python 正则表达式如何实现重叠匹配

目录

• 正则表达式实现重叠匹配
• 正则表达式与正则匹配
• 正则表达式
• 正则匹配

正则表达式实现重叠匹配

import regex
string = '100101010001'
str_re = '101'
print(regex.findall(str_re, string, overlapped=True))

普通的re库匹配，只能匹配一个’101’。

正则表达式与正则匹配

正则表达式

正则表达式可理解为对数据筛选的表达式，是有限个原子和元字符组成。

原子：基本组成单位，每个表达式至少有一个原子

普通字符组成原子
非打印字符组成原子 （不打印在输出台的字符）	\n：换行 \t：tab退格符
通用字符组成原子	\w：匹配任意字母、数字、下划线 \W：与\w相反 \d：匹配任意十进制数 \D：与\d相反 \s：匹配任意空白字符，如空格、换行、缩进 \S：与\s相反
原子表组成原子	一组原子组成一个表，由[]声明 表内原子优先级相等，但内容只出现依次 若原子表以 ^ 开头，则表示取反

#普通字符组成原子
pat1 = "abcd"
 
#非打印字符组成原子
pat2 = "\n"
 
#通用字符做原子
pat3 = "\w"
 
#原子表组成原子
pat4 = "py[abc]"
#可以匹配pya，pyb，pyc，但匹配pyab等原子表重复出现的情况失败
 
#原子表开头带 ^ 表示取反
pat5 = "py[^abc]"
#第三个位置匹配除了a，b，c外的任意一个字符

元字符：正则表达式中具有特殊含义的字符

.	匹配任意字符，除了换行符
^	匹配字符串开始的位置
$	匹配字符串结束的位置，当出现多组符合的匹配时，返回字符串最后的那组匹配
*	匹配 0，1，n 次前面的原子【贪婪模式：尽可能多的匹配】
?	匹配 0，1 次前面的原子【懒惰模式：精确匹配】
+	匹配 1，n 次前面的原子
{ j }	前面的原子出现 j 次
{ j , }	前面的原子至少出现 j 次
{ j , k }	前面的原子至少出现 j 次，至多出现 k 次
i | j	匹配 i 或 j ，若 i 与 j 同时出现，匹配 i
( )	组，限制这组数据的组合如（）内所描述一样，只返回符合括号内描述的内容

模式修正符

即函数中 flag 位置的参数，在不改变正则表达式的情况下改变其含义，调整匹配结果。

re.I	匹配时忽略大小写
re.M	多行匹配
re.L	本地化识别匹配
re.U	根据unicon字符匹配，影响\w \W
re.S	匹配包括换行符

正则匹配

正则表达式是对字符串进行模糊匹配，其中一个应用为正则匹配。正则匹配是python爬虫的一个使用技术，用于在爬取的文本信息中提取目标信息。

正则匹配常用的函数：（调用正则表达式模块re）

• re.search(pat, str[, flag])：扫描字符串str，返回pat的位置（第一次成功匹配的），flag用于控制正则表达式的匹配方式

import re
str = 'python'
pat = 'pytho[a-n]'
print(re.search(pat, str))

• re.match(pat, str[, flag])：扫描字符串str开始的位置，返回pat的位置（第一次成功匹配的），flag用于控制正则表达式的匹配方式【若开始就不符合则结束，返回none】

import re
str_1 = 'hello world'
str_2 = 'world hello'
pat = 'world'
print(re.match(pat, str_1))
print(re.match(pat, str_2))

• re.complie(pat[, flag])：编译正则表达式pat，返回正则表达式对象
• findall(str[, pos[, endpos]])：匹配所有，用列表返回string中所有匹配到的子串【不止第一次】，pos和endpos可指定在string中的起始位置
• re.complie(pat).findall(str)：全局匹配函数，匹配str中所有符合pat的子串，装入一个列表返回结果

import re
str = "hello world hello world hello world"
pat = "hello"
print(re.complie(pat).findall(str))
print(re.complie(pat).findall(str, 5, 15))

• re.sub(pat, repl, str[, count[, flag]])：替换字符串中的匹配项【清洗数据】，可用count指定最大替换次数

import re
str = "400-823-823"
pat = "-"
#短横改空格，最大替换次数2
str_new = re.sub(pat, " ", str, count=2)

以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。