从零开始的Python学习Episode 15——正则表达式
正则表达式
正则表达式(或 re)是一种小型的、高度专业化的编程语言,(在python中)它内嵌在python中,并通过 re 模块实现,所以使用时要导入re模块。正则表达式模式被编译成一系列的字节码,然后由用 c 编写的匹配引擎执行。
先说几个元字符 . ^ $ * + ? { }
import re ret = re.findall('t...r', 'hellotomorrow') print(ret) # ['tomor'] ret = re.findall('^r.w', 'r1whellotomorr2w') print(ret) # ['r1w'] ret = re.findall('r.w$', 'r1whellotomorr2w') print(ret) # ['r2w'] ret = re.findall('hello$', 'r1whellotomorr2w') print(ret) # ['awwwn'] ret = re.findall('abc*', 'abcccc') # 贪婪匹配[0,+oo] print(ret) # ['abcccc'] ret = re.findall('abc*', 'ab') # 贪婪匹配[0,+oo] print(ret) # ['ab'] ret = re.findall('abc+', 'abccc') # [1,+oo] print(ret) # ['abccc'] ret = re.findall('abc?', 'abccc') # [0,1] print(ret) # ['abc'] ret = re.findall('abc{1,4}', 'abccc') print(ret) # ['abccc'] 贪婪匹配 ret=re.findall('abc*?','abcccccc') print(ret)#['ab'] 当* + ?的后面再加上?的话就会变成惰性匹配
元字符:[ ]
import re ret = re.findall('a[bc]d','abd') print(ret)#['abd'],选b或c ret = re.findall('[a-z]','abd') print(ret)#['a', 'b', 'd'],选出a到z的元素 ret = re.findall('[.*+]','a.b+c*') print(ret)#['.', '+', '*'],消除某些元字符的特殊功能 ret = re.findall('[1-9]','adc51ca') print(ret)#['5', '1'],选出1到9之间的数字 ret = re.findall('[^ab]','jnan21b') print(ret)#['j', 'n', 'n', '2', '1'],选出除了a,b的元素 ret = re.findall('\dc','123 cad#4') print(ret)#['1', '2', '3', '4'],选出数字
元字符的转义符
反斜杠后边跟元字符去除特殊功能,比如\.
反斜杠后边跟普通字符实现特殊功能,比如\d
\d 匹配任何十进制数;它相当于类 [0-9]。
\d 匹配任何非数字字符;它相当于类 [^0-9]。
\s 匹配任何空白字符;它相当于类 [ \t\n\r\f\v]。
\s 匹配任何非空白字符;它相当于类 [^ \t\n\r\f\v]。
\w 匹配任何字母数字字符;它相当于类 [a-za-z0-9_]。
\w 匹配任何非字母数字字符;它相当于类 [^a-za-z0-9_]
\b 匹配一个特殊字符边界,比如空格 ,&,#等
有一种特殊情况:
import re m = re.findall('\bblow', 'blow') print(m)#[] m = re.findall('\\bblow', 'blow') print(m)#['blow'] m = re.findall(r'\bblow', 'blow') print(m)#['blow']
这是因为在python解释器中“\\”才相当于一个“\”,而光写一个“\”是不能被识别的。
元字符( )分组
ret = re.search('(?p<id>\d{3})/(?p<name>\w{2,3})', '233/cn') print(ret.group())#233/cn print(ret.group('id'))#233
这段代码的意思是以‘/’为界限分为名为id(3个数字)和名为name(2个或3个字母)的两个组,其中(?p<xxx>)是固定的格式,但可以不用这种格式。如果没有用这种格式则没有办法按名字来访问组中的数据,按需求来选择是否要用。而search()是扫描整个string查找匹配,会扫描整个字符串并返回第一个成功的匹配。
re.compile()
compile()可以编译正则表达式模式,返回一个对象。可以把常用的正则表达式编译成正则表达式对象,方便后续调用及提高效率。
import re ret = re.compile('(\d{3})/(\w{2,3})') print(ret.search('233/cn').group())
#233/cn
re.match()
只检测是不是在string的开始位置匹配,若在开头检测不到,则返回空。
ret = re.match('233','2334567') print(ret) #<re.match object; span=(0, 3), match='233'> #可以通过ret.span()查看其终止点,通过ret.group()查看匹配到的内容。
re.search()
扫描整个string查找匹配,会扫描整个字符串并返回第一个成功的匹配.
import re ret = re.compile('(\d{3})/(\w{2,3})') print(ret.search('233/cn').group()) #233/cn,也可以像match那样用span和group
re.split()
原型是re.split(pattern, string, maxsplit=0)
通过正则表达式将字符串分离。如果用括号将正则表达式括起来,那么匹配的字符串也会被列入到list中返回。maxsplit是分离的次数,maxsplit=1分离一次,默认为0,不限制次数。
import re ret = re.split('s','adsnjfsnja') print(ret) #['ad', 'njf', 'nja']