从零开始的Python学习Episode 15——正则表达式

正则表达式

 

正则表达式（或 RE）是一种小型的、高度专业化的编程语言，（在Python中）它内嵌在Python中，并通过 re 模块实现，所以使用时要导入re模块。正则表达式模式被编译成一系列的字节码，然后由用 C 编写的匹配引擎执行。

 

先说几个元字符  . ^ $ * + ? { }

 

import re

ret = re.findall('t...r', 'hellotomorrow')
print(ret)  # ['tomor']

ret = re.findall('^r.w', 'r1whellotomorr2w')
print(ret)  # ['r1w']

ret = re.findall('r.w$', 'r1whellotomorr2w')
print(ret)  # ['r2w']

ret = re.findall('abc*', 'abcccc')  # 贪婪匹配[0,+oo]
print(ret)  # ['abcccc']
ret = re.findall('abc*', 'ab')  # 贪婪匹配[0,+oo]
print(ret)  # ['ab']

ret = re.findall('abc+', 'abccc')  # [1,+oo]
print(ret)  # ['abccc']

ret = re.findall('abc?', 'abccc')  # [0,1]
print(ret)  # ['abc']

ret = re.findall('abc{1,4}', 'abccc')
print(ret)  # ['abccc'] 贪婪匹配

ret=re.findall('abc*?','abcccccc')
print(ret)#['ab'] 当* + ？的后面再加上？的话就会变成惰性匹配

 

元字符：[ ]

import re
ret = re.findall('a[bc]d','abd')
print(ret)#['abd'],选b或c

ret = re.findall('[a-z]','abd')
print(ret)#['a', 'b', 'd'],选出a到z的元素

ret = re.findall('[.*+]','a.b+c*')
print(ret)#['.', '+', '*'],消除某些元字符的特殊功能

ret = re.findall('[1-9]','adc51ca')
print(ret)#['5', '1'],选出1到9之间的数字

ret = re.findall('[^ab]','jnan21b')
print(ret)#['j', 'n', 'n', '2', '1'],选出除了a,b的元素

ret = re.findall('\dc','123 cad#4')
print(ret)#['1', '2', '3', '4'],选出数字

 

元字符的转义符

反斜杠后边跟元字符去除特殊功能,比如\.
反斜杠后边跟普通字符实现特殊功能,比如\d

\d  匹配任何十进制数；它相当于类 [0-9]。
\D 匹配任何非数字字符；它相当于类 [^0-9]。
\s  匹配任何空白字符；它相当于类 [ \t\n\r\f\v]。
\S 匹配任何非空白字符；它相当于类 [^ \t\n\r\f\v]。
\w 匹配任何字母数字字符；它相当于类 [a-zA-Z0-9_]。
\W 匹配任何非字母数字字符；它相当于类 [^a-zA-Z0-9_]
\b  匹配一个特殊字符边界，比如空格 ，&，＃等

 

有一种特殊情况：

import re
m = re.findall('\bblow', 'blow')
print(m)#[]
m = re.findall('\\bblow', 'blow')
print(m)#['blow']
m = re.findall(r'\bblow', 'blow')
print(m)#['blow']

这是因为在python解释器中“\\”才相当于一个“\”，而光写一个“\”是不能被识别的。

 

元字符( )分组

 

ret = re.search('(?P<id>\d{3})/(?P<name>\w{2,3})', '233/cn')
print(ret.group())#233/cn
print(ret.group('id'))#233

这段代码的意思是以‘/’为界限分为名为id（3个数字）和名为name（2个或3个字母）的两个组，其中（?P<XXX>）是固定的格式，但可以不用这种格式。如果没有用这种格式则没有办法按名字来访问组中的数据，按需求来选择是否要用。而search()是扫描整个string查找匹配,会扫描整个字符串并返回第一个成功的匹配。

 

re.compile()

compile()可以编译正则表达式模式，返回一个对象。可以把常用的正则表达式编译成正则表达式对象，方便后续调用及提高效率。

import re

ret = re.compile('(\d{3})/(\w{2,3})')
print(ret.search('233/cn').group())
#233/cn

 

re.match()

只检测是不是在string的开始位置匹配，若在开头检测不到，则返回空。

ret = re.match('233','2334567')
print(ret)
#<re.Match object; span=(0, 3), match='233'>
#可以通过ret.span()查看其终止点，通过ret.group()查看匹配到的内容。

 

re.search()

扫描整个string查找匹配,会扫描整个字符串并返回第一个成功的匹配.

import re

ret = re.compile('(\d{3})/(\w{2,3})')
print(ret.search('233/cn').group())
#233/cn,也可以像match那样用span和group

 

re.split()

原型是re.split(pattern, string, maxsplit=0)

通过正则表达式将字符串分离。如果用括号将正则表达式括起来，那么匹配的字符串也会被列入到list中返回。maxsplit是分离的次数，maxsplit=1分离一次，默认为0，不限制次数。

import re

ret = re.split('s','adsnjfsnja')
print(ret)
#['ad', 'njf', 'nja']

 

re.sub()

替换目标字符串中的部分内容，格式为sub('要匹配的类型','替换的内容','目标字符串','替换次数')

import re

ret = re.sub('\d','abc','1bd,2fg')
print(ret)#abcbd,abcfg
ret = re.sub('\d','abc','1bd,2fg',1)
print(ret)#abcbd,2fg

 

re.finditer()

把匹配到的内容放到一个迭代器中，返回一个迭代器对象。

import re

ret = re.finditer('\d','a1b2c3,4')
print(ret)#<callable_iterator object at 0x0000021C112E8240>
print(next(ret).group())#1