006集 正则表达式 re 应用实例—python基础入门实例

正则表达式指预先定义好一个 字符串模板 ,通过这个 字符串模 板” 可以匹配、查找和替换那些匹配 字符串模板 的字符串。

Python的中 re 模块,主要是用来处理正则表达式,还可以利用 re 模块通过正则表达式来进行网页数据的爬取和存储。

正则表达式的英文是 regular expression,通常简写为 regex、regexp 或者RE,属于计算机领域的一个概念。

正则表达式的主要作用是被用来进行文本的检索、替换或者是从一个串中提取出符合我们指定条件的子串,它描述了一种字符串匹配的模式 pattern 。

目前正则表达式已经被集成到了各种文本编辑器和文本处理工具中。

下面给出一个简单的示例:

^[ 0 - 9 ] + a b c $

  • ^ 为匹配输入字符串的开始位置。

  •  [0-9] 匹配单个数字。

  • + 匹配一个或者多个。

  • [0-9]+匹配一个或多个数字。

  • $ 为匹配输入字符串的结束位置。

  • abc$匹配字母 abc 并以 abc 结尾。

^[a-zA-Z0-9_-]{3,15}$

  • ^表示匹配字符串的开头。
  • [a-zA-Z0-9_-] 表示字符集,包含小写字母、大写字母、数字、下划线和连接字符 -。
  • {3,15} 表示前面的字符集最少出现 3 次,最多出现 15 次,从而限制了用户名的长度在 3 到 15 个字符之间。
  • $ 表示匹配字符串的结尾。

^[0-9]+abc$

匹配以数字开头,并以 abc 结尾的字符串。

先介绍常用正则表达式中几种特殊字符的功能:

字符 含义 例子
. 匹配任意一个字符 ab.可以匹配abc或者abd

[ ]

[^ ]

匹配括号中的任意1个字符

匹配除了括号内的字符以外的任意一个字符

[abcd]可以匹配a、b、c、d

[^abc] 匹配除了字符 "a"、"b" 或 "c" 以外的任意字符。

- 在[ ]内表示的字符范围内进行匹配 [0-9a-fA-F]可以匹配任意一个16进制的数字
^ 位于[ ]括号内的开头,匹配除括号中的字符之外的任意1个字符 [^xy]匹配xy之外的任意一个字符,比如[^xy]1可以匹配A1、B1但是不能匹配x1、y1

数量限定符

字符 含义 例子
匹配前面紧跟字符的0次或者1次 [0-9]?,匹配1、2、3
+ 匹配前面紧跟字符的1次或者多次 [0-9]+,匹配1、12、123等
* 匹配前面紧跟字符的0次或者多次 [0-9]*,不匹配或者12、123(待验证)
{N} 匹配前面紧跟字符精确到N次 [1-9][0-9]{2},匹配100到999的整数,{2}表示[0-9]匹配两个数字
{,M} 匹配前面紧跟字符最多M次 [0-9]{,1},指的是最多匹配0-9之间的1个整数,相当于是0次或者1次,等价于[0-9]?
{N,M} 匹配前面紧跟字符的至少N次,最多M次 [0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3},匹配IP地址,其中.号是特殊字符,需要使用转义字符\

在 Python 中主要是利用 re 模块进行正则表达式的处理,涉及到 4 个常用的方法:

re.match()
re.search()
re.findall()
re.sub()
re.split()
import re   # 使用之前先进行导入re模块

re 模块简介

re模块主要定义了9个常量、12个函数、1个异常,每个常量和函数siki学院都会通过实际代码案例讲解,让大家能更直观的了解其作用!标准库的意思表示这是一个Python内置模块,不需要额外下载,目前Python内置模块大概有300个。可以在这里查看Python所有的内置模块:


re模块简介聊到Python正则表达式的支持,首先肯定会想到re库,这是一个Python处理文本的标准库。

re.match(pattern, string, flags)

参数 描述
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,如:是否区分大小写,多行匹配等等。

标志位 flags

正则表达式可以包含一些可选标志修饰符来控制匹配的模式。修饰符被指定为一个可选的标志,如 re.I | re.M 被同时设置成 I 和 M 标志:

修饰符 描述
re.I 忽略大小写(常用)
re.L 做本地化识别(locale-aware)匹配
re.M 多行匹配,影响 ^ 和 $
re.S 使 . 匹配包括换行在内的所有字符
re.U 根据Unicode字符集解析字符。这个标志影响 \w, \W, \b, \B.
re.X 该标志通过给予更灵活的格式,以便将正则表达式写得更易于理解。

 match

从指定字符串的开始位置进行匹配。开始位置匹配成功则继续匹配,否则输出None。

该方法的结果是返回一个正则匹配对象,通过两个方法获取相关内容:

  • 通过 group() 来获取内容
  • 通过 span() 来获取范围:匹配到字符的开始和结束的索引位置

re.match(pattern, string, flags)   # match方法为例

示例代码:

import re
print(re.match('www', 'www.bd.com').span())  # 在起始位置匹配
print(re.match('com', 'www.bd.com'))  # 不在起始位置匹配
line = "Cats are smarter than dogs"

matchObj = re.match(r'(.*) are (.*?) .*', line, re.M | re.I)

if matchObj:
    print("matchObj.group() : ", matchObj.group())
    print("matchObj.group(1) : ", matchObj.group(1))
    print("matchObj.group(2) : ", matchObj.group(2))
else:
    print("No match!!")

 运行结果:

(0, 3)
None
matchObj.group() :  Cats are smarter than dogs
matchObj.group(1) :  Cats
matchObj.group(2) :  smarter

006集 正则表达式 re 应用实例—python基础入门实例_第1张图片

 re.match与re.search的区别
re.match只匹配字符串的开始,如果字符串开始不符合正则表达式,则匹配失败,函数返回None;而re.search匹配整个字符串,直到找到一个匹配。

位置相关

字符 含义 例子
^ 匹配开头的位置;通过\A ^hello 匹配hello开头的字符内容
$ 匹配结束的位置同\Z ;$ 匹配一行结尾的;符号 ^$匹配空行
< 匹配单词开头的位置
> 匹配单词结尾的位置 p> 匹配leap等,但是不能匹配parent、sleepy等不是p结尾的单词
\b 匹配单词开头或结尾的位置 \bat 匹配…at…,但是不能匹配cat、atexit、batch(非at开头)
\B 匹配非单词开头或者结尾的单词 \Bat匹配battery,但是不能匹配attend/hat等以at开头的单词

特殊字符

字符 含义 例子
\ 转义字符,保持后面字符的原义,使其不被转义 \. 输出.
( ) 将表达式的一部分括起来,可以对整个单元使用数量限定符,匹配括号中的内容 ([0-9]{1,3}\.){3}[0-9]{1,3}表示将括号内的内容匹配3次
| 连接两个子表达式,相当于或的关系 n(o|either)匹配no或者neither
\d 数字字符 相当于是[0-9]
\D 非数字字符 相当于是[^0-9]
\w 数字字母下划线 [a-zA-Z0-9_]
\W 非数字字母下划线,匹配特殊字符 [^\w]
\s 空白区域 [\r\t\n\f]表格、换行等空白区域
\S [^\s] 非空白区域

贪婪模式与非贪婪模式:

  • .*? 非贪婪模式
  • .* 贪婪模式
  • 006集 正则表达式 re 应用实例—python基础入门实例_第2张图片

 

import re
str = "aaaacbabadceb"
res = re.findall("a.*?b", str)
res1 = re.findall("a.*b", str)
str2 = "aaaacbabadcebfegbbb"
res2 = re.findall("a.*b", str2)
print(res)
print(res1)
print(res2)

 运行结果为:

['aaaacb', 'ab', 'adceb']
['aaaacbabadceb']
['aaaacbabadcebfegbbb']

006集 正则表达式 re 应用实例—python基础入门实例_第3张图片

  1. 在上面的非贪婪模式中,使用了问号 ?,当匹配到 aaaacb 已经达到了要求,停止第一次匹配;接下来再开始匹配到 ab ;再匹配到 adceb ;所以存在多个匹配结果
  2. 在贪婪模式中,程序会找到最长的那个符合要求的字符串

 

你可能感兴趣的:(python,正则表达式,python)