Python之re模塊案例詳解

一、正則表達式   

  re模塊是python獨有的匹配字符串的模塊,該模塊中提供的很多功能是基於正則表達式實現的,而正則表達式是對字符串進行模糊匹配,提取自己需要的字符串部分,他對所有的語言都通用。註意:

  • re模塊是python獨有的
  • 正則表達式所有編程語言都可以使用
  • re模塊、正則表達式是對字符串進行操作

因為,re模塊中的方法大都借助於正則表達式,故先學習正則表達式。

(一)常用正則

 1、字符組

在同一個位置可能出現的各種字符組成瞭一個字符組,在正則表達式中用[]表示

正則 待匹配字符 匹配
結果
說明
[0123456789] 8 True 在一個字符組裡枚舉合法的所有字符,字符組裡的任意一個字符
和”待匹配字符”相同都視為可以匹配
[0123456789] a False 由於字符組中沒有”a”字符,所以不能匹配
[0-9] 7 True 也可以用-表示范圍,[0-9]就和[0123456789]是一個意思
[a-z] s True 同樣的如果要匹配所有的小寫字母,直接用[a-z]就可以表示
[A-Z] B True [A-Z]就表示所有的大寫字母
[0-9a-fA-F] e True 可以匹配數字,大小寫形式的a~f,用來驗證十六進制字符

 2、字符

元字符 匹配內容
匹配除換行符以外的任意字符
\w 匹配字母或數字或下劃線
\s 匹配任意的空白符
\d 匹配數字
\n 匹配一個換行符
\t 匹配一個制表符
\b 匹配一個單詞的結尾
^ 匹配字符串的開始
$ 匹配字符串的結尾
\W 匹配非字母或數字或下劃線
\D 匹配非數字
\S 匹配非空白符
a|b 匹配字符a或字符b
() 匹配括號內的表達式,也表示一個組
[…] 匹配字符組中的字符
[^…] 匹配除瞭字符組中字符的所有字符

3、量詞

量詞 用法說明
* 重復零次或更多次
+ 重復一次或更多次
? 重復零次或一次
{n} 重復n次
{n,} 重復n次或更多次
{n,m} 重復n到m次

(二)正則表達式的使用

1、. ^ $

正則 待匹配字符 匹配結果 說明
a. abacad abacad 匹配所有”a.”的字符
^a. abacad ab 隻從開頭匹配”a.”
a.$ abacad ad 隻匹配結尾的”a.$”

 2、* + ? { }

正則 待匹配字符 匹配結果 說明
a.? abefacgad ab
ac
ad
?表示重復零次或一次,即隻匹配”a”後面一個任意字符。
a.* abefacgad abefacgad *表示重復零次或多次,即匹配”a”後面0或多個任意字符。
a.+ abefacgad abefacgad +表示重復一次或多次,即隻匹配”a”後面1個或多個任意字符。
a.{1,2} abefacgad abe
acg
ad
{1,2}匹配1到2次任意字符。

註意:前面的*,+,?等都是貪婪匹配,也就是盡可能匹配,後面加?號使其變成惰性匹配

正則 待匹配字符 匹配結果 說明
a.*? abefacgad a
a
a
惰性匹配

 3、字符集[][^]

正則 待匹配字符 匹配結果 說明
a[befcgd]* abefacgad abef
acg
ad
表示匹配”a”後面[befcgd]的字符任意次
a[^f]* abefacgad abe
acgad
表示匹配一個不是”f”的字符任意次
[\d] 412a3bc 4
1
2
3
表示匹配任意一個數字,匹配到4個結果
[\d]+ 412a3bc 412
3
表示匹配任意個數字,匹配到2個結果

 4、分組 ()與 或 |[^]

  身份證號碼是一個長度為15或18個字符的字符串,如果是15位則全部由數字組成,首位不能為0;如果是18位,則前17位全部是數字,末位可能是數字或x,下面我們嘗試用正則來表示:

正則 待匹配字符 匹配結果 說明
^[1-9]\d{13,16}[0-9x]$ 110101198001017032 110101198001017032    表示可以匹配一個正確的身份證號
^[1-9]\d{13,16}[0-9x]$ 1101011980010170 1101011980010170 表示也可以匹配這串數字,但這並不是一個正確的身份證號碼,它是一個16位的數字
^[1-9]\d{14}(\d{2}[0-9x])?$ 1101011980010170 False 現在不會匹配錯誤的身份證號瞭
()表示分組,將\d{2}[0-9x]分成一組,就可以整體約束他們出現的次數為0-1次
^([1-9]\d{16}[0-9x]|[1-9]\d{14})$ 110105199812067023 110105199812067023 表示先匹配[1-9]\d{16}[0-9x]如果沒有匹配上就匹配[1-9]\d{14}

