如何利用Python使用正则表达式

• 正则表达式常用匹配规则
• re库的使用
• • match()方法：
  • search()方法:
  • findall()方法 :
  • sub()方法:
  • compile()方法;
• 通用匹配
• • 通用匹配
• 贪婪与非贪婪匹配
• • 贪婪匹配
  • 非贪婪匹配
• 修饰符
• 转义匹配

正则表达式常用匹配规则

对于URL来说,正则表达式可以用下面的正则表达式来匹配:

[a-zA-Z]+://[^\s]*

这个正则表达式看上去十分的糟糕,其实里面都包含了特定的语法规则。比如，a-z代表匹配任意的小写字母，\s表示匹配任意的空白字符，*就代表匹配前面的字符任意多个，这一长串的正则表达式就是这么多平匹配规则的组合。

所以当写完正则表达式后，就可以拿他去一个字符串里匹配查找，不论这个字符串里有什么，这要符合我们写的规范，就统统可以找出来

下面列出常用的匹配规则：

re库的使用

正则表达式不是Python独有的，但Python的re库提供了整个正则表达式的实现，利用re库，就可以在Python中使用正则表达式，下面开始介绍它的一些常用方法：

match()方法：

match方法会尝试从字符的起始位置匹配正则表达式，如果匹配，就返回匹配成功；如果不匹配，就会返回None。示例如下：

import re
content = "Hello world 123 1234 Hello_my world"
print(len(content))
result = re.match('^Hello\s\w\w\w\w\w\s\d{3}\s\d{4}\s\w{8}',content)
print(result)

结果显式:

在这里,首先声明了一段字符串content,里面包含了英文字母,空白字符,数字等等,接下来,我们写了一段正则表达式:

^Hello\s\w\w\w\w\w\s\d{3}\s\d{4}\s\w{8}

用来匹配这个长字符。^是匹配字符串的开头,也就是说以Hello为开头；然后\s来匹配空白字符；\w匹配字母，5个\w代表匹配5个字母；后面还有阿拉伯数字，如果单纯只用\d\d\d来匹配，非常麻烦，所以\d后面可以跟着{3}代表匹配3个阿拉伯数字，以此类推写出了我们得到正则表达式。其实，我们并没有将字符串完整的匹配下来，但我们仍然可以进行匹配，只不过只是截取字符的一部分来进行匹配而已。

而在match（）方法中，第一个参数传入正则表达式，第二个参数传入要匹配的字符。

在打印输出的结果，可以看到结果是re.Match对象，说明匹配成功，但是如果单纯的打印result。则会显示：

<re.Match object; span=(0, 29), match=‘Hello world 123 1234 Hello_my’>

有许多多余的成分，所以一下有两种方法可以更好的进行查看

group()方法：可以输出匹配到的内容，结果是Hello world 123 1234 Hello_my
span()方法： 可以输出匹配的范围，结果是（0，29）

当然match()方法还可以将想要提取的字符串中，单体提出一部分内容；只需要用()将想要的字符串括起来，被括起来的每一个子表达式会一次对应分组，调用group()方法传入分组的索引即可获取提取的结果，示例如下：

import re
content = "Hello world 123 1234 Hello_my world"
print(len(content))
result = re.match('^Hello\s\w\w\w\w\w\s\d{3}\s(\d+)\s\w{8}',content)
print(result)
print(result.group())
print(result.group(1))
print(result.span())

结果显示：

这里将group(1)打印,我们成功得到了1234,如果正则表达式中还有被()包裹的内容,那么可以依次使用group(2),group(3)来获取.

search()方法:

前面讲到match()方法是从字符串开头开始匹配的,一旦开头不匹配,那么整个匹配就是失败了,请看下面例子:

import re
content = "Hello world 123 1234 Hello_my world"
print(len(content))
result = re.match('ello\s\w\w\w\w\w\s\d{3}\s\d{4}\s\w{8}',content)
print(result)

对于上面代码,相对之前,我们只去掉了开头的H,则变成了以下的结果:

但是我们用search()来替换match(),可以看见:

因此,为了方便,我们可以尽量使用search()方法.

findall()方法 :

在介绍search()方法同时,我们发现,不管是match()方法,还是search()方法都只能返回匹配到的第一个内容,但是如果想要获取匹配正则表达式的所有内容,那该怎么办呢?这时就要借助findall()方法了.该方法会搜索整个字符,然后返回匹配正则表达式的所有内容.

