欢迎光临~扬州用友(畅捷通)软件--专业网络软件开发服务商-扬州七龙网络科技有限公司
  咨询电话:15952766660

python

正则表达式

正则表达式

Tedu Python 教学部

Author:吕泽

动机

简介

元字符使用

普通字符

或关系

匹配单个字符

匹配字符集

匹配字符集反集

匹配字符串开始位置

匹配字符串的结束位置

匹配字符重复

匹配任意(非)数字字符

匹配任意(非)普通字符

匹配任意(非)空字符

匹配开头结尾位置

匹配(非)单词的边界位置

正则表达式的转义

贪婪模式和非贪婪模式

正则表达式分组

正则表达式匹配原则

Python re模块使用

match对象的属性方法

flags参数扩展

动机

文本处理已经成为计算机常见工作之一


对文本内容的搜索,定位,提取是逻辑比较复杂的工作


为了快速方便的解决上述问题,产生了正则表达式技术


简介

定义

即文本的高级匹配模式,提供搜索,替换等功能。其本质是由一系列字符和特殊符号构成的字串,这个字串即正则表达式。


原理

通过普通字符和有特定含义的字符,来组成字符串,用以描述一定的字符串规则,比如:重复,位置等,来表达某类特定的字符串,进而匹配。


目标

熟练掌握正则表达式元字符


能够读懂常用正则表达式,编辑简单的正则规则


能够熟练使用re模块操作正则表达式


元字符使用

普通字符

匹配规则:每个普通字符匹配其对应的字符

e.g.

In : re.findall('ab',"abcdefabcd")

Out: ['ab', 'ab']

注意事项:正则表达式在python中也可以匹配中文

或关系

元字符: |


匹配规则: 匹配 | 两侧任意的正则表达式即可


e.g.

In : re.findall('com|cn',"www.baidu.com/www.tmooc.cn")

Out: ['com', 'cn']


匹配单个字符

元字符: .


匹配规则:匹配除换行外的任意一个字符


e.g.

In : re.findall('张.丰',"张三丰,张四丰,张五丰")

Out: ['张三丰', '张四丰', '张五丰']


匹配字符集

元字符: [字符集]


匹配规则: 匹配字符集中的任意一个字符


表达形式:


[abc#!好] 表示 [] 中的任意一个字符

[0-9],[a-z],[A-Z] 表示区间内的任意一个字符

[_#?0-9a-z] 混合书写,一般区间表达写在后面


e.g.

In : re.findall('[aeiou]',"How are you!")

Out: ['o', 'a', 'e', 'o', 'u']

匹配字符集反集

元字符:[^字符集]


匹配规则:匹配除了字符集以外的任意一个字符


e.g.

In : re.findall('[^0-9]',"Use 007 port")

Out: ['U', 's', 'e', ' ', ' ', 'p', 'o', 'r', 't']

匹配字符串开始位置

元字符: ^


匹配规则:匹配目标字符串的开头位置


e.g.

In : re.findall('^Jame',"Jame,hello")

Out: ['Jame']

匹配字符串的结束位置

元字符: $


匹配规则: 匹配目标字符串的结尾位置


e.g.

In : re.findall('Jame$',"Hi,Jame")

Out: ['Jame']

规则技巧: ^ 和 $必然出现在正则表达式的开头和结尾处。如果两者同时出现,则中间的部分必须匹配整个目标字符串的全部内容。

匹配字符重复

元字符: *


匹配规则:匹配前面的字符出现0次或多次


e.g.

In : re.findall('wo*',"wooooo~~w!")

Out: ['wooooo', 'w']

元字符:+


匹配规则: 匹配前面的字符出现1次或多次


e.g.

In : re.findall('[A-Z][a-z]+',"Hello World")

Out: ['Hello', 'World']

元字符:?


