Python 全栈之路系列之正则表达式 re 模块

文章目录

正则表达式并不是 Python 的一部分。正则表达式是用于处理字符串的强大工具,拥有自己独特的语法以及一个独立的处理引擎,效率上可能不如 str 自带的方法,但功能十分强大。得益于这一点,在提供了正则表达式的语言里,正则表达式的语法都是一样的,区别只在于不同的编程语言实现支持的语法数量不同;但不用担心,不被支持的语法通常是不常用的部分。如果已经在其他语言里使用过正则表达式,只需要简单看一看就可以上手了。

正则表达式概念

  1. 使用单个字符串来描述匹配一系列符合某个句法规则的字符串
  2. 是对字符串操作的一种逻辑公式
  3. 应用场景:处理文本和数据
  4. 正则表示是过程:依次拿出表达式和文本中的字符比较,如果每一个字符都能匹配,则匹配成功;否则匹配失败

字符匹配

字符 描述
. 匹配任意一个字符(除了\n)
\d \D 数字/非数字
\s \S 空白/非空白字符
\w \W 单词字符[a-zA-Z0-9]/非单词字符
\b \B 单词边界,一个\w 与\W 之间的范围,顺序可逆/非单词边界
  • 匹配任意一个字符
 # 匹配字符串abc,.代表b
>>> re.match('a.c','abc').group()
'abc'
  • 数字与非数字
 # 匹配任意一数字
>>> re.match('\d','1').group()
'1'
# 匹配任意一个非数字
>>> re.match('\D','a').group()
'a'
  • 空白与非空白字符
 # 匹配任意一个空白字符
>>> re.match("\s"," ").group()
' '
# 匹配任意一个非空白字符
>>> re.match("\S","1").group()
'1'
>>> re.match("\S","a").group()
'a'
  • 单词字符与非单词字符

单词字符即代表[a-zA-Z0-9]

 # 匹配任意一个单词字符
>>> re.match("\w","a").group()
'a'
>>> re.match("\w","1").group()
'1'
# 匹配任意一个非单词字符
>>> re.match("\W"," ").group()
' '

次数匹配

字符 匹配
* 匹配前一个字符 0 次或者无限次
+ 匹配前一个字符 1 次或者无限次
? 匹配前一个字符 0 次或者 1 次
{m}/{m,n} 匹配前一个字符 m 次或者 N 次
*?/+?/?? 匹配模式变为贪婪模式(尽可能少匹配字符)
  • 介绍
字符 匹配
prev? 0 个或 1 个 prev
prev* 0 个或多个 prev,尽可能多地匹配
prev*? 0 个或多个 prev,尽可能少地匹配
prev+ 1 个或多个 prev,尽可能多地匹配
prev+? 1 个或多个 prev,尽可能少地匹配
prev{m} m 个连续的 prev
prev{m,n} m 到 n 个连续的 prev,尽可能多地匹配
prev{m,n}? m 到 n 个连续的 prev,尽可能少地匹配
[abc] a 或 b 或 c
[^abc] 非(a 或 b 或 c)
  • 匹配前一个字符 0 次或者无限次
 >>> re.match('[A-Z][a-z]*','Aaa').group()
'Aaa'
>>> re.match('[A-Z][a-z]*','Aa').group()
'Aa'
>>> re.match('[A-Z][a-z]*','A').group()
'A'
  • 匹配前一个字符 1 次或者无限次
 # 匹配前一个字符至少一次,如果一次都没有就会报错
>>> re.match('[A-Z][a-z]+','A').group()
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'
 >>> re.match('[A-Z][a-z]+','Aa').group()
'Aa'
>>> re.match('[A-Z][a-z]+','Aaaaaaa').group()
'Aaaaaaa'
  • 匹配前一个字符 0 次或者 1 次
 >>> re.match('[A-Z][a-z]?','A').group()
'A'
# 只匹配出一个a
>>> re.match('[A-Z][a-z]?','Aaaa').group()
'Aa'
  • 匹配前一个字符 m 次或者 N 次
 #匹配前一个字符至少5次
>>> re.match('\w{5}','asd234').group()
'asd23'
# 匹配前面的字符6-10次
>>> re.match('\w{6,10}','asd234').group()
'asd234'
# 超过的字符就匹配不出来
>>> re.match('\w{6,10}','asd2313qeadsd4').group()
'asd2313qea'
  • 匹配模式变为贪婪模式
 >>> re.match(r'[0-9][a-z]*','1bc').group()
'1bc'
# *?匹配0次或者多次
>>> re.match(r'[0-9][a-z]*?','1bc').group()
'1'
# +?匹配一次或者多次,但是只匹配了一次
>>> re.match(r'[0-9][a-z]+?','1bc').group()
'1b'
# ??匹配0次或者一次
>>> re.match(r'[0-9][a-z]??','1bc').group()
'1'

贪婪匹配和非贪婪匹配

边界匹配

字符 匹配
^ 匹配字符串开头
$ 匹配字符串结尾
\A \Z 指定的字符串必须出现在开头/结尾
  • 匹配字符串开头
 # 必须以指定的字符串开头,结尾必须是@163.com
>>> re.match('^[\w]{4,6}@163.com$','asdasd@163.com').group()
'asdasd@163.com'
  • 匹配字符串结尾
 # 必须以.me结尾
>>> re.match('[\w]{1,20}.me$','ansheng.me').group()
'ansheng.me'
  • 指定的字符串必须出现在开头/结尾
 >>> re.match(r'\Awww[\w]*\me','wwwanshengme').group()
'wwwanshengme'