 5、轉義符 \

  在正則表達式中,有很多有特殊意義的是元字符,比如\n和\s等,如果要在正則中匹配正常的”\n”而不是”換行符”就需要對”\”進行轉義,變成’\\’。

  在python中,無論是正則表達式,還是待匹配的內容,都是以字符串的形式出現的,在字符串中\也有特殊的含義,本身還需要轉義。所以如果匹配一次”\n”,字符串中要寫成’\\n’,那麼正則裡就要寫成”\\\\n”,這樣就太麻煩瞭。這個時候我們就用到瞭r’\n’這個概念,此時的正則是r’\\n’就可以瞭。

正則 待匹配字符 匹配
結果
說明
\n \n  False 因為在正則表達式中\是有特殊意義的字符,所以要匹配\n本身,用表達式\n無法匹配
\\n \n  True 轉義\之後變成\\,即可匹配
“\\\\n” ‘\\n’  True 如果在python中,字符串中的’\’也需要轉義,所以每一個字符串’\’又需要轉義一次
r’\\n’ r’\n’  True 在字符串之前加r,讓整個字符串不轉義

6、貪婪匹配

貪婪匹配:在滿足匹配時,匹配盡可能長的字符串,默認情況下,采用貪婪匹配

正則 待匹配字符 匹配結果 說明
<.*> <script>… <script> <script>… <script> 默認為貪婪匹配模式,會匹配盡量長的字符串
<.*?> <script>… <script> <script>
<script>
加上?為將貪婪匹配模式轉為非貪婪匹配模式,會匹配盡量短的字符串

幾個常用的非貪婪匹配Pattern

*? 重復任意次,但盡可能少重復
+? 重復1次或更多次,但盡可能少重復
?? 重復0次或1次,但盡可能少重復
{n,m}? 重復n到m次,但盡可能少重復
{n,}? 重復n次以上,但盡可能少重復

.*?的用法

. 是任意字符
* 是取 0 至 無限長度
? 是非貪婪模式。
何在一起就是 取盡量少的任意字符,一般不會這麼單獨寫,他大多用在:
.*?x

就是取前面任意長度的字符,直到一個x出現

二、re模塊

(一)常量、屬性

1、re.A(re.ASCII)

讓\w,\W,\b,\B,\d,\D,\s和\S 執行ASCII-隻匹配完整的Unicode匹配代替。這僅對Unicode模式有意義,而對於字節模式則忽略。

2、re.I(re.IGNORECASE)

執行不區分大小寫的匹配;類似的表達式也[A-Z]將匹配小寫字母。

3、re.L(re.LOCALE)

  讓\w,\W,\b,\B和區分大小寫的匹配取決於當前的語言環境。該標志隻能與字節模式一起使用。不建議使用此標志,因為語言環境機制非常不可靠,它一次隻能處理一種“區域性”,並且僅適用於8位語言環境。默認情況下,Python 3中已為Unicode(str)模式啟用瞭Unicode匹配,並且能夠處理不同的語言環境/語言。

4、re.M(re.MULTILINE)

  指定時,模式字符’^’在字符串的開頭和每行的開頭(緊隨每個換行符之後)匹配;模式字符’$’在字符串的末尾和每行的末尾(緊接在每個換行符之前)匹配。默認情況下,’^’ 僅在字符串的開頭,字符串’$’的末尾和字符串末尾的換行符(如果有)之前立即匹配。

5、re.S(re.DOTALL)

使’.’特殊字符與任何字符都匹配,包括換行符;沒有此標志,’.’將匹配除換行符以外的任何內容。

(二)常用方法

1、re.compile(pattern,flags = 0 )

將正則表達式模式編譯為正則表達式對象,可使用match(),search()以及下面所述的其他方法將其用於匹配

>>> prog = re.compile('\d{2}') # 正則對象

>>> prog.search('12abc')
<_sre.SRE_Match object; span=(0, 2), match='12'>
>>> prog.search('12abc').group() # 通過調用group()方法得到匹配的字符串,如果字符串沒有匹配,則返回None。
'12'

>>> prog.match('123abc')
<_sre.SRE_Match object; span=(0, 2), match='12'>
>>> prog.match('123abc').group()
'12'
>>>

2、re.search(pattern,string,flags = 0 )

  掃描字符串以查找正則表達式模式產生匹配項的第一個位置 ,然後返回相應的match對象。None如果字符串中沒有位置與模式匹配,則返回;否則返回false。請註意,這與在字符串中的某個點找到零長度匹配不同。

#在這個字符串進行匹配,隻會匹配一個對象>>> re.search('\w+','abcde').group()
'abcde'
>>> re.search('a','abcde').group()
'a'
>>>

3、re.match(pattern,string,flags = 0 )

如果字符串開頭的零個或多個字符與正則表達式模式匹配,則返回相應的匹配對象。None如果字符串與模式不匹配,則返回;否則返回false。請註意,這與零長度匹配不同。

# 同search,不過在字符串開始處進行匹配,隻會匹配一個對象
>>> re.match('a','abcade').group()
'a'
>>> re.match('\w+','abc123de').group()
'abc123de'
>>> re.match('\D+','abc123de').group() #非數字
'abc'
>>>

