正则表达式
2017-12-30 22:11
239 查看
1 正则表达式是什么
2 在Python中需要通过正则表达式对字符串进行匹配的时候，可以使用一个模块，名字为re
2.1 re模块的使用过程：
3 匹配单个字字符 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
4 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 \d* 等价于\d{0,}
+ 匹配前一个字符出现1次或者无限次，即至少有1次 \d+ 等价于\d{1,}
? 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 \d?等价于\d{0,1}
{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次配开头和结尾
6 匹配分组
7 re模块函数
7.1
8 re模块高级用法
9 贪婪模式与非贪婪模式
Python中字符串前面加上 r 表示原生字符串
Regular Expression, 又称规则表达式。 正则表达式,就是用事先定义好的一些特定字符（组合），组成一个“规则字符串”，这个“规则字符串”用来描述了一种字符串的匹配模式(pattern)。 正则的作用:可以用来检查一个串是否含有某种数据、将匹配的数据替换或者取出
2 在Python中需要通过正则表达式对字符串进行匹配的时候，可以使用一个模块，名字为re
2.1 re模块的使用过程：
#coding=utf-8 # 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() # 如果没有匹配 则result是None result = re.search(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() # 如果没有匹配 则result是None
2.2re模块示范例子：
#coding=utf-8 import re result = re.search(r"itcast","itcast.cn") result.group() result = re.match(r"itcast","itcast.cn") result.group( 运行结果为：itcast
3 匹配单个字字符 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
4 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 \d* 等价于\d{0,}
+ 匹配前一个字符出现1次或者无限次，即至少有1次 \d+ 等价于\d{1,}
? 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 \d?等价于\d{0,1}
{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次配开头和结尾
字符 功能 ^ 匹配字符串开头，开始位置， 虽然match自带匹配开始的属性 但是为了正则的语义完整 建议也加上^ $ 匹配字符串结尾，结束位置 匹配的是结束位置 而不是数据
6 匹配分组
字符 功能 | 匹配左右任意一个表达式 (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 详解： 目的 -- 在正则中使用() 将感兴趣的数据从整体中提取出来 放到分组存储 等整体匹配成功返回的结果对象中 .group(分组编号)就可以获取对应分组中数据了 group(0) == group() 就是正则表达式整体匹配的结果 用户的分组编号从1开始 () 表示匹配数据并放入分组 .group(分组编号)就可以获取对应分组中数据了 | 表示匹配|左边或者右边的正则表达式 (|) 表示匹配分组中| 左边或者右边的表达式 并且放入分组中 eg：<html>hh</html> --- <标签名>数据</标签名> 判断左边的标签和右边的标签名是否一致 如果一致则提取中的数据 引用分组的方式 目的 在正则的某个位置想要使用前面某个分组的数据进行匹配 使用形式: \分组编号 <html><h1>www.itcast.cn</h1></html> re.match(r"(<\w+)><(\w+)>(.*)</\2></\1>","<html><h1>www.baidu.com</h1></html>").group(1) 有名分组 在匹配分组的时候 使用一个名字 而不直接使用下标 设置分组名称 (?P<name>) 引用某个名称的分组的数据 (?P=name)
7 re模块函数
7.1
match() 从头开始匹配 如果某个字符不能满足匹配规则 将匹配失败 返回None
直到匹配完成 将匹配结果放入匹配结果对象中，从匹配结果对象中获取到匹配结果，matchobj.group()
result = re.match(正则, 数据)
if result:
print(result.group())
else:
print("匹配失败")7.2
search() 从头开始查找 如果某个字符不能满足匹配规则 将继续往后面查找 并尝试继续匹配
如果查找完 都没有匹配上 则返回None
如果匹配成功 将匹配结果放入匹配结果对象中，从匹配结果对象中获取到匹配结果，matchobj.group()
result = re.search(正则，数据)
if result:
print(result.group())
else:
print("匹配失败")
eg：匹配出文章阅读的次数
#coding=utf-8
import re