正则表达式分组匹配

  • | 匹配左右任意一个表达式
 >>> re.match("www|me","www").group()
'www'
>>> re.match("www|me","me").group()
'me'
  • (ab) 括号中表达式作为一个分组
# 匹配163或者126的邮箱
>>> re.match(r'[\w]{4,6}@(163|126).com','asdasd@163.com').group()
'asdasd@163.com'
>>> re.match(r'[\w]{4,6}@(163|126).com','asdasd@126.com').group()
'asdasd@126.com'
  • (?P) 分组起一个别名
 >>> re.search("(?P<zimu>abc)(?P<shuzi>123)","abc123").groups()
('abc', '123')
  • 引用别名为 name 的分组匹配字符串
 >>> res.group("shuzi")
'123'
>>> res.group("zimu")
'abc'

re 模块常用的方法

  • re.match()

语法格式:

match(pattern, string, flags=0)

释意:

Try to apply the pattern at the start of the string, returning a match object, or None if no match was found.

实例:

 # 从头开始匹配,匹配成功则返回匹配的对象
>>> re.match("abc","abc123def").group()
'abc'
# 从头开始匹配,如果没有匹配到对应的字符串就报错
>>> re.match("\d","abc123def").group()
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'
  • re.search()

语法格式:

search(pattern, string, flags=0)

释意:

Scan through string looking for a match to the pattern, returning a match object, or None if no match was found.

实例:

 # 匹配整个字符串,匹配到第一个的时候就返回匹配到的对象
>>> re.search("\d","abc1123def").group()
'1'
  • re.findall()

语法格式:

findall(pattern, string, flags=0)

释意:

Return a list of all non-overlapping matches in the string.

实例:

 # 匹配字符串所有的内容,把匹配到的字符串以列表的形式返回
>>> re.findall("\d","abc123def456")
['1', '2', '3', '4', '5', '6']
  • re.split

语法格式:

split(pattern, string, maxsplit=0)

释意:

Split the source string by the occurrences of the pattern, returning a list containing the resulting substrings.

实例:

 # 指定以数字进行分割,返回的是一个列表对象
>>> re.split("\d+","abc123def4+-*/56")
['abc', 'def', '+-*/', '']
# 以多个字符进行分割
>>> re.split("[\d,]","a,b1c")
['a', 'b', 'c']
  • re.sub()

语法格式:

sub(pattern, repl, string, count=0)

释意:

Return the string obtained by replacing the leftmost non-overlapping occurrences of the pattern in string by the replacement repl. repl can be either a string or a callable;
if a string, backslash escapes in it are processed. If it is a callable, it’s passed the match object and must return a replacement string to be used.

实例:

 # 把abc替换成def
>>> re.sub("abc","def","abc123abc")
'def123def'
# 只替换查找到的第一个字符串
>>> re.sub("abc","def","abc123abc",count=1)
'def123abc'

实例

string 方法包含了一百个可打印的 ASCII 字符,大小写字母、数字、空格以及标点符号

 >>> import string
>>> printable = string.printable
>>> printable
'0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ!"#$%&\'()*+,-./:;<=>?@[\\]^_`{|}~ \t\n\r\x0b\x0c'
 >>> import re
# 定义的字符串
>>> source = '''I wish I may, I wish I migth
... Hava a dish of fish tonight.'''
# 在字符串中检索wish
>>> re.findall('wish',source)
['wish', 'wish']
# 对源字符串任意位置查询wish或者fish
>>> re.findall('wish|fish',source)
['wish', 'wish', 'fish']
# 从字符串开头开始匹配wish
>>> re.findall('^wish',source)
[]
# 从字符串开头匹配I wish
>>> re.findall('^I wish',source)
['I wish']
# 从字符串结尾匹配fish
>>> re.findall('fish$',source)
[]
# 从字符串结尾匹配fish tonight.
>>> re.findall('fish tonight.$',source)
['fish tonight.']
# 查询以w或f开头,后面紧跟着ish的匹配
>>> re.findall('[wf]ish',source)
['wish', 'wish', 'fish']
# 查询以若干个w\s\h组合的匹配
>>> re.findall('[wsh]+',source)
['w', 'sh', 'w', 'sh', 'h', 'sh', 'sh', 'h']
# 查询以ght开头,后面紧跟着一个非数字和字母的匹配
>>> re.findall('ght\W',source)
['ght.']
# 查询已以I开头,后面紧跟着wish的匹配
>>> re.findall('I (?=wish)',source)
['I ', 'I ']
# 最后查询以wish结尾,前面为I的匹配(I出现次数尽量少)
>>> re.findall('(?<=I) wish',source)
[' wish', ' wish']
  • 匹配时不区分大小写
 >>> re.match('a','Abc',re.I).group()
'A'
  • r 源字符串,转义,如果要转义要加两个\n
 >>> import re
>>> pa = re.compile(r'ansheng')
>>> pa.match("ansheng.me")
<_sre.SRE_Match object; span=(0, 7), match='ansheng'>
>>> ma = pa.match("ansheng.me")
>>> ma
<_sre.SRE_Match object; span=(0, 7), match='ansheng'>
# 匹配到的值存到group内
>>> ma.group()
'ansheng'
# 返回字符串的所有位置
>>> ma.span()
(0, 7)
# 匹配的字符串会被放到string中
>>> ma.string
'ansheng.me'
# 实例放在re中
>>> ma.re
re.compile('ansheng')