Python学习（正则表达式）
文章目录
- 一、正则表达式
- 1.1 引子
- 1.2 python正则表达式的基础
- 一些函数（part1）
- 单字符匹配规则
- 数量匹配规则
- 表示边界
- 匹配分组
- 一些函数（part2）
一、正则表达式
正则表达式，又称规则表达式**。**（英语：Regular Expression，在代码中常简写为regex、regexp或RE），计算机科学的一个概念。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。
- 给定的字符串是否符合正则表达式的过滤逻辑（匹配）
- 通过正则表达式，从字符串中获得我们想要的特定的部分
使用场景
- 爬虫
- 数据挖掘和分析
在Python中使用正则需要导入re包
import re
首先我们来看两个例子来体验一下正则表达式的威力吧：
1.1 引子
比如，已知一个列表：
li = [“Chinese”, “China”, “English”, “Britain”, “Canada”, “New Zealand”]
找出以Ch开头的字串。
# 法1
li = ["Chinese", "China", "English", "Britain", "Canada", "New Zealand"]
lt = []
for i in li:
if i[0:2] == "Ch":
lt.append(i)
print(lt)
# 法2
li = ["Chinese", "China", "English", "Britain", "Canada", "New Zealand"]
print([i for i in li if i[0:2]=="Ch"])
假如a=“ab23fd5g67”，提取23,5,67
正则
>>> import re
>>> a = "ab23fd5g67"
>>> m = r'[0-9]+'
>>> num = re.findall(m,a)
>>> num
['23', '5', '67']
>>>
1.2 python正则表达式的基础
一些函数（part1）
- re.match(pattern,string,flags=0)
- 作用：从字符串的开头开始匹配一个模式。匹配成功返回一个匹配成功的对象，否则返回None
- 参数说明：pattern匹配的正则表达式，string要匹配的字符串，flags标志位，用于控制正则表达式的匹配方式，比如是否匹配多行，是否区分大小写
- re.group([group1,…]) 字符串或者元组
- 作用：获得一个或者多个分组截获的字符串，指定多个参数时就会以元组的形式返回，group1可以使用编号，也可使用别名，编号0代表匹配整个子串，默认返回group（0），如果没有截获字符串，返回None，截获多次的组，返回最后一次截获的字串
- re.groups([default=None]) tuple
- 作用：以元组的形式返回全部分组截获的字符串。类似调用re.group(1,2,3…)，如果没有截获，返回None
单字符匹配规则
| 字符 | 功能 |
|---|---|
| . | 匹配任意一个字符（除了\n |
| [ ] | 匹配[ ]中列举的字符 |
| \d | 匹配数学（0-9) |
| \D | 匹配非数字（\d的取反） |
| \w | 匹配字符，A-Z，a-z，0-9，_ |
| \W | \w的取反 |
| \s | 匹配空白字符，比如空格 \tab |
| \S | \s的取反 |
如
.
