python模式匹配與正則表達式

時間  2019-11-13
標籤 python 模式 匹配 正則 表達式 欄目 Python 简体版
原文   原文鏈接
  • python 中全部的正則表達式函數都在re模塊中。
  • 向re.complie()傳入一個字符串值，來表示正則表達式，它將返回一個Regex模式對象。
  • Regex 對象的serch()方法查找傳入的字符串，尋找該正則表達式的全部匹配。若是字符串中沒有找到該正則表達式模式，search()方法將返回None。若是找到了該模式，search()方法將返回一個Match對象。Match對象有一個group()方法，它返回被查找字符串中實際匹配的文本。

正則表達式匹配複習python

  • 1.用import re導入正則表達式模塊
  • 2.用re.compile()函數建立一個Regex對象（記得使用原始字符串）
  • 3.向Regex對象的search()方法傳入想查找的字符串。它返回一個Match對象。
  • 4.調用Match對象的group()方法，返回實際匹配文本字符串。

利用括號分組正則表達式

假定想要將區號從電話號碼中分離。添加括號將在正則表達式中建立「分組」：(\d\d\d)-(\d\d\d-\d\d\d)。而後使用group()匹配對象方法，從一個分組中獲取匹配的文本。
正則表達式字符串中的第一對括號是第1組。第二對括號是第2組。向group()匹配對象方法傳入整數1或者2，就能夠匹配文本的不一樣部分。向group()方法中傳入0或者不傳入參數，將返回整個匹配的文本。app

>>> import re
>>> phoneNumberRegex = re.compile(r'(\d\d\d)-(\d\d\d-\d\d\d)')
>>> mo = phoneNumberRegex.search('my number is 415-555-4242.')
>>> mo.group(1)
'415'
>>> mo.groups()
('415', '555-424')
  • 若是要一次獲取全部分組，那麼使用groups()方法
  • 字符「|」稱爲管道。但願匹配許多表達式中的一個時，就可使用它。
  • 若是查找的字符串中，兩個或者多個都出現時，第一次出現的匹配文本將做爲Match對象返回。
>>> heroRegex = re.compile(r'batman|tina fey')
>>> mo1 = heroRegex.search('batman and tina fey')
>>> mo1.group()
'batman'
>>> mo1 = heroRegex.search(' tina fey and batman ')
>>> mo1.group()
'tina fey'

能夠試用管道來匹配多個模式中的一個，做爲正則表達式的一部分。函數

>>> batRegex = re.complie(r'bat(man|mobile|copter|bat)')
>>> batRegex = re.compile(r'bat(man|mobile|copter|bat)')
>>> mo = batRegex.search('batmobile lost a wheel')
>>> mo.group()
'batmobile'
>>> mo.group(1)
'mobile'
>>>

用問號實現可選匹配spa

有時候，向匹配的模式是可選的。就是說，不論這段文本在不在，正則表達式都會認爲匹配。字符？代表它前面的分組在這個模式中是可選的。code

>>> phoneNumberRegex = re.compile(r'(\d\d\d-)?\d\d\d-\d\d\d')
>>> mo = phoneNumberRegex.search('my number is 415-555-4242.')
>>> mo.group()
'415-555-424'
>>> mo = phoneNumberRegex.search('my number is 555-4242.')
>>> mo.group()
'555-424'

正則表達式中(\d\d\d-)?部分代表，模式(\d\d\d-)是可選的。也就是匹配這個問號以前的分組零次或一次對象

用星號匹配零次或屢次ip

「*」星號以前的分組，能夠在文本中出現任意次。字符串

用加號匹配一次或屢次it

「+」加號以前的分區，至少在文本中出現一次

用花括號匹配特定的次數

若是想要一個分組重複特定的次數，就在正則表達式中該分組的後面，跟上畫括號包圍的數字。例如正則表達式(Ha){3}將匹配字符串'HaHaHa'
除了一個數字，還能夠指定給一個範圍，即在花括號中寫下一個最小值、一個逗號和一個最大值。例如在正則表達(Ha){3,5}將匹配'HaHaHa','HaHaHaHa','HaHaHaHaHaHa'
也能夠不謝花括號中第一個或第二個數字，不限定最小值或最大值。例如(Ha){3,}將匹配3次或者更屢次的實例，(Ha){,5}將匹配0到5次實例。

貪心匹配和非貪心匹配

python的正則表達式模式的是「貪心」的，這表示在有二意的狀況下，他們會盡量的匹配最長的字符串。花括號的「非貪心」版本匹配儘量最短的字符串，即在結束的花括號後跟着一個問號。

