Python之正则表达式

本文主要是介绍Python之正则表达式，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

正则表达式的定义：

正则表达式是对字符串（包括普通字符（例如，a到z之间的字母）和特殊字符（称为“元字符”））操作的一种逻辑公式，就是用事先定义好的一些特定字符，及这些字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。正则表达式是一种文本模式，模式描述在搜索文本时要匹配的一个或多个字符串。

正则表达式的作用和特点：

给定一个正则表达式和另一个字符串，可达到以下目的：

1.给定的字符串是否符合正则表达式的过滤逻辑（称作：匹配）。

2.可以通过正则表达式，从字符串中获取我们想要的特定部分。

正则表达式的特点是：

1.灵活性，逻辑性和功能性很强。

2.可以迅速的用极简单的方式达到字符串的复杂控制。

3.对于刚接触的人来说，比较晦涩难懂。

使用场景：

如何判断一个字符串是手机号呢？

判断邮箱为163或者126的所有邮件地址。

或者是，假设我现在在写一个爬虫程序(虽然现在我还没有学哈哈)，我得到了一个网页的HTML源码。其中有一段<html><body><h1>hello world<h1></body></html>，此时我想要将其中的内容“hello world”提取出来，但这时只会用字符串处理。

s = "<html> <body> <h1>hello world<h1> </body> </html>"

start_index = s.find('<h1>')

正则符号与预定义：

###正则符号(量词)

. #用于匹配除换行符(\n)之外的所有字符

^ #用于匹配字符串的开始，即行首

$ #用于匹配字符串的末尾(末尾如果有换行符\n，就匹配\n前面的那个字符)，即行尾

* #用于将前面的模式匹配0次或多次(贪婪模式，即尽可能多的匹配) >=0

+ #用于将前面的模式匹配1次或多次(贪婪模式) >=1

? #用于将前面的模式匹配0次或1次(贪婪模式) 0，1

*?，+?，?? #即上面三种特殊字符的非贪婪模式(尽可能少的匹配)

{m} #用于验证将前面的匹配m次

{m.} #用于验证将前面的匹配m次或多次(>=m)

{m,n} #用于将前面的模式匹配m次到n次(贪婪模式)，即最小匹配m次，最多匹配n次

{m,n}? #即上面{m,n}的非贪婪版本

[] #用于标示一组字符，如果^是第一个字符，则标示的是一个补集。比如[0-9]表示所有的数字，[^0-9]表示除了数字外的字符

| #比如A|B，用于匹配A或B

(...) #用于匹配括号中的模式，可以在字符串中检索或匹配我们所需要的内容。

注意：

Python里的数量词默认是贪婪的(在少数语言里可能默认为非贪婪)，总是尝试匹配更多的字符；非贪婪是尽可能匹配更少的字符。将贪婪模式变为非贪婪模式，*？，+？，.？，??

###正则预定义

\A：表示从字符串的开始处进行匹配

\Z：表示从字符串的结束处匹配，如果存在换行，只匹配到换行前的结束字符串

\b：匹配一个单词边界，也就是指单词和空格间的位置。例如，’py\‘ 可以匹配”python“中的'py'，但是不能匹配”openpyxl“ 中的'py'

\B：匹配非单词边界(即单词内部的字母)。'py\b'可以匹配"openpyxl"中的'py'，但不能匹配"python"中的'py'

\d：匹配任意的数字，等价于 [0~9]

\D：匹配任意非数字字符，等价于 [^\d]

\s：匹配任意空白字符，等价于 [ \t \n \f \r]

\S：匹配任意非空白字符，等价于 [^\s]

\w：匹配任意字母数字及下划线，等价于 [a-z A-Z 0-9]

\W：匹配任意非字母数字及下划线，等价于 [^\w]

\\：匹配原义的反斜杠\

Python里的re模块(正则相关)

模块函数：

match： 仅从头匹配，可以拿一个正则模块同字符串头部进行匹配；匹配成功返回match对象，否则返回值为空。

search：匹配整个字符串，匹配成功则返回，与match一样都只能匹配到一个符合正则的字符串。

findall：搜索整个字符串，找到所有的符合正则式的字符串，以列表形式返回。

sub：遍历整个字符串，将符合正则式的字符串替换为新的字符串。

split：在字符串中如果搜索到，就会分割，将分割出的内容保留在列表中。

##应用分析A1

import re

msg = '玛尔扎哈赛恩德莱厄斯'

pattern = re.compile('玛尔扎哈')
print(pattern)
result = pattern.match(msg)  # 没有匹配到时，值为空
print(result)

输出：

re.compile('玛尔扎哈')
<re.Match object; span=(0, 4), match='玛尔扎哈'>

上面代码中使用了re模块里的compile来创建正则式，再通过其调用match来实现正则匹配。

##应用分析A2

import re
s = '泰达米尔卡特琳娜德莱文'

result = re.match('泰达米尔', s)  # 第一个参数为为正则式，第二个参数为字符串
print(result)  # match 头部匹配

###使用正则re模块的方法：search
result = re.search('卡特', s)  # 第一个参数为为正则式，第二个参数为字符串
print(result)  # search  查找匹配，找到一个后返回
print(result.span())  # 返回匹配到的字符串位置

print(result.group())  # 提取到匹配的内容

输出：

<re.Match object; span=(0, 4), match='泰达米尔'>
<re.Match object; span=(4, 6), match='卡特'>
(4, 6)
卡特

