解释:正则作为处理字符串的一个实用工具,在Python中经常会用到,比如爬虫爬取数据时常用正则来检索字符串等等。正则表达式已经内嵌在Python中,通过导入re模块就可以使用。
在使用正则表达式之前,需要导入re模块
import re
用法:
findall(正则表达式,目标字符串)
使用findall()语句之后返回的结果是一个列表,列表中是符合正则要求的字符串。
大多数的字母和字符都可以进行自身匹配
示例:
import re
a = "abc123+-*"
b = re.findall('abc',a)
print(b)
输出:
['abc']
元字符指的是. ^ $ ? + {} \ []之类的特殊字符
示例:
import re
s = "a123456b"
rule = "a[0-9][1-6][1-6][1-6][1-6][1-6]b"
l = re.findall(rule,s)
print(l)
输出:
['a123456b']
示例:
import re
s = "abcabcaccaac"
rule = "a[a,b,c]c" # rule = "a[a-z0-9][a-z0-9][a-z0-9][a-z0-9]c"
l = re.findall(rule, s)
print(l)
输出:
['abc', 'abc', 'acc', 'aac']
示例:
import re
print(re.findall("caa[a,^]", "caa^bcabcaabc"))
输出:
['caa^']
^ 通常用来匹配行首
示例:
import re
print(re.findall("^abca", "abcabcabc"))
输出:
['abca']
$ 通常用来匹配行尾
示例:
import re
print(re.findall("abc$", "accabcabc"))
输出:
['abc']
4)\
反斜杠后面可以加不同的字符表示不同的特殊含义,常见的有以下3种:
示例:
import re
print(re.findall("c\d\d\da", "abc123abc"))
输出:
['c123a']
示例:
import re
print(re.findall("\^abc", "^abc^abc"))
输出:
['^abc', '^abc']
示例:
import re
print(re.findall("\s\s", "a c"))
输出:
[' ', ' ']
示例:
import re
print(re.findall("\w\w\w", "abc12_"))
输出:
['abc', '12_']
{n}可以避免重复写,比如前面我们用\w时写了3次\w,而这里我们这需要用用上{n}就可以,n表示匹配的次数
示例:
import re
print(re.findall("\w{2}", "abc12_"))
输出:
['ab', 'c1', '2_']
*表示匹配零次或多次(尽可能的多去匹配)
示例:
import re
print(re.findall("010-\d*", "010-123456789"))
输出:
['010-123456789']
+表示匹配一次或多次
示例:
import re
print(re.findall("010-\d+", "010-123456789"))
输出:
['010-123456789']
.是个点,这里不是很明显,它用来操作除了换行符以外的任何字符
示例;
import re
print(re.findall(".", "010\n?!"))
输出:
['0', '1', '0', '?', '!']
?表示匹配一次或零次
示例:
import re
print(re.findall("010-\d?", "010-123456789"))
输出:
['010-1']
示例:
import re
print(re.findall("010-\d{3,5}", "010-123456789"))
输出:
['010-12345']
示例:
import re
print(re.findall("010-\d{3,5}?", "010-123456789"))
输出:
['010-123']
{m,n}还有其他的一些灵活的写法,比如:
在Python中,re模块可通过compile() 方法来编译正则,re.compile(正则表达式)
示例:
import re
s = "010-123456789"
rule = "010-\d*"
rule_compile = re.compile(rule)
s_compile = rule_compile.findall(s)
print(s_compile) # 打印compile()返回的对象是什么
输出:
['010-123456789']
正则对象的使用方法不仅仅是通过我们前面所介绍的 findall() 来使用,还可以通过其他的方法进行使用,效果是不一样的,这里我做个简单的总结:
(1)findall():找到re匹配的所有字符串,返回一个列表
(2)search():扫描字符串,找到这个re匹配的位置(仅仅是第一个查到的)
(3)match():决定re是否在字符串刚开始的位置(匹配行首)
示例:
s = "010-123456789"
rule = "010-\d*"
rule_compile = re.compile(rule)
s_compile = rule_compile.match(s)
print(s_compile)
输出:
(1)group():返回re匹配的字符串
(2)start():返回匹配开始的位置
(3)end():返回匹配结束的位置
(4)span():返回一个元组:(开始,结束)的位置
示例:
s = "010-123456789"
rule = "010-\d*"
rule_compile = re.compile(rule)
s_compile = rule_compile.match(s)
print(s_compile.span())
输出:
(0, 13)
re模块中除了上面介绍的findall()函数之外,还有其他的函数,来做一个介绍:
(1)findall():根据正则表达式返回匹配到的所有字符串,这个我就不多说了,前面都是在介绍它。
(2)sub(正则,新字符串,原字符串):sub() 函数的功能是替换字符串
示例:
s = "abcabcacc"
l = re.sub("abc","ddd",s)
print(l)
输出;
ddddddacc
(3)subn(正则,新字符串,原字符串)
subn()的作用是替换字符串,并返回替换的次数
示例:
s = "abcabcacc"
l = re.subn("abc","ddd",s)
print(l)
输出:
('ddddddacc', 2)
(4)split()
split()分割字符串
示例:
s = "abcabcacc"
l = re.split("b",s)
print(l)
输出:
['a', 'ca', 'cacc']
本章正则表达式主要对象是针对的字符串,和之前的加减乘除运算有一定的出入。所以如果对课本书上的理论概念不太理解,一知半解。就将代码写出结合代码去理解正则表达式的作用。这样可能会事半功倍。