Python正则式初探

最新推荐文章于 2024-04-24 13:35:29 发布

yidao620

最新推荐文章于 2024-04-24 13:35:29 发布

阅读量94

点赞数

分类专栏： Python 文章标签： python

本文链接：https://blog.csdn.net/yidao620/article/details/84484073

版权

Python 专栏收录该内容

5 篇文章 0 订阅

订阅专栏

先介绍下最常见的元字符metacharacter：

literal 匹配字符串的值 foo

re1|re2 匹配正则式re1或re2 foo|bar

. 匹配一个任何字符（换行符除外） b.b

^ 匹配字符串开始 ^Dear

$ 匹配字符串结束 /bin/*sh$

* 匹配前面出现的零次或多次 [A-Za-z0-9]*

+ 匹配前面出现的一次或多次 [a-z]+\.com

? 匹配前面出现的零次或一次 goo?

{N} 匹配前面出现的正则式N次 [0-9]{3}

{M,N} 匹配前面出现的M次到N次 [0-9]{5,9}

[...] 匹配字符组里出现任意一个字符 [aeiou]

[...x-y...] 匹配从字符x到y中的任意一个字符 [A-Za-z]

[^...] 匹配不在字符集中的任意一个字符 [^A-Za-z]

(*|+|?|{})? 用于上面出现的任何“非贪婪”版本重复匹配次数 .*?[a-z]

(...) 匹配封闭括号中的正则式，并保存为子组 ([0-9]{3})?

接下来再介绍几个特殊字符：

\d 匹配任何一个数字字符，和[0-9]一样，\D是\d的反义词，表示任何一个非数字字符 data\d+\.txt

\w 匹配任何一个数字字母下划线字符，和[A-Za-z0-9_]相同，\W跟\w相反 [A-Za-z_]\w+

\s 匹配任何一个空白符，和[\n\t\r\v\f ]相同， \S是\s的反义

\b 匹配单词边界，\B是\b的反义 \bThe\b

\nn 匹配已保存的子组 price:\16

\c 逐一匹配特殊字符c，即取消它的特殊含义，按字面匹配 \. \\, \*

\A(\Z) 匹配字符串的起始(结束)，跟^$是意义一样

再用一张图解释全部：

★ re.compile(strPattern[, flag]):

这个方法是Pattern类的工厂方法，用于将字符串形式的正则表达式编译为Pattern对象。

第二个参数flag是匹配模式，取值可以使用按位或运算符'|'表示同时生效，比如re.I | re.M。

另外，你也可以在regex字符串中指定模式，

比如re.compile('pattern', re.I | re.M)与re.compile('(?im)pattern')是等价的。

可选值有：

re.I(全拼：IGNORECASE): 忽略大小写（括号内是完整写法，下同）

re.M(全拼：MULTILINE): 多行模式，改变'^'和'$'的行为（参见上图）

re.S(全拼：DOTALL): 点任意匹配模式，改变'.'的行为

re.L(全拼：LOCALE): 使预定字符类 \w \W \b \B \s \S 取决于当前区域设定

re.U(全拼：UNICODE): 使预定字符类 \w \W \b \B \s \S \d \D 取决于unicode定义的字符属性

re.X(全拼：VERBOSE): 详细模式。这个模式下正则表达式可以是多行，忽略空白字符，并可以加入注释。

解释下“非贪婪”匹配?

当表示重复次数的元字符(*+?{m,n})单独使用时会尽量吸收更多的字符，一直吸到不匹配为止，榨干你丫的。哈哈哈。

而上面的(*+?{m,n})后面接了?后，就表示非贪婪匹配，匹配最短的，留下尽可能多的字符给后面的模式(如果存在)。

使用compile()编译正则表达式后，将正则式模式编译成regex对象，以后重复使用这个对象的时候可以提升执行的性能。

m = re.match('\w\w\w-\d\d\d', 'abc-123')
if m is not None:
    print(m.group())
m = re.match('\w+\w+\w+-\d\d\d', 'abc-123')
if m is not None:
    print(m.group())
m = re.match('\w+?\w+?\w+?-\d\d\d', 'abc-123')
if m is not None:
    print(m.group())

哥原本以为那啥\w+会做贪婪匹配，弄的后面的两个\w+没得匹配，但是三个结果都一样啊。神马原因？

请看下面的：

m = re.match(r'(\w+)(\w+)(\w+)-\d\d\d', 'abcdefgh-123')
if m is not None:
    print(m.group())
    print(m.group(1))
    print(m.group(2))

输出：

abcdefgh-123

abcdef

贪婪算法是：我前面的尽可能多的匹配更多，但是我会保证后面的也能匹配的前提下，自己捞的越多越好，这个就跟贪官一样，反正我给后面的那些平民百姓保本的东西，让他们饿不死就行，自己捞的越多越好，真他吗的黑心啊。

所以第一组中的(\w+)匹配了abcdef，留下两个gh给后面去抢。每人分一个，最小满足后面的。

来来来，再看几个例子：

import re
__author__ = 'Xiong Neng'

# group示例
data = 'Thu'
patt1 = r'^(\w{3})'
m = re.match(patt1, data)
print(m.group(1))
patt2 = r'^(\w){3}'
m = re.match(patt2, data)
print(m.group(1))

# 贪婪匹配
data = "Sat Mar 21 09:20:57 2009::spiepu@ovwdmrnuw.com::1237598457-6-9"
# 获取最后的那三个连字符连起来的三个数，
# 搜索比匹配更合适，因为不在开头
patt = r'\d+-\d+-\d+'
print(re.search(patt, data).group())  # 打印出  1237598457-6-9
# 使用匹配，必须用到group
patt = r'.+(\d+-\d+-\d+)'
print(re.match(patt, data).group(1))  # 打印出  7-6-9，知道贪婪的厉害了吧。哈哈
# 接下来使用非贪婪操作符?
patt = r'.+?(\d+-\d+-\d+)'
print(re.match(patt, data).group(1))  # 打印出  1237598457-6-9
# 只获取三个数的中间那个数字：
patt = r'-(\d+)-'
print(re.search(patt, data).group())   # 打印-6-
print(re.search(patt, data).group(1))  # 打印6

# 建议阅读Jeffrey E. F. Friedl编写的《精通正则表达式》（Mastering Regular Expression）

最后是几个小练习：

# 匹配所有整形字符串
patt = r'\d+'
# 匹配长整形
patt = r'\d+[lL]'
# 匹配浮点型
patt = r'(-?(\d+\.\d*|\d*\.\d+))([eE]-?\d+)?'
print(re.match(patt, '-.2e-22').group())
print(re.match(patt, '23.23056e-23').group())
# 匹配所有复数
patt = r'(-?(\d+\.\d*|\d*\.\d+))([eE]-?\d+)?\s*[+-]\s*(\d+\.\d*|\d*\.\d+)([eE]-?\d+)?[jJ]'
print(re.match(patt, '-.2e-22   -   32.E21J').group())
print(-.2e-22    -    32.E21J)

本人博客已搬家，新地址为：http://www.pycoding.com/

yidao620

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
Python正则式初探

先介绍下最常见的元字符metacharacter：literal 匹配字符串的值 foore1|re2 匹配正则式re1或re2 foo|bar. 匹配一个任何字符（换行符除外） b.b^ 匹配字符串开始 ^Dear$ 匹配字符串结束 ...
复制链接

扫一扫