可在match方法里直接写入正则式，再写入待匹配的字符串，就可直接进行匹配啦。而且从输出结果可以看到，match仅仅是从头匹配，而search是匹配整个字符串。

span()可用来返回匹配到字符串的位置，group()可返回匹配到的字符串位置。

使用量词的正则匹配：

其实，在我们实际项目的应用中，我们大多面对的是复杂字符串，而且要从中提取到符合特定逻辑的内容是比较复杂的，此时我们就可以真正的对正则的量词和预定义的灵活使用，解决这些难点。

###应用分析B1 (findall)

# 复杂字符串序列
msg = 'a2bc2d98s iui1200'

result = re.match('[a-z][0-9][a-z]', msg)
print(result.group())

result = re.findall('[a-z][0-9][a-z]', msg)  # findall 找到所有匹配的字符
print(result)  # 以列表形式返回

输出：

a2b
['a2b', 'c2d']

可见，findall匹配到所有符合的字符串后以列表形式返回；在正则式里[ ]里可表示范围的字符。

###应用分析B2 (正则量词练习)

msg = 'a7aa88aa7878aa78787878a'

result = re.findall('[a-z][0-9]+[a-z]', msg)
print(result)

##qq 号码验证  5~11  纯数字，没有字母 开头不为0
qq = '25420745800'
result = re.match('[1-9][0-9]{4,10}$', qq)  # 使用$来指明尾部
print(result)

##验证用户名  用户名可以是字母或者数字，不能是数字开头，用户名长度必须6位以上[0-9a-zA-Z]

n = 'jj001admin'
result = re.match('[a-zA-Z][0-9a-zA-Z]{5,}$', n)  # 由于验证的是一个整体单位
print(result)

msg = 'aa.py as.txt jkl.py sd.png km.py'
result = re.findall(r'\w+.py\b', msg)
print(result)

输出：

['a7a', 'a88a', 'a7878a', 'a78787878a']
<re.Match object; span=(0, 11), match='25420745800'>
<re.Match object; span=(0, 10), match='jj001admin'>
['aa.py', 'jkl.py', 'km.py']

以上就是正则符号的混合应用了，大家可以仔细看一下代码。其中最后一个输出，其正则格式使用了正则里的预定义，可以更加简化代码。

###应用分析B3 (()，{}，[]三者的用法)

# 匹配数字 0-100 之间
n = '100'

result = re.match(r'[1-9]?\d?$|100$', n)
print(result)

# 小括号里字符串(或者时)可作整体，而方括号里(或者时)作为单个字符
# 验证邮箱 163 126 qq
email = '321456987@qq.com'
result = re.match('\w{5,20}@(qq|126|163)\.(com|cn)$', email)
print(result)

##不是以4，7结尾的手机号码(11位)
phone = '12345678910'
result = re.match('1\d{9}[0-35-689]', phone)
print(result)

输出：

<re.Match object; span=(0, 3), match='100'>
<re.Match object; span=(0, 16), match='321456987@qq.com'>
<re.Match object; span=(0, 11), match='12345678910'>

注意。经match匹配出的结果均为match对象形式；[]一般表示范围，{}表示字符出现频次，()表示分组。

###应用分析B4 (分组)

# 分组 (爬虫相关)
phone = '010-12345678'
result = re.match('(\d{3}|\d{4})-(\d{8}$)', phone)
print(result)

# 分别提取
print(result.group(1))  # 输出第一组
print(result.group(2))  # 输出第二组
print(result.group())  # 输出全部

输出：

010
12345678
010-12345678

()可以以分组的形式输出匹配到的字符串，借助group()可实现对分组的提取。

###应用分析B5 (两种正则式引用方法)

第一种：

msg1 = '<h1>hello</h1>'

#  \1是引用第一组的内容；number的方式
result = re.match(r'<([0-9a-zA-Z]+)>(.+)</\1>$', msg1)
print(result)
print(result.group(1))
print(result.group())

输出：

<re.Match object; span=(0, 14), match='<h1>hello</h1>'>
h1
<h1>hello</h1>

正则表达式里的引用：在写正则式的时候我们可以利用小括号()来进行分组，然后利用\1，\2...的方式，表示引用第一组和第二组的内容，这样可以极大的简写我们的代码。

第二种：

# 起名的方式  使用 ?P 对标签起名   (?P<名字>正则)   (?P = 名字)
msg = '<html><h1>asd</h1></html>'
result = re.match(r'<(?P<name1>\w+)><(?P<name2>\w+)>(.+)</(?P=name2)></(?P=name1)>', msg)
print(result.group())
print(result)

输出：

<html><h1>asd</h1></html>
<re.Match object; span=(0, 25), match='<html><h1>asd</h1></html>'>

这是对正则分组的式子引用的第二种方式，以<?P<name1>>的形式给字符串起名，并以<(?P=name1)>的形式引用。

###应用分析B6 ()

def func(temp):
    num = temp.group()
    num1 = int(num) + 1
    return str(num1)
result = re.sub(r'\d+', '90', 'java:95,pathon:99')  # 替换后面字符串满足条件的内容
print(result)

result = re.sub(r'\d+', func, 'java:95,pathon:99')  # 利用函数+正则来实现对字符串内容的修改
print(result)

result = re.split('[:,]','java:95,pathon:99')  #被切除的元素就没有了
print(result)

输出：

java:90,pathon:90
java:96,pathon:100
['java', '95', 'pathon', '99']

该例子用于说明sub与split方法的作用。sub(正则式,待替换的形式,旧字符串)，会直接返回新的字符串；split(正则式,待匹配的字符串)，匹配成功后删除该字符并将整个字符串分割，以列表形式返回。

这篇关于Python之正则表达式的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！

Python教程