匹配规则: 匹配前面的字符出现0次或1次


e.g. 匹配整数

In [28]: re.findall('-?[0-9]+',"Jame,age:18, -26")

Out[28]: ['18', '-26']

元字符:{n}


匹配规则: 匹配前面的字符出现n次


e.g. 匹配手机号码

In : re.findall('1[0-9]{10}',"Jame:13886495728")

Out: ['13886495728']


元字符:{m,n}


匹配规则: 匹配前面的字符出现m-n次


e.g. 匹配qq号

In : re.findall('[1-9][0-9]{5,10}',"Baron:1259296994") 

Out: ['1259296994']

匹配任意(非)数字字符

元字符: \d \D


匹配规则:\d 匹配任意数字字符,\D 匹配任意非数字字符


e.g. 匹配端口

In : re.findall('\d{1,5}',"Mysql: 3306, http:80")

Out: ['3306', '80']

匹配任意(非)普通字符

元字符: \w \W


匹配规则: \w 匹配普通字符,\W 匹配非普通字符


说明: 普通字符指数字,字母,下划线,汉字。


e.g.

In : re.findall('\w+',"server_port = 8888")

Out: ['server_port', '8888']

匹配任意(非)空字符

元字符: \s \S


匹配规则: \s 匹配空字符,\S 匹配非空字符


说明:空字符指 空格 \r \n \t \v \f 字符


e.g.

In : re.findall('\w+\s+\w+',"hello    world")

Out: ['hello    world']

匹配开头结尾位置

元字符: \A \Z


匹配规则: \A 表示开头位置,\Z 表示结尾位置


匹配(非)单词的边界位置

元字符: \b \B


匹配规则: \b 表示单词边界,\B 表示非单词边界


说明:单词边界指数字字母(汉字)下划线与其他字符的交界位置。


e.g.

In : re.findall(r'\bis\b',"This is a test.")

Out: ['is']

类别 元字符

匹配字符 . [...] [^...] \d \D \w \W \s \S

匹配重复 * + ? {n} {m,n}

匹配位置 ^ $ \A \Z \b \B

其他 | () \

正则表达式的转义

如果使用正则表达式匹配特殊字符则需要加 \ 表示转义。

特殊字符: . * + ? ^ $ [] () {} | \


e.g. 匹配特殊字符 . 时使用 \. 表示本身含义

In : re.findall('-?\d+\.?\d*',"123,-123,1.23,-1.23")

Out: ['123', '-123', '1.23', '-1.23']

在编程语言中,常使用原生字符串书写正则表达式避免多重转义的麻烦。

e.g.

python字符串  >    正则    >    目标字符串

"\\$\\d+"   解析为   \$\d+   匹配   "$100"


"\\$\\d+"  等同于  r"\$\d+"

贪婪模式和非贪婪模式

定义

贪婪模式: 默认情况下,匹配重复的元字符总是尽可能多的向后匹配内容。比如: * + ? {m,n}


非贪婪模式(懒惰模式): 让匹配重复的元字符尽可能少的向后匹配内容。


贪婪模式转换为非贪婪模式

在匹配重复元字符后加 '?' 号即可

*  :  *?

+  :  +?

?  :  ??

{m,n} : {m,n}?

e.g.

In : re.findall(r'\(.+?\)',"(abcd)efgh(higk)")

Out: ['(abcd)', '(higk)']

正则表达式分组

定义

在正则表达式中,以()建立正则表达式的内部分组,子组是正则表达式的一部分,可以作为内部整体操作对象。


作用

可以被作为整体操作,改变元字符的操作对象

e.g.  改变 +号 重复的对象

In : re.search(r'(ab)+',"ababababab").group()

Out: 'ababababab'


e.g. 改变 |号 操作对象

In : re.search(r'(王|李)\w{1,3}',"王者荣耀").group()

Out: '王者荣耀'

可以通过编程语言某些接口获取匹配内容中,子组对应的内容部分

e.g. 获取url协议类型

re.search(r'(https|http|ftp|file)://\S+',"https://www.baidu.com").group(1)


捕获组

可以给正则表达式的子组起一个名字,表达该子组的意义。这种有名称的子组即为捕获组。


格式:(?P<name>pattern)


e.g. 给子组命名为 "pig"

In : re.search(r'(?P<pig>ab)+',"ababababab").group('pig')

Out: 'ab'


注意事项

一个正则表达式中可以包含多个子组

子组可以嵌套,但是不要重叠或者嵌套结构复杂

子组序列号一般从外到内,从左到右计数



正则表达式匹配原则

正确性,能够正确的匹配出目标字符串.

排他性,除了目标字符串之外尽可能少的匹配其他内容.

全面性,尽可能考虑到目标字符串的所有情况,不遗漏.