import re
m = re.match('.','s')
print(m.group()) #s
m = re.match('.','sad')
print(m.group()) #s
m = re.match('.','\n')
print(m.group()) #AttributeError: 'NoneType' object has no attribute 'group'
[ ]
import re
#如果sad的首字母是小写，则正则表达式需要小写的s
m = re.match('s','sad')
print(m.group()) #s
#如果sad的首字母是大写，则正则表达式需要大写的S
m = re.match('S','Sad')
print(m.group()) #S
m = re.match('[sS]','sad')
print(m.group()) #s
m = re.match('[sS]','Sad')
print(m.group()) #S
m = re.match('[0-9]','666Sad')
print(m.group()) #6
\d,\D
m = re.match(r'\d','666Sad')
print(m.group()) #6
m = re.match(r'\D','Sad')
print(m.group()) #S
\w,\W
m = re.match(r'\w','121ios')
print(m.group()) #1
m = re.match(r'\W','$qw')
print(m.group()) #$
\s,\S
m = re.match(r'\s'," askda")
print(m.group()) #
m = re.match(r'\S',"askda")
print(m.group()) #a
数量匹配规则
| 字符 | 功能 |
|---|---|
| * | 匹配前一个字符出现0次多次或者无限次，可有可无，可多可少 |
| + | 匹配前一个字符出现1次多次或者无限次，直到出现一次 |
| ？ | 四配前一个字符出现1次或者0次，要么有1次，要么没有 |
| {m} | 匹配前一个字符出现m次 |
| {m,} | 匹配前一个字符至少出现m次 |
| {m,n} | 匹配前一个字符出现m到n次 |
m = re.match('[A-Z][a-z]*',"AasAkda")
print(m.group()) #Aas
m = re.match('[A-Z]+[a-z]',"AAasAkda")
print(m.group()) #AAa
m = re.match('[A-Z]+[i]?[a-z]*',"AAasAkda")
print(m.group()) #AAas
m = re.match('[A-Z]+[i]?[a-z]{3}',"AAasffAkda")
print(m.group()) #AAasf
m = re.match('[A-Z]+[i]?[a-z]{1,}',"AAasffAkda")
print(m.group()) #AAasff
m = re.match('[A-Z]+[i]?[a-z]{1,3}',"AAasffAkda")
print(m.group()) #AAasf
表示边界
| 字符 | 功能 |
|---|---|
| ^ | 匹配字符串开头 |
| $ | 匹配字符串的结尾 |
| \b | 匹配一个单词的边界 |
| \B | 匹配非单词边界 |
m = re.match('^\w+\s\w+\s\w+$',"ci ty university")
print(m.group())
匹配分组
| 字符 | 功能 |
|---|---|
| | | 匹配左右任意一个表达式 |
| (a,b) | 将括号中的字符作为一个分组 |
| \num | 引用分组num匹配到的字符串 |
| (?P) | 分组起别名 |
| (?P=name) | 引用别名为name分组匹配到的字符串 |
匹配0~100的数
m = re.match('0$|100$|[1-9]\d?$',"18")
print(m.group())
str = "hello world
"
pat = "(.*)
"
res = re.match(pat,str)
print(res.group()) #hello world
print(res.group(1)) #hello world
print(res.groups()) #('hello world',)
str = "hello world
"
pat = "(\w*)\s(\w*)
"
res = re.match(pat,str)
print(res.group()) #hello world
print(res.group(1)) #hello
print(res.group(2)) #world
print(res.groups()) #('hello', 'world')
str = "hello world!
"
pat = r"<(.+)><(.+)>(.*)"
res = re.match(pat,str)
print(res.group()) #hello world!
print(res.groups()) #('span', 'h1', 'hello world!')
一些函数（part2）
- re.search(pattern,string,flags=0)
- 作用：扫描整个字符串，返回第一次匹配成功的对象，失败返回None
- 参数说明：pattern匹配的正则表达式，string要匹配的字符串，flags标志位，用于控制正则表达式的匹配方式，比如是否匹配多行，是否区分大小写
re.match()和re.search()的区别：
- re.match()从字符串的开头开始匹配，如果匹配失败，None
- re.search()匹配整个字符串，直到找到一个匹配，失败，None
- re.findall(pattern,string,flags=0)
- 作用：获取字符串中所有匹配的字串，并以列表的形式返回
- 参数说明：pattern匹配的正则表达式，string要匹配的字符串，flags标志位，用于控制正则表达式的匹配方式，比如是否匹配多行，是否区分大小写
- re.finditer(pattern,string,flags=0)
- 作用：获取字符串中所有匹配的字串，并返回一个迭代器
- 参数说明：pattern匹配的正则表达式，string要匹配的字符串，flags标志位，用于控制正则表达式的匹配方式，比如是否匹配多行，是否区分大小写
print(re.search('yun','Aliyun is a yun.').group()) #yun
print(re.findall('yun','Aliyun is a yun.')) #['yun', 'yun']
print(re.finditer('yun','Aliyun is a yun.').__next__().group()) #['yun', 'yun']
for i in re.finditer('yun','Aliyun is a yun.'):
print(i.group())
# yun
# yun