta’]
贪婪 vs 不贪婪
当重复一个正则表达式时,如用 a*,操作结果是尽可能多地匹配模式。 .* 的本质是“贪婪”的
在这种情况下,解决方案是使用不贪婪的限定符 *?、+?、?? 或 {m,n}?,尽可能匹配小的文本。
正则表达式集锦
最简单的正则表达式是普通字符串,可以匹配自身
‘[pjc]ython’可以匹配’python’、‘jython’、‘cython’
'[a-zA-Z0-9]'可以匹配一个任意大小写字母或数字
'[^abc]‘可以一个匹配任意除’a’、‘b’、'c’之外的字符
'python|perl’或’p(ython|erl)‘都可以匹配’python’或’perl’
子模式后面加上问号表示可选。r’(http://)?(www.)?python.org’只能匹配’http://www.python.org’、‘http://python.org’、‘www.python.org’和’python.org’
'^http’只能匹配所有以’http’开头的字符串
(pattern)*:允许模式重复0次或多次
(pattern)+:允许模式重复1次或多次
(pattern){m,n}:允许模式重复m~n次
‘(a|b)*c’:匹配多个(包含0个)a或b,后面紧跟一个字母c。
‘ab{1,}’:等价于’ab+’,匹配以字母a开头后面带1个至多个字母b的字符串。
'1{1}([a-zA-Z0-9.]){4,19}$’:匹配长度为5-20的字符串,必须以字母开头并且可带字母、数字、“”、“.”的字符串。
‘^(\w){6,20}$’:匹配长度为6-20的字符串,可以包含字母、数字、下划线。
‘^\d{1,3}.\d{1,3}.\d{1,3}.\d{1,3}$’:检查给定字符串是否为合法IP地址。
‘^(13[4-9]\d{8})|(15[01289]\d{8})$’:检查给定字符串是否为移动手机号码。
‘2+$’:检查给定字符串是否只包含英文字母大小写。
‘^\w+@(\w+.)+\w+$’:检查给定字符串是否为合法电子邮件地址。
r’(\w)(?!.*\1)’:查找字符串中每个字符的最后一次出现。
r’(\w)(?=.*\1)’:查找字符串中所有重复出现的字符。