Python-关于正则表达式的总结

什么是正则表达式？

正则表达式（regular expression）描述了一种字符串匹配的模式（pattern），用于字符串的匹配和提取等操作。正则表达式在所有编程语言中都是通用的。

---

匹配模式

匹配单个字符

• . ： 匹配任意1个字符（除了n）
• [ ] ： 匹配[ ]中任意一个字符
• \d ： 匹配数字，即0-9
• \D ： 匹配非数字
• \s ： 匹配空白，即 空格、tab键
• \S ： 匹配非空白
• \w ： 匹配单词字符，即a-z、A-Z、0-9、_
• \W ： 匹配非单词字符

匹配多个字符

• * ： 匹配前一个字符出现0次或无限次，即可有可无
• + ： 匹配前一个字符出现1次或无限次，即至少有1次
• ? ： 匹配前一个字符出现1次或0次，即要么有1次，要么没有
• {m} ： 匹配前一个字符出现m次
• {m,n} ： 匹配前一个字符出现从m到n次

匹配字符串首尾：

在正则表达式的首部添加^，意味着待匹配的字符串从首部就要和正则式匹配。类似的，正则式尾部添加$，表示待匹配的字符串从尾部需和正则式匹配。

• ^：匹配字符串的起始
• $：匹配字符串的末尾

常用的正则表达式：https://c.runoob.com/front-en...

---

匹配分组

利用分组, 可以提取字符串中想要的指定内容。用括号()括起来的正则表达式表示一个分组，通过group()函数可获取分组中的字符串。例子：

# 匹配电话号码, 匹配模式中有两个分组：(\d{3})、(\d{3,8})
>>> m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')  
>>> m
<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
>>> m.group(0)  # 用group函数可以提取匹配的部分
'010-12345'
>>> m.group(1)  # group(1)表示第一个分组
'010'
>>> m.group(2)  # group(2)表示第一个分组
'12345'

如果想判断字符串中是否具有规律相同的多个子串时, 可以采用分组：

例如，正则表达式 <(\w*)>.*<(/\1)> 可以匹配 <h1>fadsfas</h1>，不能匹配 <h1>fadsfas</h2>。

当分组个数过多时，可以给分组起别名，在同一个正则表达式中重复引用该分组。

• 分组起别名：(?P<name>___) 其中___填写分组内的正则式
• 引用别名为name的分组：(?P=name)

---

re模块

在Python中，re模块已为我们实现了正则表达式的相关操作:

• re.match()： 从头开始匹配，可以利用分组获得我们想要的子串。用法见上文。
• re.search()： 无需从头开始匹配，只返回匹配的第一个子字符串。
• re.findall()： 找到字符串中所有匹配的字符串，与search()不同，findall()直接返回一个list。
• re.sub()： 利用正则表达式将匹配到的字符串批量替换。
• re.split()：利用正则表达式分割字符串，返回一个list。

例子：

# re.search()
In [7]: ret = re.search(r"hello", "hello world! hello world!")
In [8]: ret.group()
Out[8]: 'hello'

# re.findall()
In [9]: ret = re.findall(r"hello", "hello world! hello world!")
In [10]: print(ret)
['hello', 'hello']

# re.sub()
In [15]: ret = re.sub(r"hello","bye", "hello world! hello world!")
In [16]: ret
Out[16]: 'bye world! bye world!'

# re.split()
In [12]: ret = re.split(r":| ","hello:YMN 25 shenyang")  # 按:或空格分割字符串
In [13]: ret
Out[13]: ['hello', 'YMN', '25', 'shenyang']

本篇文章由一文多发平台ArtiPub自动发布