48.Python 正则表达式(RegEx)
Python 正则表达式(RegEx)
在本教程中，您将学习正则表达式（RegEx），并使用Python的re模块与RegEx一起使用（在示例的帮助下）。
^a...s$
上面的代码定义了RegEx模式。模式是：以a开头并以s结尾的任何五个字母字符串。
使用RegEx定义的模式可用于与字符串匹配。
| 表达式 | 字符串 | 匹配？ |
|---|---|---|
| ^a...s$ | abs | 没有匹配 |
| alias | 匹配 | |
| abyss | 匹配 | |
| Alias | 没有匹配 | |
| An abacus | 没有匹配 |
Python有一个名为reRegEx 的模块。这是一个示例：
import re
pattern = '^a...s$'
test_string = 'abyss'
result = re.match(pattern, test_string)
if result:
print("查找成功.")
else:
print("查找不成功.")
这里，我们使用re.match()函数来搜索测试字符串中的模式。如果搜索成功，该方法将返回一个匹配对象。如果没有，则返回None。
re模块中定义了其他一些函数，可与RegEx一起使用。在探讨之前，让我们学习正则表达式本身。
如果您已经了解RegEx的基础知识，请跳至Python RegEx。
使用正则表达式指定模式
为了指定正则表达式，使用了元字符。在上面的示例中，^和$是元字符。
元字符
元字符是RegEx引擎以特殊方式解释的字符。以下是元字符列表：
[] . ^ $ * + ? {} () \ |
[] - 方括号
方括号指定您要匹配的一组字符。
| 表达式 | 字符串 | 匹配？ |
|---|---|---|
| [abc] | a | 1个匹配 |
| ac | 2个匹配 | |
| Hey Jude | 没有匹配 | |
| abc de ca | 5个匹配 |
在这里，[abc]将匹配，如果你想匹配字符串中包含任何的a，b或c。
您也可以使用-方括号内的字符范围。
-
[a-e]与相同[abcde]。
-
[1-4]与相同[1234]。
-
[0-39]与相同[01239]。
您可以通过^在方括号的开头使用插入符号来补充（反转）字符集。
-
[^abc]表示除a或b或c之外的任何字符。
-
[^0-9] 表示任何非数字字符。
.- 句点
句点匹配任何单个字符（换行符除外'\n'）。
| 表达式 | 字符串 | 匹配？ |
|---|---|---|
| .. | a | 没有匹配 |
| ac | 1个匹配 | |
| acd | 1个匹配 | |
| acde | 2个匹配项（包含4个字符） |
^- 插入符号
插入符号^用于检查字符串是否以某个字符开头。
| 表达式 | 字符串 | 匹配？ |
|---|---|---|
| ^a | a | 1个匹配 |
| abc | 1个匹配 | |
| bac | 没有匹配 | |
| ^ab | abc | 1个匹配 |
| acb | 没有匹配项（以开头，a但之后没有b） |
$- 美元
美元符号$用于检查字符串是否以某个特定字符结尾。
| 表达式 | 字符串 | 匹配？ |
|---|---|---|
| a$ | a | 1个匹配 |
| formula | 1个匹配 | |
| cab | 没有匹配 |
*- 星号
星号符号*匹配零个或多个剩余的模式。
| 表达式 | 字符串 | 匹配？ |
|---|---|---|
| ma*n | mn | 1个匹配 |
| man | 1个匹配 | |
| maaan | 1个匹配 | |
| main | 没有匹配项（a后面没有n） | |
| woman | 1个匹配 |
+- 加号
加号会+匹配一个或多个剩余的模式。
| 表达式 | 字符串 | 匹配？ |
|---|---|---|
| ma+n | mn | 没有匹配项（没有a字符） |
| man | 1个匹配 | |
| maaan | 1个匹配 | |
| main | 没有匹配项（a后跟n） | |
| woman | 1个匹配 |
?- 问号
问号符号会?匹配零或一出现的剩余模式。
| 表达式 | 字符串 | 匹配？ |
|---|---|---|
| ma?n | mn | 1个匹配 |
| man | 1个匹配 | |
| maaan | 没有匹配项（超过一个a字符） | |
| main | 没有匹配项（a后跟n） | |
| woman | 1个匹配 |
{}- 大括号
考虑以下代码：{n,m}。这意味着至少要保留n个样式，并且最多重复m个样式。
| 表达式 | 字符串 | 匹配？ |
|---|---|---|
| a{2,3} | abc dat | 没有匹配 |
| abc daat | 1个匹配（在）daat | |
| aabc daaat | 2个匹配项（位于aabc和）daaat | |
| aabc daaaat | 2个匹配项（位于aabc和）daaaat |
让我们再尝试一个示例。RegEx [0-9]{2, 4}匹配至少2位但不超过4位
| 表达式 | 字符串 | 匹配？ |
|---|---|---|
| [0-9]{2,4} | ab123csde | 1个匹配（在处匹配）ab123csde |
| 12 and 345673 | 2个匹配项（位于）12 and 345673 | |
| 1 and 2 | 没有匹配 |
|- 竖线
竖线|用于交替显示（or运算符）。
