一篇文章徹底搞懂python正則表示式
阿新 • • 發佈:2021-09-03
目錄
- 前言
- 1. 正則表示式的基本概念
- 2. 的正則表示式re模組
- 3. 正則表示式語法
- (1)匹配單個字元
- (2)匹配多個字元
- (3)邊界匹配
- (4)分組匹配
- 4. re模組相關方法使用
- 總結
前言
有時候字串匹配解決不了問題,這HGvANThma個時候就需要正則表示式來處理。因為每一次匹配(比如找以什麼開頭的,以什麼結尾的字串要寫好多個函式)都要單獨完成,我們可以給它制定一個規則。
主要應用:爬蟲的時候需要爬取各種資訊,使用正則表示式可以很方便的處理需要的資料。
1. 正則表示式的基本概念
- 使用單個字串來描述匹配一系列符合某個語法規則的字串。
- 是對字串操作的一種邏輯公式。
- 應用場景:處理文字和資料。
- 正則表示式過程:依次拿出表示式和文字中的字元比較,如果每一個字元都能匹配,則匹配成功,否則失敗。
2. python的正則表示式re模組http://www.cppcns.com
import re
匹配過程:r'imooc'是原字串,先生成Pattern物件,從頭開始找,得到一個Match(或Search等)例項,最後有一個匹配結果。
# 用find和startswith找字串 str1 = 'imooc python' print(str1.find('11')) -1 print(str1.find('imooc')) 0 print(str1.startswith('imooc')) True
使用正則表示式:
import re pa = re.compile(r'imooc') # compile生成一個pattern物件,r'imooc'讀原字串,否則需要轉義 ma = pa.match(str1) # 匹配不到返回為None,返回一個物件 print(ma) <re.Match object; span=(0,5),match='imooc'> print(ma.group()) # 返回一個字串或字串組成的元組ma.groups() imooc print(ma.span()) # 返回所在字串的位置 print(ma.string) # 返回原字串 print(ma.re) # 返回例項 (0,5) imooc python re.compile('imooc')
# 匹配大小寫,後面加上大寫 pa = re.compile(r'imooc',re.I) print(pa) re.compile('imooc',re.IGNORECASE) ma = pa.match('imooc python') print(ma.group()) imooc ma = pa.match('Imooc python') print(ma.group()) Imooc
# 如果只有一個,可以直接生成一個match物件,也可以達到同樣的效果 ma = re.match(r'imooc',str1) print(ma) print(ma.group()) <re.Match object; span=(0,match='imooc'> imooc
3. 正則表示式語法
基本語法:適用於多種語言。
(1)匹配單個字元
1)'.' 的匹配,可以匹配除了\n外所有字元
ma = re.match(r'a','a') print(ma.group()) ma = re.match(r'a','b') print(type(ma)) # 再調ma.group()則報錯 a <class 'NoneType'> # 用.匹配字元 ma = re.match(r'.','b') print(ma.group()) ma = re.match(r'.','0') print(ma.group()) b 0 # 匹配{}中的字元 ma = re.match(r'{.}','{0}') print(ma.group()) ma = re.match(r'{..}','{01}') print(ma.group()) {0} {01}
2)[…]匹配字符集
# []匹配字符集 ma = re.match(r'{[abc]}','{a}') print(ma.group()) ma = re.match(r'{[abc]]}','{d}') # 匹配不到,則報錯 print(ma.group()) ma = re.match(r'{[a-z]]}','{d}') print(ma.group()) # 匹配a-z中任意一個字元 {a} {d} ma = re.match(r'{[a-zA-Z]}','{A}') print(ma.group()) {A} ma = re.match(r'{[a-zA-Z0-9]}','{0}') print(ma.group()) {0}
3) \w 匹配a-zA-Z0-9, \W匹配非單詞字元
ma = re.match(r'{[\w]}','{A}') print(ma.group()) ma = re.match(r'{[\w]}','{ }') print(ma.group()) # 匹配不到 ma = re.match(r'{[\W]}','{ }') print(ma.group()) {A} { }
4)字符集[]匹配
ma = re.match(r'[[\w]]','[a]') print(ma.group()) # 匹配不到 # 匹配[]需要加轉義\ ma = re.match(r'\[[\w]\]','[a]') print(ma.group()) [a]
(2)匹配多個字元
1) *匹配
ma = re.match(r'[A-Z][a-z]','Aa') print(ma.group()) ma = re.match(r'[A-Z][a-z]','A') print(ma.group()) # 匹配不到 ma = re.match(r'[A-Z][a-z]*','Aa') print(ma.group()) ma = re.match(r'[A-Z][a-z]*','Aagfagsagaha') print(ma.group()) ma = re.match(r'[A-Z][a-z]*','Aa123') print(ma.group()) Aa A Aagfagsagaha Aa