問號在正則表達式中有兩種含義：聲明非貪心匹配或表示可選的分組。

findall()方法

除了search方法外，Regex對象也有一個findall()方法。search()將返回一個Match對象，包含被查找字符串中的「第一次」匹配的文本，而findall()方法將返回一組字符串，包含被查找字符串中的全部匹配。

  • 若是調用在一個沒有分組的正則表達式上，例如\d\d\d-\d\d\d-\d\d\d\d，方法findall()將返回一個匹配字符串的列表，例如['414-555-9999','212-555-0000']
  • 若是調用在一個有分組的正則表達式上，例如(\d\d\d)-(\d\d\d)-(\d\d\d\d)，方法findall()將返回一個字符串的元組列表（每個分組對應一個字符串），例如[('415','555','1121'),('212','555,'0000)]

字符分類

縮寫字符分類 表示
\d 0到9的任何數字
\D 除0到9的數字之外的任何字符
\w 任何字母、數字或下劃線字符（能夠認爲是匹配「單詞」字符
\W 除字母、數字和下劃線之外的任何字符
\s 空格、製表符或換行符（能夠認爲是匹配「空白」字符）
\S 除空格、製表符和換行符之外的任何字符

創建本身的字符分類

  • 用方括號定義本身的字符分類。例如，字符分類[adiouAEIOU]將匹配全部緣由字符，不論大小寫。
  • 也能夠石永紅短橫線表示字母或者數字的範圍。例如[0-5]只匹配數字0到5
  • 在方括號內，普通的正則表達式符號不會被解釋。
  • 經過在字符分類的左方括號後加上一個插入字符(^)，就能夠獲得「非字符類」。非字符類將匹配不在這個字符類中的全部字符。
#匹配全部非元音字符
>>> consonantRegex = re.compile(r'[^aeiouAEIOU]')
>>> consonantRegex.findall('RoboCop eats baby food. BABY FOOD.')
['R', 'b', 'C', 'p', ' ', 't', 's', ' ', 'b', 'b', 'y', ' ', 'f', 'd', '.', ' ', 'B', 'B', 'Y', ' ', 'F', 'D', '.']

插入字符和美圓字符

能夠在正則表達式的開始處使用插入符號(^ )，代表匹配必須發生在被查找文本開始處。相似地，能夠再正則表達式的末尾加上美圓符號（$），表示該字符串必須以這個正則表達式的模式結束。能夠同時使用^和$，代表整個字符串必須匹配該模式，也就是說，只匹配該字符串的某個子集是不夠的。

>>> beginsWithHello = re.compile(r'^Hello')
>>> beginsWithHello.search('Hello world!')
<_sre.SRE_Match object; span=(0, 5), match='Hello'>
>>> hh=beginsWithHello.search('Hello world!')
>>> hh.group()
'Hello'
>>> endsWithNumber = re.compile(r'\d$')
>>> ss=endsWithNumber.search('Your number is 42')
>>> ss.group()
'2'
>>> wholeStringIsNum = re.compile(r'^\d+$')
>>> rr=wholeStringIsNum.search('1234567890')
>>> rr.group()
'1234567890'

通配字符

在正則表達式中，.（句點）字符稱爲「通配符」。它匹配除了換行以外的全部 字符。

>>> atRegex = re.compile(r'.at')
>>> atRegex.findall('The cat in the hat sat on the flat mat.')
['cat', 'hat', 'sat', 'lat', 'mat']

句點字符只匹配一個字符，這就是爲何在前面的例子中，對於文本flat，只匹配 lat。

用點-星匹配全部字符

有時候想要匹配全部字符串。例如，假定想要匹配字符串'First Name:'，接下來是任意文本，接下來是'Last Name:'，而後又是任意文本。能夠用點-星（.*）表示「任意文本」。回憶一下，句點字符表示「除換行外全部單個字符」，星號字符表示「前面字符出現零次或屢次」。

>>> nameRegex = re.compile(r'First Name: (.*) Last Name: (.*)')
>>> mo = nameRegex.search('First Name: Al Last Name: Sweigart')
>>> mo.group(1)
'Al'
>>> mo.group(2)
'Sweigart'

用句點字符匹配換行

點-星將匹配除換行外的全部字符。經過傳入 re.DOTALL 做爲 re.compile()的第二個參數，可讓句點字符匹配全部字符，包括換行字符。

>>> noNewlineRegex = re.compile('.*')
>>> noNewlineRegex.search('Serve the public trust.\nProtect the innocent.
\nUphold the law.').group()
'Serve the public trust.'
>>> newlineRegex = re.compile('.*', re.DOTALL)
>>> newlineRegex.search('Serve the public trust.\nProtect the innocent.
\nUphold the law.').group()
'Serve the public trust.\nProtect the innocent.\nUphold the law.'

