Python正则表达式学习摘要及资料

摘要

  • 在正则表达式中,如果直接给出字符,就是精确匹配。
  • {m,n}? 对于前一个字符重复 mn 次,并且取尽可能少的情况 在字符串'aaaaaa'中,a{2,4} 会匹配 4 个 a,但 a{2,4}? 只匹配 2 个 a
    ^表示行的开头,^\d表示必须以数字开头。

$表示行的结束,\d$表示必须以数字结束。

你可能注意到了,py也可以匹配'python'–>py;
但是加上^py$就变成了整行匹配,就只能匹配’py’了,匹配'python'时,就什么也得不到。

参考表

正则表达式特殊序列

re模块

re.compile(pattern[, flags])
把正则表达式的模式和标识转化成正则表达式对象,供match()search() 这两个函数使用。

re 所定义的 flag 包括:

1
2
3
4
5
6
re.I 忽略大小写
re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境
re.M 多行模式
re.S 即为’ . ’并且包括换行符在内的任意字符(’ . ’不包括换行符)
re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库
re.X 为了增加可读性,忽略空格和’ # ’后面的注释

以下两种用法结果相同:
(A)

1
2
compiled_pattern = re.compile(pattern) 
result = compiled_pattern.match(string)

(B)

1
result = re.match(pattern, string)

由于Python的字符串本身也用\转义,所以要特别注意:

1
2
3
s = 'ABC\\-001' # Python的字符串
#对应的正则表达式字符串变成:
#'ABC\-001'

因此我们强烈建议使用Python的r前缀,就不用考虑转义的问题了

1
2
3
s = r'ABC\-001' # Python的字符串
# 对应的正则表达式字符串不变:
# 'ABC\-001'

re.search(pattern, string[, flags])在字符串中查找匹配正则表达式模式的位置,返回 MatchObject 的实例,如果没有找到匹配的位置,则返回None。 对于已编译的正则表达式对象来说(re.RegexObject),有以下search 的方法:search (string[, pos[, endpos]]) regex 是已编译好的正则表达式对象,regex.search(string, 0, 50) 等同于regex.search(string[:50], 0)`。

1
2
3
>>> pattern = re.compile("a") 
>>> pattern.search("abcde") # Match at index 0
>>> pattern.search("abcde", 1) # No match;

match

re.match(pattern, string[, flags])
判断 pattern 是否在字符串开头位置匹配。对于 RegexObject,有:
match(string[, pos[, endpos]])
match() 函数只在字符串的开始位置尝试匹配正则表达式,也就是只报告从位置 0 开始的匹配情况,而 search() 函数是扫描整个字符串来查找匹配。如果想要搜索整个字符串来寻找匹配,应当用 search()。

1
2
>>> pattern.match('bca',2).group()
'a'

虽然,match默认是从开头匹配,但是,如果指定位置,仍然能成功;但是!match也是从指定位置开始匹配,不匹配仍然会失败,这一点就和search有区别啦。

match()方法判断是否匹配,如果匹配成功,返回一个Match对象,否则返回None

1
2
3
4
5
test = '用户输入的字符串'
if re.match(r'正则表达式', test):
print('ok')
else:
print('failed')

split

re.split(pattern, string[, maxsplit=0, flags=0])
此功能很常用,可以将将字符串匹配正则表达式的部分割开并返回一个列表。对 RegexObject,有函数:
split(string[, maxsplit=0])

对于一个找不到匹配的字符串而言,split 不会对其作出分割

1
2
>>> 'a b   c'.split(' ')
['a', 'b', '', '', 'c']

这里用字符串自带的split方法就很不灵活。

1
2
>>> re.split(r'\s+', 'a b   c')
['a', 'b', 'c']

看出差别了吧,很强大!
再来一个终极的:

1
2
>>> re.split(r'[\s\,\;]+', 'a,b;; c  d')
['a', 'b', 'c', 'd']

r'[\s\,\;]+'的正则表达式意思为:空格或者,或者;`出现1次或1次以上都是满足条件的分割符号!所以,最后结果还是很干净。

findall

re.findall(pattern, string[, flags])

在字符串中找到正则表达式所匹配的所有子串,并组成一个列表返回。同样 RegexObject有:
findall(string[, pos[, endpos]])

1
2
3
4
 #get all content enclosed with [], and return a list 
>>> pattern=re.compile(r'hh')
>>> pattern.findall('hhmichaelhh')
['hh', 'hh']

finditer

re.finditer(pattern, string[, flags])
findall 类似,在字符串中找到正则表达式所匹配的所有子串,并组成一个迭代器返回。同样 RegexObject 有:
finditer(string[, pos[, endpos]])

sub

re.sub(pattern, repl, string[, count, flags])
在字符串 string 中找到匹配正则表达式pattern的所有子串,用另一个字符串 repl进行替换。如果没有找到匹配 pattern 的串,则返回未被修改的 string。Repl 既可以是字符串也可以是一个函数。

返回值是替换后的新字符串。

对于 RegexObject有:
sub(repl, string[, count=0])

1
2
3
4
5
6
7
8
9
>>> pattern=re.compile(r'\d')
>>> pattern.sub('no','12hh34hh')
'nonohhnonohh'
>>> pattern.sub('no','12hh34hh',0)
'nonohhnonohh'
>>> pattern.sub('no','12hh34hh',count=0)
'nonohhnonohh'
>>> pattern.sub('no','12hh34hh',1)
'no2hh34hh'

通过上面的例子,可以看出,count是可以缺省的,同时,默认值是0,表示全部替换;否则,就是指定替换几个。

subn

re.subn(pattern, repl, string[, count, flags])
该函数的功能和 sub() 相同,但它还返回新的字符串以及替换的次数。同样RegexObject有:
subn(repl, string[, count=0])

1
2
>>> pattern.subn('no','12hh34hh',count=0)
('nonohhnonohh', 4)

分组

除了简单地判断是否匹配之外,正则表达式还有提取子串的强大功能。用()表示的就是要提取的分组(Group)。比如:

^(\d{3})-(\d{3,8})$分别定义了两个组,可以直接从匹配的字符串中提取出区号和本地号码:

1
2
3
4
5
6
7
8
9
10
11
>>> m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')
>>> m
<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
>>> m.group(0)
'010-12345'
>>> m.group(1)
'010'
>>> m.group(2)
'12345'
>>> m.groups()
('010', '12345')

通过实验,如果不用括号,得到的Match对象课可以使用例如a.group(0)或者a.group()但是,使用a.group(1)就会报错的。

贪婪匹配

正则匹配默认是贪婪匹配,也就是匹配尽可能多的字符。举例如下,匹配出数字后面的0

1
2
>>> re.match(r'^(\d+)(0*)$', '102300').groups()
('102300', '')

由于\d+采用贪婪匹配,直接把后面的0全部匹配了,结果0*只能匹配空字符串了。

必须让\d+采用非贪婪匹配(也就是尽可能少匹配),才能把后面的0匹配出来,加个?就可以让\d+采用非贪婪匹配:

1
2
>>> re.match(r'^(\d+?)(0*)$', '102300').groups()
('1023', '00')

Python正则表达式学习资源

我知道是不会有人点的,但万一有人想不开呢👇