欢迎访问郭晓龙个人博客
你的位置:首页  > Python  > 正则表达式

正则表达式

什么是正则表达式?

来看看百度百科的概念解释:

正则表达式是对字符串操作的一种逻辑公式,就是用事先定义好的一些特定字符、及这些特定字符的组合,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。

简单来理解就是,提供一种规则,从目标对象中获取所有符合规则的对象

正则表达式的匹配规则

Python 中的re模块

在 Python 中,我们可以使用内置的 re 模块来使用正则表达式。

有一点需要特别注意的是,正则表达式使用 对特殊字符进行转义,所以如果我们要使用原始字符串,只需加一个 r 前缀,示例:

r'hello\t\npython'

re模块的使用方法

  1. 使用 compile() 函数将正则表达式的字符串形式编译为一个 Pattern 对象

  2. 通过 Pattern 对象提供的一系列方法对文本进行匹配查找,获得匹配结果,一个 Match 对象。

  3. 最后使用 Match 对象提供的属性和方法获得信息,根据需要进行其他的操作

compile 函数

compile 函数用于编译正则表达式,生成一个 Pattern 对象,它的一般使用形式如下:

import re

# 将正则表达式编译成 Pattern 对象
pattern = re.compile(r'\d+')

在上面,我们已将一个正则表达式编译成 Pattern 对象,接下来,我们就可以利用 pattern 的一系列方法对文本进行匹配查找了。

Pattern 对象的一些常用方法主要有:

  • match 方法:从起始位置开始查找,一次匹配
  • search 方法:从任何位置开始查找,一次匹配
  • findall 方法:全部匹配,返回列表
  • finditer 方法:全部匹配,返回迭代器
  • split 方法:分割字符串,返回列表
  • sub 方法:替换

match 方法

match 方法用于查找字符串的头部(也可以指定起始位置),它是一次匹配,只要找到了一个匹配的结果就返回,而不是查找所有匹配的结果。它的一般使用形式如下:

match(string[, pos[, endpos]])

其中,string 是待匹配的字符串,pos 和 endpos 是可选参数,指定字符串的起始和终点位置,默认值分别是 0 和 len (字符串长度)。因此,当你不指定 pos 和 endpos 时,match 方法默认匹配字符串的头部。

当匹配成功时,返回一个 Match 对象,如果没有匹配上,则返回 None。

'''正则表达式测试'''

import re

# 用于匹配至少一个数字
pattern = re.compile(r'/d+')

# 查找头部

searchStr = "one12twothree34four"
# 查找头部
match = pattern.match(searchStr)
#没有匹配
print(match)

# 从e开始匹配
m = pattern.match(searchStr, 2, 10)
# 没有匹配到
print(m)

# 从1开始匹配
pattern_match = pattern.match(searchStr, 3, 10)
# 匹配到一个
print(pattern_match)

# 匹配结果
print(pattern_match.group(0))
# 匹配开始位置
print(pattern_match.start(0))
# 匹配结束位置
print(pattern_match.end(0))
# 匹配范围
print(pattern_match.span(0))

在上面,当匹配成功时返回一个 Match 对象,其中:

group([group1, …]) 方法用于获得一个或多个分组匹配的字符串,当要获得整个匹配的子串时,可直接使用 group() 或 group(0);

start([group]) 方法用于获取分组匹配的子串在整个字符串中的起始位置(子串第一个字符的索引),参数默认值为 0;

end([group]) 方法用于获取分组匹配的子串在整个字符串中的结束位置(子串最后一个字符的索引+1),参数默认值为 0; span([group]) 方法返回 (start(group), end(group))。

search 方法用于查找字符串的任何位置,它也是一次匹配,只要找到了一个匹配的结果就返回,而不是查找所有匹配的结果,它的一般使用形式如下:

search(string[, pos[, endpos]])

其中,string 是待匹配的字符串,pos 和 endpos 是可选参数,指定字符串的起始和终点位置,默认值分别是 0 和 len (字符串长度)。

当匹配成功时,返回一个 Match 对象,如果没有匹配上,则返回 None。

让我们看看例子:

'''正则表达式测试search函数'''

import re

# 用于匹配至少一个数字
pattern = re.compile(r'\d+')

# 查找头部

searchStr = 'one12twothree34four'
# 查找头部
match = pattern.search(searchStr)
#里如果使用 match 方法则不匹配
print(match)

print(match.group())

# 指定区间
m = pattern.search(searchStr, 10, 30)
print(m)
# 匹配结果
print(m.group(0))
# 匹配范围
print(m.span(0))

findall 方法

上面的 match 和 search 方法都是一次匹配,只要找到了一个匹配的结果就返回。然而,在大多数时候,我们需要搜索整个字符串,获得所有匹配的结果。

findall 方法的使用形式如下:

findall(string[, pos[, endpos]])

其中,string 是待匹配的字符串,pos 和 endpos 是可选参数,指定字符串的起始和终点位置,默认值分别是 0 和 len (字符串长度)。

findall 以列表形式返回全部能匹配的子串,如果没有匹配,则返回一个空列表。

看看例子:

'''正则表达式测试findall函数'''
import re
# 查找数字
pattern = re.compile(r'\d+')

result1 = pattern.findall('hello 123456 789')
result2 = pattern.findall('one1two2three3four4', 0, 10)

print(result1)
print(result2)

finditer 方法

finditer 方法的行为跟 findall 的行为类似,也是搜索整个字符串,获得所有匹配的结果。但它返回一个顺序访问每一个匹配结果(Match 对象)的迭代器。

看看例子:

'''正则表达式测试finditer函数'''
import re
pattern = re.compile(r'\d+')

result_iter1 = pattern.finditer('hello 123456 789')
result_iter2 = pattern.finditer('one1two2three3four4', 0, 10)

print(type(result_iter1))
print(type(result_iter2))

print('result1...')
for m1 in result_iter1:   # m1 是 Match 对象
    print('matching string: {}, position: {}'.format(m1.group(), m1.span()))

print('result2...')
for m2 in result_iter2:
    print('matching string: {}, position: {}'.format(m2.group(), m2.span()))

split 方法

split 方法按照能够匹配的子串将字符串分割后返回列表,它的使用形式如下:

split(string[, maxsplit])

其中,maxsplit 用于指定最大分割次数,不指定将全部分割。

看看例子:

'''正则表达式测试split函数'''
import re
p = re.compile(r'[\s\,\;]+')
print(p.split('a,b;; c   d'))

sub 方法

sub 方法用于替换。它的使用形式如下:

sub(repl, string[, count])

其中,repl 可以是字符串也可以是一个函数:

如果 repl 是字符串,则会使用 repl 去替换字符串每一个匹配的子串,并返回替换后的字符串,另外,repl 还可以使用 id 的形式来引用分组,但不能使用编号 0;

如果 repl 是函数,这个方法应当只接受一个参数(Match 对象),并返回一个字符串用于替换(返回的字符串中不能再引用分组)。

count 用于指定最多替换次数,不指定时全部替换。 看看例子:

'''正则表达式测试sub '''
import re

# \w = [A-Za-z0-9]
p = re.compile(r'(\w+) (\w+)')
s = 'hello 123, hello 456'
# 使用 'hello world' 替换 'hello 123' 和 'hello 456'
print(p.sub(r'hello world', s))
print(p.sub(r'\1 \2', s))  # 引用分组


def func(m):
    return 'hi' + ' ' + m.group(2)


print(p.sub(func, s))
# 最多替换一次
print(p.sub(func, s, 1))
文章标题: 正则表达式
文章地址: http://www.guoxiaolong.cn/article-2-69
文章标签: python入门教程
Top