因为用法类似,这里只介绍作用,就不用代码演示了

sub()方法:

除了使用正则表达式提取信息外,有时候还需要借助它来修改文本.比如,想把一串文本中的所有数字都去掉,如果只用字符串的replace()方法,那就太繁琐了,这时可以借助sub()方法.示例如下:

import re
content = "Hello world 123 1234 Hello_my world"
print(len(content))
result = re.sub('\d+','',content)
print(result)

结果显式:

这里只需要给第一个参数传入匹配的字符(这里是\d+,代表所有数字),第二个参数为替换的字符串(这里是’’,及空字符,我们需要将所有的数字删掉),第三个参数是原字符串.

可以看见所有的数字都被删除

compile()方法;

前面方法都是用来处理字符串的方法,最后介绍一下compile()方法,这个方法可以将正则字符串编译成正则表达式对象,以便在后面的匹配中复用,示例如下:

import re
content = "Hello world 123 1234 Hello_my world"
demo = re.compile('\d+')
result = re.sub(demo,'',content)
print(result)

结果显式:

这里我们和上题一样,是想要删除字符串里面的数字,和上题不同的是,我们利用compile()方法制作了正则表达式对象,在后面使用时,可以直接套用此对象,更加的方便,快捷

通用匹配

通用匹配

之前我们所写的正则表达式其实比较复杂,出现空白字符我们写\s,出现数字写\d,如果每次书写都这样繁琐,工作量会变得非常大.其实完全没有必要,因为还有一个万能匹配可以使用,那就是.* ,其中.可以匹配任意字符(除了换行符),*可以匹配前面的字符无数次,所以它们合在一起就可以匹配任意字符了,因此,我们可以改写:

import re
content = "Hello world 123 1234 Hello_my world"
print(len(content))
result = re.search('.*',content)
print(result)
print(result.group())
print(result.span())

结果如下:

.*非常简单的匹配到了我们所有的字符

贪婪与非贪婪匹配

贪婪匹配

在使用.*时,有时候并不能匹配到我们想要得到结果,请看下面例子:

import re
content = "Hello world 123 1234 Hello_my world"
print(len(content))
result = re.search('H.*(\d+)\s\d{4}\s\w{8}',content)
print(result)
print(result.group())
print(result.group(1))
print(result.span())

结果如下:

在这里,我们只想匹配到1前面的内容,再利用group(1)输出123,可是结果只显示了3,这是因为在贪婪模式下,.*会进可能的匹配更多的字符,.*后面是\d+,也就是至少一个字符,并没有指定多少个数字,因此,.*就尽可能的匹配更多的字符,这里就将12匹配了,给\d+留下来一个可满足条件的3了.

非贪婪匹配

前面,因为贪婪匹配,我们没有得到想要的结果,那该怎么办我们才可以匹配出自己想要的字符’123’呢?,其实,只需要使用非贪婪匹配就好了,非贪婪匹配的写法是.?,多了一个?,这样非贪婪模式会竟可能匹配少的字符,与贪婪模式相反,这样当匹配到Hello后面的字符时,后面就是数字了,而\d+正好可以匹配,.?就不会取匹配,交给后面的\d+了.

示例如下:

import re
content = "Hello world 123 1234 Hello_my world"
print(len(content))
result = re.search('H.*?(\d+)\s\d{4}\s\w{8}',content)
print(result)
print(result.group())
print(result.group(1))
print(result.span())

结果显式:

所以,做匹配的过程中因尽量使用非贪婪匹配,以免出现匹配结果缺失的情况.

修饰符

正则表达式可包含一些可选修饰符来控制匹配的模式,我们可以用实例来看看:

import re
content = '''Hello world 123 
1234 Hello_my world'''
print(len(content))
result = re.search('.*',content)
print(result)
print(result.group())
print(result.span())

如果我们没有使用修饰符,结果如下:

当我们使用修饰符时,结果如下:

import re
content = '''Hello world 123 
1234 Hello_my world'''
print(len(content))
result = re.search('.*',content,re.S)
print(result)
print(result.group())
print(result.span())

可以看到,没有使用修饰符时,字符串没有匹配完全,而加了修饰符才可以正确显式

其中，较为常用的有re.S和re.I

转义匹配

正则表达式定义了许多匹配模式,如.用来匹配除了换行符之外的任意字符,但如果我们需要匹配的目标字符包含.该怎么办?这里就需要用到转义匹配了,当遇到用于正则匹配模式的特殊字符时,只需要在前面加反斜杠转义一下即可,例如可以用.来匹配.

以上就是写正则表达式常用的几个知识点,感谢您的观看,博主本人也在学习的过程中,大家可以多多讨论,一起学习