[置顶] python高级编程(八)--正则表达式
2017-10-05 15:37
141 查看
1. 正则表达式到底是什么?
我们通常在编写处理字符串的程序或网页时,经常会有查找符合某些复杂规则的字符串的需要。正则表达式就是用于描述这些规则的工具。换句话说,正则表达式就是记录文本规则的代码。字符是计算机软件处理文字时最基本的单位,可能是字母,数字,标点符号,空格,换行符,汉字等等。字符串是0个或更多字符的序列。文本也就是文字,字符串。说某个字符串匹配某个正则表达式,通常是指这个字符串里有一部分(或几部分分别)能满足表达式给出的条件。
2. 正则表达式在python中
(1). re模块在古老的Python1.5版本中引入,用于替换那些已过时的regex模块和regsub模块–这两个模块在Python2.5版中移除,而且此后导入这两个模块中的任意一个都会触发ImportError异常。(2). re模块支持更强大而且更通用的Perl风格(Perl 5风格)的正则表达式,该模块允许多个线程共享一个已编译的正则表达式对象,也支持命名子组。
re模块的使用
# 导入re模块 import re # 使用match 方法进行匹配操作 result = re.match(正则表达式,要匹配的字符串) # 如果上一步匹配到数据的话, 可以使用group 方法来提取数据 result.group
re模块示例(匹配baidu开头的语句)
import re result = re.match("baidu", "baidu.com") result.group()
运行结果为:
baidu
说明: re.match()能够匹配出以XXX开头的字符串
匹配单个字符
字符 | 功能 |
---|---|
. | 匹配任意1个字符(除了\n) |
[ ] | 匹配[ ]中列举的字符 |
\d | 匹配数字,即0-9 |
\D | 匹配非数字,即不是数字 |
\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 |
import re ret = re.match("." ,"M") print(ret.group()) ret = re.match("t.o","too") print(ret.group()) ret = re.match("t.o", "two") print(ret.group)
运行结果:
M
too
two
匹配多个字符
字符 | 功能 |
---|---|
* | 匹配前一个字符出现0次或者无限次,即可有可无 |
+ | 匹配前一个字符出现1次或者无限次,即至少有1次 |
? | 匹配前一个字符出现1次或者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 |
import re # 使用*匹配 ret = re.match("[A_Z][a-z]*","Aabcdef") print(ret.group) # 使用+匹配 ret = re.match("[a-z]+","name") print(ret.group) # 使用? 匹配 ret = re.match("[1-9]?\d","33") print(ret.group()) # 使用{m} ret = re.match("[a-zA-Z0-9_]{6}","12a3g45678") print(ret.group())
运行结果:
Aabcdef
33
12a3g4
匹配开头结尾
字符 | 功能 |
---|---|
^ | 匹配字符串开头 |
$ | 匹配字符串结尾 |
email_list = ["xiaoWang@163.com", "xiaoWang@163.comheihei", ".com.xiaowang@qq.com"] for email in email_list: ret = re.match("[\w]{4,20}@163\.com$", email) if ret: print("%s 是符合规定的邮件地址,匹配后的结果是:%s" % (email, ret.group())) else: print("%s 不符合要求" % email)
运行结果:
xiaoWang@ 163.com 是符合规定的邮件地址,匹配后的结果是: xiaoWang@ 163.com
xiaoWang@ 163.comheihei 不符合要求
.com.xiaowang@ qq.com 不符合要求
匹配分组
字符 | 功能 |
---|---|
(ab) | 将括号中字符作为一个分组 |
\num | 引用分组num匹配到的字符串 |
(?P<name>) | 分组起别名 |
(?P=name) | 引用别名为name分组匹配到的字符串 |
# 需求:匹配出文章阅读的次数 import re ret = re.search(r"\d+", "阅读次数为 9999") ret.group()
运行结果:
‘9999’
re模块的高级用法-findall
# 需求:统计出python、c、C++相应文章阅读的次数 import re ret = re.findall(r"\d", "python = 9999, c= 7890, c++ = 12345") # findall 以列表的形式返回 print(ret)
运行结果:
[‘9999’, ‘7890’, ‘12345’]
re模块的高级用法-sub
将匹配到的数据进行替换
# 需求:将匹配到的阅读次数加1 import re ret = re.sub(r"\d+", "998", "python = 997") print(ret)
运行结果:
python = 998
re模块高级用法-split
根据匹配进行切割字符串,并返回一个列表
# 需求:切割字符串“info:xiaoZhang 33 shangdong” import re ret = re.split(r":|", "info:xiaoZhang 33 shandong") print(ret)
运行结果:
[‘info’, ‘xiaoZhang’, ‘33’, ‘shandong’]
python贪婪和非贪婪
python里数量词默认是贪婪的(在少数语言里也可能是默认非贪婪),总是尝试匹配尽可能多的字符;非贪婪则相反,总是尝试匹配尽可能少的字符。
在”*”,”?”,”+”,”{m,n}”后面加上?,使贪婪变成非贪婪。
>>> s="This is a number 234-235-22-423" >>> r=re.match(".+(\d+-\d+-\d+-\d+)",s) >>> r.group(1) '4-235-22-423' >>> r=re.match(".+?(\d+-\d+-\d+-\d+)",s) >>> r.group(1) '234-235-22-423' >>>
r的作用
Python中字符串前面加上 r 表示原生字符串。解决正则表达式里使用“\”作为转义字符的问题
>>> ret = re.match(r"c:\\a",mm).group() >>> print(ret)
结果:
c:\a
相关文章推荐
- [置顶] 通配符匹配(Wildcard Matching)与正则表达式匹配(Regular Expression Matching)解法解析
- [置顶] java正则表达式实例
- [置顶] java中正则表达式替换字符串中的中括号
- [置顶] 通配符匹配(Wildcard Matching)与正则表达式匹配(Regular Expression Matching)解法解析
- [置顶] JavaSE学习笔记21:Java正则表达式
- [置顶] 正则表达式应用:分割字符
- [置顶] 通配符匹配(Wildcard Matching)与正则表达式匹配(Regular Expression Matching)解法解析
- [置顶] 【linux 命令】正则表达式
- [置顶] 通配符匹配(Wildcard Matching)与正则表达式匹配(Regular Expression Matching)解法解析
- Python高级编程(二)正则表达式
- 正则表达式字符串[置顶] 正则表达式的或(|)(一个烂正则表达式引发的博客)
- [置顶] 正则表达式应用:匹配IP地址
- [置顶] php 正则表达式
- [置顶] 正则表达式口诀
- [置顶] R语言之正则表达式
- [置顶] js正则表达式的使用
- [置顶] 正则表达式应用:分析查询字符串
- [置顶] javascript正则表达式学习笔记之------正则表达式的创建和基本使用
- [置顶] 电话,手机,微信账号,邮箱正则表达式校验
- [置顶] Python爬虫学习(四)正则表达式