【Python教程】08.正则表达式
文章目录
大纲
re模块
正则表达式就是用一系列的通配符去匹配字符串。
目前最强大的字符串处理工具。Python中使用re模块处理正则表达式。
我们曾经使用过
w = re.sub('[^a-zA-Z]', '', w) # 去除非字母
sub其实就是一个替换方法,第一个参数是匹配的方式,即要学习的正则表达式。
第二个是匹配到内容后进行替换的字符串,最后一个是要处理的字符串。
除了sub方法,还有match、search、findall、finditer等主要方法。
定义正则表达式:
reg_exp = r'[^a-zA-Z]' # 匹配非字母
正则表达式可以用 r 开头后面跟上字符串,就代表这是一个正则表达式。这样可以避免很多转义的问题。
匹配一个对象:match、search。
ret = re.match(reg_exp, '12')
if ret is not None:
print(ret.group()) # 匹配到一个
输出 1 ,即匹配得到的第一个非字母。
如何没有匹配到,返回None。match必须从头开始匹配。
ret = re.match(reg_exp, 'a12')
print(ret) # 空
ret = re.search(reg_exp, 'a12')
print(ret.group()) # 正常返回1
search则可以从任意位置开始匹配,只要有匹配到的就返回。
查找全部匹配:findall、finditer。
ret = re.findall(reg_exp, 'a12')
print(ret)
findall以列表返回所有匹配到内容。输出:
for i in re.finditer(reg_exp, 'a12'):
print(i.group())
finditer则是以迭代器方式【一种需要用for循环方式使用的类型】,使用for循环可以遍历出所有的匹配值。两者功能等价。
获得匹配位置:
除了findall,其他匹配后返回的结果都是一个Match对象。
通过group()方法可以得到内容。
通过span()方法就可以获得起始位置和结束位置的元组。
for i in re.finditer(reg_exp, 'a12'):
print(i.group(), i.span())
输出:
替换:sub。
ret = re.sub(reg_exp, '*', 'a12')
print(ret)
将非字母替换成*号。
正则表达式
前后匹配:^、$。^ 表示前匹配,$ 表示后匹配。
re.search(r'^abc', 'abc1')
从头开始匹配,如果匹配到 ^ 后面的内容,则返回匹配的Match对象,否则为空。
re.search(r'c1$', 'abc1')
尾部如果匹配到 $ 前面的内容,则返回匹配的Match对象,否则为空。
功能上类似于 startswith 和 endswith。
但配合后面的匹配方法,就不止这个功能了。
基础字符匹配

re.search(r'.\s.', 'I am a student.') # I a
re.search(r'\d', 'I am a student.') # None
re.search(r'stu..nt', 'I am a student.') # student
匹配自定义字符组:[]。
re.search(r'[abcde]', 'I am a student.') # a
re.search(r'[^abcde]', 'I am a student.') # I
re.search(r'[a-z]', 'I am a student.') # a
1、匹配中括号内的字母组中任意一个字符。
2、加一个 ^ 号,表示非,即匹配不在中括号内的字母组的字符。
3、匹配中括号内一个范围的字符。
reg_exp = r'[^a-zA-Z]' # 匹配非字母
所以这个匹配了非a到z和A到Z的字符,即非字母。
重复匹配:前面都是单个字符的匹配,现在学习匹配N个字符。
乘号【*】表示匹配之前的字符0到无限次。
加号【+】表示匹配之前的字符1到无限次。
大括号 {} 表示匹配多少次。{n}表示n次,{n,m}表示n到m次,{n,}表示至少n次。
print(re.findall(r'\w*', 'You are good'))
print(re.findall(r'\w+', 'You are good'))
print(re.findall(r'\w{1,3}', 'You are good'))
输出:
问号:?。单个问号表示0次或1次。*? 表示非贪婪的0到无限次。+? 表示非贪婪的1到无限次。
贪婪表示得到最大的匹配,非贪婪表示获得最小的匹配。
print(re.findall(r'@ab?', '@abc@abc@'))
print(re.findall(r'@.+@', '@abc@abc@')) # 贪婪
print(re.findall(r'@.+?@', '@abc@abc@')) # 非贪婪
输出:
贪婪情况下,得到第一个@到最后一个@。
非贪婪情况下,当遇到第二个@时就认为匹配到了。
分组是通过匹配获取信息的方式:括号 ()。
mail = 'lin029011@163.com'
ret = re.match(r'(.+)@(.+)', mail)
print(ret.group()) # 没有变化
print(ret.groups()) # 分组结果
添加括号后,对于匹配并没有变化,结果的group不变。
但是在获取groups时,结果就有了分组。将我们的邮箱分解为了前后两个部分。
一个url的验证与分组。
url = 'https://github.com/lvancer/course_python.git'
ret = re.match(r'(\w+)://(.+?)/(.+)\.(\w+)', url)
print(ret.group())
print(ret.groups())
输出:
实际使用中,我们一般会先用工具验证正则表达式是否正确。
如 http://tool.chinaz.com/regex/ 。当验证正确了,再写代码。
练习
1、正则表达式的深入https://github.com/ziishaned/...
与练习 https://regex101.com/
2、自己将1中的正则用python实现。
评论
登录后参与技术讨论,分享你的经验与见解。
登录 / 注册暂无评论