| 表达式 | 字符串 | 匹配？ |
|---|---|---|
| a|b | cde | 没有匹配 |
| ade | 1个匹配（在处匹配ade） | |
| acdbea | 3个匹配项（位于）acdbea |
在这里，a|b匹配任何包含a或b的字符串
()- 括号
括号()用于对子模式进行分组。例如，(a|b|c)xz匹配任何与a或b或c匹配且后跟xz的字符串
| 表达式 | 字符串 | 匹配？ |
|---|---|---|
| (a|b|c)xz | ab xz | 没有匹配 |
| abxz | 1个匹配（在处匹配）abxz | |
| axz cabxz | 2个匹配项（位于）axzbc cabxz |
\- 反斜杠
反斜杠\用于转义包括所有元字符在内的各种字符。例如，
\$a如果字符串包含$后跟则匹配a。在此，$RegEx引擎不会以特殊方式对其进行解释。
如果不确定某个字符是否具有特殊含义，可以将其\放在前面。这样可以确保不对字符进行特殊处理。
特殊序列
特殊序列使常用模式更易于编写。以下是特殊序列的列表：
\A -如果指定字符在字符串的开头，则匹配。
| 表达式 | 字符串 | 匹配？ |
|---|---|---|
| \Athe | the sun | 匹配 |
| In the sun | 没有匹配 |
\b -如果指定的字符在单词的开头或结尾，则匹配。
| 表达式 | 字符串 | 匹配？ |
|---|---|---|
| \bfoo | football | 匹配 |
| a football | 匹配 | |
| afootball | 没有匹配 | |
| foo\b | the foo | 匹配 |
| the afoo test | 匹配 | |
| the afootest | 没有匹配 |
\B-与\b。如果指定的字符不在单词的开头或结尾，则匹配。
| 表达式 | 字符串 | 匹配？ |
|---|---|---|
| \Bfoo | football | 没有匹配 |
| a football | 没有匹配 | |
| afootball | 匹配 | |
| foo\B | the foo | 没有匹配 |
| the afoo test | 没有匹配 | |
| the afootest | 匹配 |
\d-匹配任何十进制数字。相当于[0-9]
| 表达式 | 字符串 | 匹配？ |
|---|---|---|
| \d | 12abc3 | 3个匹配项（位于）12abc3 |
| Python | 没有匹配 |
\D-匹配任何非十进制数字。相当于[^0-9]
| 表达式 | 字符串 | 匹配？ |
|---|---|---|
| \D | 1ab34"50 | 3个匹配项（位于）1ab34"50 |
| 1345 | 没有匹配 |
\s-匹配字符串包含任何空格字符的地方。等同于[ \t\n\r\f\v]。
| 表达式 | 字符串 | 匹配？ |
|---|---|---|
| \s | Python RegEx | 1个匹配 |
| PythonRegEx | 没有匹配 |
\S-匹配字符串包含任何非空白字符的地方。等同于[^ \t\n\r\f\v]。
| 表达式 | 字符串 | 匹配？ |
|---|---|---|
| \S | a b | 2个匹配项（位于） a b |
| 没有匹配 |
\w-匹配任何字母数字字符（数字和字母）。等同于[a-zA-Z0-9_]。顺便说一下，下划线_也被认为是字母数字字符。
| 表达式 | 字符串 | 匹配？ |
|---|---|---|
| \w | 12&": ;c | 3个匹配项（位于）12&": ;c |
| %"> ! | 没有匹配 |
\W-匹配任何非字母数字字符。相当于[^a-zA-Z0-9_]
| 表达式 | 字符串 | 匹配？ |
|---|---|---|
| \W | 1a2%c | 1个匹配（在）1a2%c |
| Python | 没有匹配 |
\Z -如果指定的字符在字符串的末尾，则匹配。
| 表达式 | 字符串 | 匹配？ |
|---|---|---|
| \ZPython | I like Python | 1个匹配 |
| I like Python | 没有匹配 | |
| Python is fun. | 没有匹配 |
提示：要构建和测试正则表达式，可以使用RegEx测试器工具，例如regex。该工具不仅可以帮助您创建正则表达式，还可以帮助您学习它。
现在，您了解了RegEx的基础知识，让我们讨论如何在Python代码中使用RegEx。
Python正则表达式
Python有一个名为re正则表达式的模块。要使用它，我们需要导入模块。
import re
该模块定义了一些可与RegEx一起使用的函数和常量。
re.findall()
re.findall()方法返回包含所有匹配项的字符串列表。
示例1：re.findall()
# 从字符串中提取数字的程序
import re
string = 'hello 12 hi 89. Howdy 34'
pattern = '\d+'
result = re.findall(pattern, string)
print(result)
# 输出: ['12', '89', '34']
如果找不到该模式，则re.findall()返回一个空列表。
re.split()
split方法对匹配的字符串进行拆分，并返回发生拆分的字符串列表。
示例2：re.split()
import re
string = 'Twelve:12 Eighty nine:89.'