ret = re.search(r"\d+", "阅读次数为 9999")
ret.group()
运行结果：'9999'8 re模块高级用法
8.1
findall(正则，数据) 查找数据中所有 符合正则规则的 数据 通过列表返回 eg：需求：统计出python、c、c++相应文章阅读的次数 #coding=utf-8 import re ret = re.findall(r"\d+", "python = 9999, c = 7890, c++ = 12345") print(ret) 运行结果：['9999', '7890', '12345']
8.2
sub(正则，替换的数据， 被替换的数据) 将匹配到的数据进行替换 返回值返回 被替换之后的数据结果 字符串 源字符串不变 参数2还可以是一个函数的名字 这个函数需要满足一下几个条件才可以被正则调用 必须要有一个参数 ----- 通过这个参数将正则的匹配对象传递进去 必须要有一个返回值 ----- 通过返回值 返回替换的数据 需求：将匹配到的阅读次数加1 方法1： #coding=utf-8 import re ret = re.sub(r"\d+", '998', "python = 997") print(ret) 运行结果：python = 998 方法2： #coding=utf-8 import re def add(temp): strNum = temp.group() num = int(strNum) + 1 return str(num) ret = re.sub(r"\d+", add, "python = 997") print(ret) 运行结果：python = 998
8.3
split(正则， 数据) split 根据匹配进行切割字符串，并返回一个列表 正则是描述切割的规则 返回值就是切割之后的列表 eg：切割字符串“info:xiaoZhang 33 shandong” #coding=utf-8 import re ret = re.split(r":| ","info:xiaoZhang 33 shandong") print(ret) 运行结果： ['info', 'xiaoZhang', '33', 'shandong']
9 贪婪模式与非贪婪模式
Python里数量词默认是贪婪的，总是尝试匹配尽可能多的字符；
在满足整体匹配的情况下 贪婪会尽可能的多匹配 非贪婪会尽可能少的匹配
如果想要让python使用非贪婪模式 在量词"*","?","+","{m,n}"等之后加上?
贪婪尽可能多，非贪婪尽可能少。 贪婪和非贪婪必须有一个前提就是满足整体匹配结果。
eg：
>>> 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'
>>> re.match(r"aa(\d+)","aa2343ddd").group(1)
'2343'
>>> re.match(r"aa(\d+?)","aa2343ddd").group(1)
'2'
>>> re.match(r"aa(\d+)ddd","aa2343ddd").group(1)
'2343'
>>> re.match(r"aa(\d+?)ddd","aa2343ddd").group(1)
'2343'
In [36]: res = re.search("^(\w+)_(\w+?)$","hello_world")
In [37]: res.group()
Out[37]: 'hello_world'
In [38]: res.group(1)
Out[38]: 'hello'
In [39]: res.group(2)
Out[39]: 'world'Python中字符串前面加上 r 表示原生字符串
自动会对字符串中的\进行转义 ---- > 解决在匹配多\的情况的困扰
>>> mm = "c:\\a\\b\\c"
>>> mm
'c:\\a\\b\\c'
>>> print(mm)
c:\a\b\c
>>> re.match("c:\\\\",mm).group()
'c:\\'
>>> ret = re.match("c:\\\\",mm).group()
>>> print(ret)
c:\
>>> ret = re.match("c:\\\\a",mm).group()
>>> print(ret)
c:\a
>>> ret = re.match(r"c:\\a",mm).group()
>>> print(ret)
c:\a
>>> ret = re.match(r"c:\a",mm).group()
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'
>>>
与大多数编程语言相同，正则表达式里使用"\"作为转义字符，这就可能造成反斜杠困扰。
假如你需要匹配文本中的两个字符"\w"，python语言层级会先尝试对\w进行转义 (比如\n\r\v\t\f\e\0等) 如果不属于ASCII码中的转义字符就会'\w'自动转义为两个反斜杠 \\w。
那么 使用编程语言的正则表达式里将需要4个反斜杠"\\"： 对于python语言来讲会将两个连续的‘\’解释为一个\
前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。
Python里的原生字符串很好地解决了这个问题，有了原生字符串，再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观。
>>> ret = re.match(r"c:\\a",mm).group()
>>> print(ret)
c:\a
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 