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

阅读 230

推荐阅读