正則表達式符號複習

  • ?匹配零次或一次前面的分組。
  • *匹配零次或屢次前面的分組。
  • +匹配一次或屢次前面的分組。
  • {n}匹配 n 次前面的分組。
  • {n,}匹配 n 次或更多前面的分組。
  • {,m}匹配零次到 m 次前面的分組。
  • {n,m}匹配至少 n 次、至多 m 次前面的分組。
  • {n,m}?或*?或+?對前面的分組進行非貪心匹配。
  • ^spam 意味着字符串必須以 spam 開始。
  • spam$意味着字符串必須以 spam 結束。
  • .匹配全部字符，換行符除外。
  • \d、\w 和\s 分別匹配數字、單詞和空格。
  • \D、\W 和\S 分別匹配出數字、單詞和空格外的全部字符。
  • [abc]匹配方括號內的任意字符（諸如 a、b 或 c）。
  • [^abc]匹配不在方括號內的任意字符。

不區分大小寫的匹

向re.comlile()傳入re.IGNORECASE或re.I，做爲第二個參數

用sub()方法替換字符串

Regex對象的sub()方法須要傳入兩個參數。第一個參數是字符串，用於取代發現的匹配。第二個參數是一個字符串，即正則表達式。sub()方法返回替換完成後的字符串。

>>> namesRegex = re.compile(r'Agent \w+')
>>> namesRegex.sub('CENSORED', 'Agent Alice gave the secret documents to Agent Bob.')
'CENSORED gave the secret documents to CENSORED.'

有時候，你可能須要使用匹配的文本自己，做爲替換的一部分。在 sub()的第一個參數中，能夠輸入\一、\二、\3……。表示「在替換中輸入分組一、二、3……的文本」。

例如，假定想要隱去密探的姓名，只顯示他們姓名的第一個字母。要作到這一點，可使用正則表達式 Agent (\w)\w*，傳入 r'\1****'做 sub()的第一個參數。字符串中的\1 將由分組 1匹配的文本所替代，也就是正則表達式的(\w)分組。

>>> agentNamesRegex = re.compile(r'Agent (\w)\w*')
>>> agentNamesRegex.sub(r'\1****', 'Agent Alice told Agent Carol that Agent
Eve knew Agent Bob was a double agent.')
A**** told C**** that E**** knew B**** was a double agent.'

若是要匹配的文本模式很簡單，正則表達式就很好。但匹配複雜的文本模式，可能須要長的、費解的正則表達式。你能夠告訴re.compile()，忽略正則表達式字符串中的空白符和註釋，從而緩解這一點。要實現這種詳細模式，能夠向 re.compile() 傳入變量 re.VERBOSE，做爲第二個參數。

項目 電話號碼和 E-mail 地址提取程序 假設你有一個無聊的任務，要在一篇長的網頁或文章中，找出全部電話號碼和郵件地址。若是手動翻頁，可能須要查找很長時間。若是有一個程序，能夠在剪貼板的文本中查找電話號碼和 E-mail地址，那你就只要按一下Ctrl-A選擇全部文本，按下 Ctrl-C 將它複製到剪貼板，而後運行你的程序。它會用找到的電話號碼和 E-mail地址，替換掉剪貼板中的文本。

import re
import pyperclip

phoneRegex = re.compile(r'''(
(\d{3}|\(\d{3}\))?
(\s\|-|\.)?
(\d{3})
(\s|-|\.)
(\d{4})
(\\s*(ext|x|ext.)\s*(\d{2,5}))?
)''', re.VERBOSE)

emailRegex = re.compile(r'''
([a-zA-Z0-9._%+-]+
@
[a-zA-Z0-9.-]+
(\.[a-zA-Z]{2,4})
)''', re.VERBOSE)

text = str(pyperclip.paste())
matches = []
for groups in phoneRegex.findall(text):
    phoneNum = '-'.join([groups[1],groups[3],groups[5]])
    if groups[8] != '':
        phoneNum += 'x' + groups[8]
    matches.append(phoneNum)
for groups in emailRegex.findall(text):
    matches.append(groups[0])

if len(matches) >0:
    pyperclip.copy('\n'.join(matches))
    print('Copied to clipboard :')
    print('\n'.join(matches))
else:
    print('No phone numbers or email addresses found.')
相關文章
相關標籤/搜索
每日一句
    每一个你不满意的现在，都有一个你没有努力的曾经。
本站公眾號
   歡迎關注本站公眾號,獲取更多信息
聯繫我們 最近搜索 最新文章 沪ICP备13005482号-10 MyBatis教程 SQL 教程 MySQL教程 Java 教程 Thymeleaf 教程 Hibernate教程 Spring教程 Redis教程