4、re.fullmatch(pattern,string,flags = 0 )

如果整個字符串與正則表達式模式匹配,則返回相應的match對象。None如果字符串與模式不匹配,則返回;否則返回false。請註意,這與零長度匹配不同。

>>> re.fullmatch('\w+','abcade').group()
'abcade'
>>> re.fullmatch('abcade','abcade').group()
'abcade'
>>>

5、re.split(pattern,string,maxsplit = 0,flags = 0 )

  通過出現模式來拆分字符串。如果在pattern中使用瞭捕獲括號,那麼模式中所有組的文本也將作為結果列表的一部分返回。如果maxsplit不為零,則最多會發生maxsplit分割,並將字符串的其餘部分作為列表的最後一個元素返回。

>>> re.split('[ab]', 'abcd') # 先按'a'分割得到''和'bcd',在對''和'bcd'分別按'b'分割
['', '', 'cd']
>>> re.split(r'\W+', 'Words, words, words.')
['Words', 'words', 'words', '']
>>> re.split(r'(\W+)', 'Words, words, words.')
['Words', ', ', 'words', ', ', 'words', '.', '']
>>> re.split(r'\W+', 'Words, words, words.', 1)
['Words', 'words, words.']
>>> re.split('[a-f]+', '0a3B9', flags=re.IGNORECASE)
['0', '3', '9']

如果分隔符中有捕獲組,並且該匹配組在字符串的開頭匹配,則結果將從空字符串開始。字符串的末尾也是如此:

>>> re.split(r'(\W+)', '...words, words...')
['', '...', 'words', ', ', 'words', '...', '']

6、re.findall(pattern,string,flags = 0 )

  以string列表形式返回string中pattern的所有非重疊匹配項。從左到右掃描該字符串,並以找到的順序返回匹配項。如果該模式中存在一個或多個組,則返回一個組列表;否則,返回一個列表。如果模式包含多個組,則這將是一個元組列表。空匹配項包含在結果中。

>>> re.findall('a', 'This is a beautiful place!')
['a', 'a', 'a']
>>>

7、re.finditer(pattern,string,flags = 0 )

返回一個迭代器,該迭代器在string類型的RE 模式的所有非重疊匹配中產生匹配對象。 從左到右掃描該字符串,並以找到的順序返回匹配項。空匹配項包含在結果中。

>>> re.finditer('[ab]', 'This is a beautiful place!')
<callable_iterator object at 0x0000000000DCDA90> #迭代器對象
>>> ret=re.finditer('[ab]', 'This is a beautiful place!')
>>> next(ret).group() #查看下一個匹配值
'a'
>>> [i.group() for i in ret] #查看剩下所有匹配的值
['b', 'a', 'a']
>>>

8、re.sub(pattern,repl,string,count = 0,flags = 0 )

  返回通過用替換repl替換字符串中最左邊的不重疊模式所獲得的字符串。如果找不到該模式, 則返回的字符串不變。 repl可以是字符串或函數;如果是字符串,則處理其中的任何反斜杠轉義。即,將其轉換為單個換行符,將其轉換為回車,依此類推。count參數表示將匹配到的內容進行替換的次數

>>> re.sub('\d', 'S', 'abc12jh45li78', 2) #將匹配到的數字替換成S,替換2個
'abcSSjh45li78'

>>> re.sub('\d', 'S', 'abc12jh45li78') #將匹配到所有的數字替換成S
'abcSSjhSSliSS'
>>>

9、re.subn(pattern,repl,string,count = 0,flags = 0 )

執行與相同的操作sub(),但返回一個元組。(new_string, number_of_subs_made)

>>> re.subn('\d', 'S', 'abc12jh45li78', 3)
('abcSSjhS5li78', 3)
>>>

10、re.escape(pattern)

escape中的所有字符圖案,除瞭ASCII字母,數字和’_’。如果要匹配可能包含正則表達式元字符的任意文字字符串,這將很有用。

>>> re.escape('python.exe\n')
'python\\.exe\\\n'
>>>

11、search()與match()方法

Python提供瞭兩種基於正則表達式的原始操作: re.match()僅在字符串的開頭匹配,re.search()檢查匹配項,在字符串中的任何位置檢查匹配項(這是Perl的默認設置)。

>>> re.match("c", "abcdef") #Not match
>>> re.search("c", "abcdef") #match
<_sre.SRE_Match object; span=(2, 3), match='c'>
>>>

以開頭的正則表達式’^’可用於search()限制字符串開頭的匹配項:

>>> re.match("c", "abcdef") #Not match
>>> re.search("^c", "abcdef") #Not match
>>> re.search("^a", "abcdef") #match
<_sre.SRE_Match object; span=(0, 1), match='a'>
>>>

參考:

https://docs.python.org/3.6/library/re.html

https://www.cnblogs.com/Eva-J/articles/7228075.html#_label7

到此這篇關於Python之re模塊案例詳解的文章就介紹到這瞭,更多相關Python之re模塊內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!

推薦閱讀: