目录
  • python正则表达式

python正则表达式

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,作为刚学python的新手大多数都听说”正则“这个术语。

一、re模块

在讲正则表达式之前,我们首先得知道哪里用得到正则表达式。正则表达式是用在findall()方法当中,大多数的字符串检索都可以通过findall()来完成。

1.导入re模块

在使用正则表达式之前,需要导入re模块。

import re	

2.findall()的语法:

导入了re模块之后就可以使用findall()方法了,那么我们必须要清楚findall()的语法是怎么规定的。

findall(正则表达式,目标字符串)

不难看出findall()的是由正则表达式和目标字符串组成,目标字符串就是你要检索的东西,那么如何检索则是通过正则表达式来进行操作,也就是我们今天的重点。

使用findall()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

二、正则表达式

1.字符串的匹配

1.1普通字符

大多数的字母和字符都可以进行自身匹配。

import re
a = "abc123+-*"
b = re.findall('abc',a)
print(b)

输出结果:

['abc']
1.2元字符

元字符指的是. ^ $ ? + {} \ []之类的特殊字符,通过它们我们可以对目标字符串进行个性化检索,返回我们要的结果。

这里我给大家介绍10个常用的元字符以及它们的用法,这里我先给大家做1个简单的汇总,便于记忆,下面会挨个讲解每一个元字符的使用。

(1) []

[] 的使用方式主要有以下三种:

  • 常用来指定一个字符集。
s = "a123456b"
rule = "a[0-9][1-6][1-6][1-6][1-6][1-6]b" #这里暂时先用这种麻烦点的方法,后面有更容易的,不用敲这么多[1-6]
l = re.findall(rule,s)
print(l)

输出结果为:

['a123456b']
  • 可以表示一个范围。

例如要在字符串”abcabcaccaac”中选出abc元素:

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)

输出结果为:

['abc', 'abc', 'acc', 'aac']
  • [] 内的元字符不起作用,只表示普通字符。

例如要在字符串“caabcabcaabc”中选出“caa”:

print(re.findall("caa[a,^]", "caa^bcabcaabc"))

输出结果为:

['caa^']

注意:当在[]的第一个位置时,表示除了a以外的都进行匹配,例如把[]中的和a换一下位置:

print(re.findall("caa[^,a]", "caa^bcabcaabc")) 

输出:

['caa^', 'caab'] 

(2)^

^ 通常用来匹配行首,例如:

print(re.findall("^abca", "abcabcabc"))

输出结果:

['abca']

(3) $

$ 通常用来匹配行尾,例如:

print(re.findall("abc$", "accabcabc"))

输出结果:

['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。

  • \d:匹配任何十进制数等价于[0-9]
print(re.findall("c\d\d\da", "abc123abc"))

输出结果为:

['c123a']

\可以转义成普通字符,例如:

print(re.findall("\^abc", "^abc^abc"))

输出结果:

['^abc', '^abc']
  • s

匹配任何的空白字符例如:

print(re.findall("\s\s", "a     c"))

输出结果:

['  ', '  ']

  • \w

匹配任何字母数字和下划线,等价于[a-za-z0-9_],例如:

print(re.findall("\w\w\w", "abc12_"))

输出:

['abc', '12_']

(5){n}

{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,例如:

print(re.findall("\w{2}", "abc12_"))

输出结果:

['ab', 'c1', '2_']

(6)*

*表示匹配零次或多次(尽可能的多去匹配),例如:

print(re.findall("010-\d*", "010-123456789"))

输出:

['010-123456789']

(7) + **

+表示匹配一次或多次,例如

print(re.findall("010-\d+", "010-123456789"))

输出:

['010-123456789']

(8) .

.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,例如:

print(re.findall(".", "010\n?!"))

输出:

['0', '1', '0', '?', '!']

(9) ?

?表示匹配一次或零次

print(re.findall("010-\d?", "010-123456789"))

输出:

['010-1']

这里要注意一下贪婪模式和非贪婪模式。

贪婪模式:尽可能多的去匹配数据,表现为\d后面加某个元字符,例如\d*:

print(re.findall("010-\d*", "010-123456789"))

输出:

['010-123456789']

非贪婪模式:尽可能少的去匹配数据,表现为\d后面加?,例如\d?

print(re.findall("010-\d*?", "010-123456789"))

输出为:

['010-']

(10) {m,n}

m,n指的是十进制数,表示最少重复m次,最多重复n次,例如:

print(re.findall("010-\d{3,5}", "010-123456789"))
输出:

['010-12345']

加上?表示尽可能少的去匹配

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:

  • {1,} 相当于前面提过的 + 的效果
  • {0,1} 相当于前面提过的 ? 的效果
  • {0,} 相当于前面提过的 * 的效果

关于常用的元字符以及使用方法就先到这里,我们再来看看正则的其他知识。

2、正则的使用

2.1编译正则

在python中,re模块可通过compile() 方法来编译正则,re.compile(正则表达式),例如:

 s = "010-123456789"
 rule = "010-\d*"
 rule_compile = re.compile(rule) #返回一个对象
 # print(rule_compile)
 s_compile = rule_compile.findall(s)
 print(s_compile) #打印compile()返回的对象是什么

输出结果:

['010-123456789']
2.2正则对象的使用方法

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)

就拿上面的 compile()编译正则之后返回的对象来做举例,我们这里不用 findall() ,用 match() 来看一下结果如何:

s = "010-123456789"
rule = "010-\d*"
rule_compile = re.compile(rule)  # 返回一个对象
# print(rule_compile)
s_compile = rule_compile.match(s)
print(s_compile)  # 打印compile()返回的对象是什么

输出:

<re.match object; span=(0, 13), match='010-123456789'>

可以看出结果是1个match 对象,开始下标位置为0~13,match为 010-123456789 。既然返回的是对象,那么接下来我们来讲讲这个match 对象的一些操作方法。

2.3match object 的操作方法

这里先介绍一下方法,后面我再举例,match对象常见的使用方法有以下几个:

(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

举例:用span()来对search()返回的对象进行操作:

s = "010-123456789"
rule = "010-\d*"
rule_compile = re.compile(rule)  # 返回一个对象
s_compile = rule_compile.match(s)
print(s_compile.span())  #用span()处理返回的对象

结果为:

(0, 13)
2.4re模块的函数

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,例如:

s = "abcabcacc" #原字符串
l = re.sub("abc","ddd",s)   #通过sub()处理过的字符串
print(l)

输出:

ddddddacc #把abc全部替换成ddd

(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

s = "abcabcacc" #原字符串
l = re.subn("abc","ddd",s)   #通过sub()处理过的字符串
print(l)

输出:

('bbbbbbacc', 2)

(4)split()

split()分割字符串,例如:

s = "abcabcacc"
l = re.split("b",s)
print(1)

输出结果:

['a', 'ca', 'cacc']

到此这篇关于带你精通python正则表达式的文章就介绍到这了,更多相关python正则表达式内容请搜索www.887551.com以前的文章或继续浏览下面的相关文章希望大家以后多多支持www.887551.com!