python re 模块 正则表达式

python正则表达式

解释：正则作为处理字符串的一个实用工具，在Python中经常会用到，比如爬虫爬取数据时常用正则来检索字符串等等。正则表达式已经内嵌在Python中，通过导入re模块就可以使用。

一、re模块

第一：导入re模块

在使用正则表达式之前，需要导入re模块

import re

第二：使用使用findall（）语句

用法：

findall(正则表达式，目标字符串)

使用findall（）语句之后返回的结果是一个列表，列表中是符合正则要求的字符串。

二、正则表达式

1.字符串的匹配

（1）普通字符串

大多数的字母和字符都可以进行自身匹配

示例：

import re
a = "abc123+-*"
b = re.findall('abc',a)
print(b)

输出：

['abc']

（2）元字符

元字符指的是. ^ $ ? + {} \ []之类的特殊字符

1） []的使用方法

~常用来指定一个字符集

示例：

import re
s = "a123456b"
rule = "a[0-9][1-6][1-6][1-6][1-6][1-6]b"
l = re.findall(rule,s)
print(l)

输出：

['a123456b']

~可以表示一个范围

示例：

import re
s = "abcabcaccaac"
rule = "a[a,b,c]c"  # rule = "a[a-z0-9][a-z0-9][a-z0-9][a-z0-9]c"
l = re.findall(rule, s)
print(l)

输出：

['abc', 'abc', 'acc', 'aac']

~[] 内的元字符不起作用，只表示普通字符

示例：

import re
print(re.findall("caa[a，^]", "caa^bcabcaabc"))

输出：

['caa^']

2）^

^ 通常用来匹配行首

示例：

import re
print(re.findall("^abca", "abcabcabc"))

输出：

['abca']

3）$

$ 通常用来匹配行尾

示例：

import re
print(re.findall("abc$", "accabcabc"))

输出：

['abc']

4）\

反斜杠后面可以加不同的字符表示不同的特殊含义，常见的有以下3种：

~\d:匹配任何十进制数等价于[0-9]

示例：

import re
print(re.findall("c\d\d\da", "abc123abc"))

输出：

['c123a']

~\可以转义成普通字符

示例：

import re
print(re.findall("\^abc", "^abc^abc"))

输出：

['^abc', '^abc']

~\s匹配任何的空白字符

示例：

import re
print(re.findall("\s\s", "a     c"))

输出：

['  ', '  ']

~\w匹配任何字母数字和下划线，等价于[a-zA-Z0-9_]

示例：

import re
print(re.findall("\w\w\w", "abc12_"))

输出：

['abc', '12_']

5）{n}

{n}可以避免重复写，比如前面我们用\w时写了3次\w，而这里我们这需要用用上{n}就可以，n表示匹配的次数

示例：

import re
print(re.findall("\w{2}", "abc12_"))

输出：

['ab', 'c1', '2_']

6）*

*表示匹配零次或多次（尽可能的多去匹配）

示例:

import re
print(re.findall("010-\d*", "010-123456789"))

输出：

['010-123456789']

7） +

+表示匹配一次或多次

示例：

import re
print(re.findall("010-\d+", "010-123456789"))

输出：

['010-123456789']

8） .

.是个点，这里不是很明显，它用来操作除了换行符以外的任何字符

示例;

import re
print(re.findall(".", "010\n?!"))

输出：

['0', '1', '0', '?', '!']

9) ？

？表示匹配一次或零次

示例：

import re
print(re.findall("010-\d?", "010-123456789"))

输出：

['010-1']

10){m,n}

~m,n指的是十进制数,表示最少重复m次，最多重复n次

示例：

import re
print(re.findall("010-\d{3,5}", "010-123456789"))

输出：

['010-12345']

~加上？表示尽可能少的去匹配

示例：

import re
print(re.findall("010-\d{3,5}?", "010-123456789"))

输出：

['010-123']

{m,n}还有其他的一些灵活的写法，比如：

• {1,} 相当于前面提过的 + 的效果
• {0，1} 相当于前面提过的 ？ 的效果
• {0，} 相当于前面提过的 * 的效果

三、正则的使用

1.编译正则

在Python中，re模块可通过compile() 方法来编译正则，re.compile(正则表达式)

示例：

import re
s = "010-123456789"
rule = "010-\d*"
rule_compile = re.compile(rule) 
s_compile = rule_compile.findall(s)
print(s_compile)  # 打印compile()返回的对象是什么

输出:

['010-123456789']

2.正则对象的使用方法

正则对象的使用方法不仅仅是通过我们前面所介绍的 findall() 来使用，还可以通过其他的方法进行使用，效果是不一样的，这里我做个简单的总结：

（1）findall():找到re匹配的所有字符串，返回一个列表

（2）search():扫描字符串，找到这个re匹配的位置（仅仅是第一个查到的）

（3）match():决定re是否在字符串刚开始的位置（匹配行首）

示例：

s = "010-123456789"
rule = "010-\d*"
rule_compile = re.compile(rule)  
s_compile = rule_compile.match(s)
print(s_compile)  

输出：

<re.Match object; span=(0, 13), match='010-123456789'>

3.Match object 的操作方法

（1）group()：返回re匹配的字符串

（2）start()：返回匹配开始的位置

（3）end()：返回匹配结束的位置

（4）span():返回一个元组：（开始,结束）的位置
示例：

s = "010-123456789"
rule = "010-\d*"
rule_compile = re.compile(rule)  
s_compile = rule_compile.match(s)
print(s_compile.span()) 

输出：

(0, 13)

4.re模块的函数

re模块中除了上面介绍的findall()函数之外，还有其他的函数，来做一个介绍：

（1）findall()：根据正则表达式返回匹配到的所有字符串，这个我就不多说了，前面都是在介绍它。

（2）sub(正则,新字符串,原字符串)：sub() 函数的功能是替换字符串

示例:

s = "abcabcacc" 
l = re.sub("abc","ddd",s)   
print(l)

输出;

ddddddacc	

（3)subn(正则,新字符串,原字符串)
subn()的作用是替换字符串，并返回替换的次数

示例：

s = "abcabcacc"
l = re.subn("abc","ddd",s)   
print(l)

输出：

('ddddddacc', 2)

（4）split()
split()分割字符串

示例:

s = "abcabcacc"
l = re.split("b",s)
print(l)

输出：

['a', 'ca', 'cacc']

本章个人学习心得

本章正则表达式主要对象是针对的字符串，和之前的加减乘除运算有一定的出入。所以如果对课本书上的理论概念不太理解，一知半解。就将代码写出结合代码去理解正则表达式的作用。这样可能会事半功倍。