2)+匹配
# 匹配下劃線或字元開頭的無限次 ma = re.match(r'[_a-zA-Z]+[_\w]*','10') print(ma.group()) # 匹配不到 ma = re.match(r'[_a-zA-Z]+[_\w]*','_hte10') print(ma.group()) _hte10
3)?匹配
# 匹配0-99,01則不對 ma = re.match(r'[1-9]?[0-9]','90') print(ma.group()) ma = re.match(r'[1-9]?[0-9]','9') print(ma.group()) ma = re.match(r'[1-9]?[0-9]','09') print(ma.group()) # 只匹配到0 90 9 0
4){m} / {mn}匹配
# 匹配郵箱,匹配6次 ma = re.match(r'[a-zA-Z0-9]{6}','abc123') print(ma.group()) abc123 ma = re.match(r'[a-zA-Z0-9]{6}','abc12') print(ma.www.cppcns.comgroup()) # 少一個則匹配不到 ma = re.match(r'[a-zA-Z0-9]{6}','abc1234') print(ma.group()) # 多則匹配前6個 abc123 ma = re.match(r'[a-zA-Z0-9]{6}@163.com','[email protected]') print(ma.group()) [email protected] # 匹配6-10位的郵箱 ma = re.match(r'[a-zA-Z0-9]{6,10}@163.com','[email protected]') print(ma.group())
4)*? /+? /??匹配 (儘可能少匹配)
ma = re.match(r'[0-9][a-z]*','1abc') print(ma.group()) ma = re.match(r'[0-9][a-z]*?','1abc') print(ma.group()) # 只匹配1 1abc 1 ma = re.match(r'[0-9][a-z]+?','1abc') print(ma.group()) # 只匹配一次 1a
(3)邊界匹配
ma = re.match(r'[\w]{4,'[email protected]') print(ma.group()) [email protected] ma = re.match(r'[\w]{4,'[email protected]') # 後面加上abc,match從頭開始匹配,則可以找到 print(ma.group()) [email protected] ma = re.match(r'[\w]{4,10}@163.com&','[email protected]') print(ma.group()) # 匹配不到 ma = re.match(r'^[\w]{4,'[email protected]') print(ma.group()) # 加上^和$,限制開頭結尾 [email protected]
# 指定開頭結尾 ma = re.match(r'\Aimooc[\w]*','imoocpython') print(ma.group()) ma = re.match(r'\Aimooc[\w]*','iimoocpython') print(ma.group()) # 匹配不到 imoocpython
(4)分組匹配
這裡不再舉例。
4. re模組相關方法使用
以上舉例都是match,從頭到尾匹配,查詢子串就不合適了
# 在一個字串中查詢匹配 1:search(pattern,string,flags=0) # 找到匹配,返回所有匹配部分的列表 2:findall(pattern,flags=0) # 將字串中匹配正則表示式得部分替換為其它,repl可以替換函式 3:sub(pattern,repl,count=0,flags=0) # 根據匹配分割字串,返回分割字串組成的列表 4:split(pattern,maxsplit=0,flags=0)
# search import re str1 = 'imooc videonum = 1000' print(str1.find('1000')) # 數字改變則失效 17 info = re.search(r'\d+',str1) print(info.group()) 1000 str1 = 'imooc videonum = 10000' info = re.search(r'\d+',str1) print(info.group()) 10000
# findall # 當有多個數字時 str2 = 'a=100,b=200,c=300' info = re.search(r'\d+',str2) print(info.group()) 100 info = re.findall(r'\d+',str2) print(info.group()) [100,200,300]
# sub 替換 str3 = 'imooc videonum = 1000' info = re.sub(r'\d+','1001',str3) print(info) imooc videonum = 1001
# split # 分割 str3 = 'imooc:C C++ ' print(re.split(r':| ',str4)) [imooc,C,Java]
以上即為python中的正則表示式的一些知識總結。
總結
到此這篇關於python正則表示式的文章就介紹到這了,更多相關python正則表示式內容請搜尋我們以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援我們!