pattern = '\d+'
result = re.split(pattern, string)
print(result)
# 输出: ['Twelve:', ' Eighty nine:', '.']
如果找不到该模式，则re.split()返回一个包含空字符串的列表。
您可以将maxsplit参数传递给re.split()方法。这是将要发生的最大拆分次数。
import re
string = 'Twelve:12 Eighty nine:89 Nine:9.'
pattern = '\d+'
# maxsplit = 1
# split only at the first occurrence
result = re.split(pattern, string, 1)
print(result)
# 输出: ['Twelve:', ' Eighty nine:89 Nine:9.']
顺便说一下，maxsplit默认值为0；默认值为0。意味着拆分所有匹配的结果。
re.sub()
re.sub()的语法：
re.sub(pattern, replace, string)
该方法返回一个字符串，其中匹配的匹配项被替换为replace变量的内容。
示例3：re.sub()
# 删除所有空格的程序
import re
# 多行字符串
string = 'abc 12\
de 23 \n f45 6'
# 匹配所有空白字符
pattern = '\s+'
# 空字符串
replace = ''
new_string = re.sub(pattern, replace, string)
print(new_string)
# 输出: abc12de23f456
如果找不到该模式，则re.sub()返回原始字符串。
您可以将count作为第四个参数传递给该re.sub()方法。如果省略，则结果为0。这将替换所有出现的匹配项。
import re
# 多行字符串
string = 'abc 12\
de 23 \n f45 6'
# 匹配所有空白字符
pattern = '\s+'
replace = ''
new_string = re.sub(r'\s+', replace, string, 1)
print(new_string)
# 输出:
# abc12de 23
# f45 6
re.subn()
re.subn()与re.sub()类似，期望它返回一个包含2个项目的元组，其中包含新字符串和进行替换的次数。
示例4：re.subn()
# 删除所有空格的程序
import re
# 多行字符串
string = 'abc 12\
de 23 \n f45 6'
# 匹配所有空白字符
pattern = '\s+'
# 空字符串
replace = ''
new_string = re.subn(pattern, replace, string)
print(new_string)
# 输出: ('abc12de23f456', 4)
re.search()
re.search()方法采用两个参数：模式和字符串。 该方法寻找RegEx模式与字符串匹配的第一个位置。
如果搜索成功，则re.search()返回一个匹配对象。如果不是，则返回None。
match = re.search(pattern, str)
示例5：re.search()
import re
string = "Python is fun"
# 检查“Python”是否在开头
match = re.search('\APython', string)
if match:
print("pattern found inside the string")
else:
print("pattern not found")
# 输出: pattern found inside the string
在这里，match包含一个match对象。
匹配对象
您可以使用dir()函数获取匹配对象的方法和属性。
匹配对象的一些常用方法和属性是：
match.group()
group()方法返回字符串中匹配的部分。
示例6：匹配对象
import re
string = '39801 356, 2102 1111'
# 三位数字，后跟空格，后两位数字
pattern = '(\d{3}) (\d{2})'
# match变量包含一个Match对象。
match = re.search(pattern, string)
if match:
print(match.group())
else:
print("pattern not found")
# 输出: 801 35
在这里，match变量包含一个match对象。
我们的模式(\d{3}) (\d{2})有两个子组(\d{3})和(\d{2})。您可以获取这些带括号的子组的字符串的一部分。就是这样：
>>> match.group(1)
'801'
>>> match.group(2)
'35'
>>> match.group(1, 2)
('801', '35')
>>> match.groups()
('801', '35')
match.start()，match.end()和match.span()
start()函数返回匹配的子字符串的开头的索引。同样，end()返回匹配的子字符串的结束索引。
>>> match.start()
2
>>> match.end()
8
span()函数返回一个包含匹配部分的开始和结束索引的元组。
>>> match.span()
(2, 8)
match.re和match.string
匹配对象的re属性返回一个正则表达式对象。 同样，string属性返回传递的字符串。
>>> match.re
re.compile('(\\d{3}) (\\d{2})')
>>> match.string
'39801 356, 2102 1111'
我们已经介绍了re模块中定义的所有常用方法。如果您想了解更多信息，请访问Python 3 re模块。
在RegEx之前使用r前缀
如果在正则表达式之前使用r或R前缀，则表示原始字符串。例如，'\n'是一个新行，而r'\n'表示两个字符：反斜杠\后跟n。
反斜杠\用于转义包括所有元字符在内的各种字符。但是，使用r前缀\会将其视为普通字符。
示例7：使用r前缀的原始字符串
import re
string = '\n and \r are escape sequences.'
result = re.findall(r'[\n\r]', string)
print(result)
# 输出: ['\n', '\r']