Python re模块使用

参考代码day13/regex.py


 regex = compile(pattern,flags = 0)

 功能: 生产正则表达式对象

 参数: pattern  正则表达式

      flags  功能标志位,扩展正则表达式的匹配

 返回值: 正则表达式对象

 re.findall(pattern,string,flags = 0)

 功能: 根据正则表达式匹配目标字符串内容

 参数: pattern  正则表达式

      string 目标字符串

      flags  功能标志位,扩展正则表达式的匹配

 返回值: 匹配到的内容列表,如果正则表达式有子组则只能获取到子组对应的内容

 regex.findall(string,pos,endpos)

 功能: 根据正则表达式匹配目标字符串内容

 参数: string 目标字符串

      pos 截取目标字符串的开始匹配位置

      endpos 截取目标字符串的结束匹配位置

 返回值: 匹配到的内容列表,如果正则表达式有子组则只能获取到子组对应的内容

re.split(pattern,string,flags = 0)

功能: 使用正则表达式匹配内容,切割目标字符串

参数: pattern  正则表达式

     string 目标字符串

     flags  功能标志位,扩展正则表达式的匹配

返回值: 切割后的内容列表

 re.sub(pattern,replace,string,max,flags = 0)

 功能: 使用一个字符串替换正则表达式匹配到的内容

 参数: pattern  正则表达式

      replace  替换的字符串

      string 目标字符串

      max  最多替换几处,默认替换全部

      flags  功能标志位,扩展正则表达式的匹配

 返回值: 替换后的字符串

 re.subn(pattern,replace,string,max,flags = 0)

 功能: 使用一个字符串替换正则表达式匹配到的内容

 参数: pattern  正则表达式

      replace  替换的字符串

      string 目标字符串

      max  最多替换几处,默认替换全部

      flags  功能标志位,扩展正则表达式的匹配

 返回值: 替换后的字符串和替换了几处

参考代码day13/regex1.py


 re.finditer(pattern,string,flags = 0)

 功能: 根据正则表达式匹配目标字符串内容

 参数: pattern  正则表达式

      string 目标字符串

      flags  功能标志位,扩展正则表达式的匹配

 返回值: 匹配结果的迭代器

re.fullmatch(pattern,string,flags=0)

功能:完全匹配某个目标字符串

参数:pattern 正则

 string  目标字符串

返回值:匹配内容match object

re.match(pattern,string,flags=0)

功能:匹配某个目标字符串开始位置

参数:pattern 正则

 string  目标字符串

返回值:匹配内容match object

re.search(pattern,string,flags=0)

功能:匹配目标字符串第一个符合内容

参数:pattern 正则

 string  目标字符串

返回值:匹配内容match object

compile对象属性


【1】 pattern : 正则表达式

【2】 groups : 子组数量

【3】 groupindex : 捕获组名与组序号的字典

match对象的属性方法

参考代码day13/regex2.py


属性变量

pos 匹配的目标字符串开始位置

endpos 匹配的目标字符串结束位置

re 正则表达式

string 目标字符串

lastgroup 最后一组的名称

lastindex 最后一组的序号

属性方法

span() 获取匹配内容的起止位置


start() 获取匹配内容的开始位置


end() 获取匹配内容的结束位置


groupdict() 获取捕获组字典,组名为键,对应内容为值


groups() 获取子组对应内容


group(n = 0)


功能:获取match对象匹配内容

参数:默认为0表示获取整个match对象内容,如果是序列号或者组名则表示获取对应子组内容

返回值:匹配字符串



flags参数扩展

参考代码day13/flags.py


使用函数:re模块调用的匹配函数。如:re.compile,re.findall,re.search....


作用:扩展丰富正则表达式的匹配功能


常用flag


A == ASCII 元字符只能匹配ascii码


I == IGNORECASE 匹配忽略字母大小写


S == DOTALL 使 . 可以匹配换行


M == MULTILINE 使 ^ $可以匹配每一行的开头结尾位置


使用多个flag


方法:使用按位或连接

e.g. : flags = re.I | re.A

联系我们

QQ:274381

电 话:15952766660

微信:15952766660

邮 箱:webmaster@7hl.net

地 址:扬州市广陵区信息产业基地三号楼

用手机扫描二维码关闭
二维码