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)。

正则表达式(RegEx)是定义搜索模式的字符序列。 例如,

^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abc之外任何字符。

  • [^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ab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abc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rR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']
posted @ 2024-01-04 10:49  txwtech  阅读(109)  评论(0编辑  收藏  举报