Python正則表達式

正則表達式（Regular expression）是組成搜索模式的一組字符序列，是記錄文本規則的代碼，用來檢查文本中是否包含指定模式的字符串，經過定義一個規則來匹配字符串。正則表達式普遍應用於在字符串查找和處理中，大多文本編輯器基本都支持正則表達式查找。本文將簡要介紹正則表達式語法，而後介紹Python語言中正則表達式使用方法。

正則表達式

Unix之父Ken Tompson將正則表達式引入Unix，後面發展成了grep（Global Regular Expression Print）命令，因爲grep不支持+、|與? ，且分組比較麻煩，AT&T的Alfred Aho開發了egrep命令。隨着Unix的版本不斷演化，Unix中的程序（好比Linux三劍客中的awk、sed）所支持的正則表達式有差別，比較混亂。在1986年制定了POSIX（Portable Operating System Interface）標準，其中統一了正則表達式的語法。

POSIX標準把正則表達式分爲兩種：BRE（Basic Regular Expressions）和ERE（Extended Regular Expressions ）。BRE就是unix系統使用的grep命令，ERE對應egrep命令，是BRE的擴展。而linux系統使用的是GNU標準，linux發行版集成了GNU（Gnu’s Not Unix）套件，GNU在實現了POXIS標準的同時，作了必定的擴展。也包括GNU Basic Regular Expressions 和GNU Extends Regular Expressions。

正則表達式除了POSIX標準以外還有一個Perl分支，Perl與sed和awk兼容，後來演化成爲PCRE（Perl Compatible Regular Expressions），是一個用C語言編寫的正則表達式函數庫，功能很強大，性能比POSIX正則表達式好。PCRE被引入了其餘語言中，好比PHP, Tcl, Python, Ruby, C++, Java, R語言等等。

普通正則

代碼	說明
.	匹配除換行符之外的任意字符
\w	匹配字母或數字或下劃線或漢字
\s	匹配任意的空白符
\d	匹配數字
\b	匹配單詞的開始或結束
^	匹配字符串的開始
$	匹配字符串的結束
*	重複零次或更屢次

擴展正則

擴展正則：grep加 -E 參數

• grep -E ' 404 | 500' nginx.log

代碼/語法	說明
+	重複一次或更屢次
？	重複零次或一次
{n}	重複n次
{n,}	重複n次或更屢次
{n,m}	重複n到m次
|	表示或

零寬斷言

語法	說明
(?=exp)	匹配exp前面的位置
(?<=exp)	匹配exp後面的位置
(?!exp)	匹配後面不是exp的位置
(?<!exp)	匹配前面不是exp的位置

正則表達式實例

正則表達式在線測試工具：

1. https://regex101.com/
2. http://c.runoob.com/front-end/854
3. https://tool.oschina.net/regex

1. 匹配以字母a開頭的單詞

\ba\w*\b

2. 匹配恰好6個字符的單詞

\b\w{6}\b

3. 匹配1個或更多連續的數字

\d+

4. 5位到12位QQ號

\d{5,12}

^\d{5,12}$

5. 匹配電話號碼

0\d{2}-\d{8}

6. 只匹配3位數字

^\d{3}$

7. 查找單詞‘GET’

\bGET\b

^GET$

8. 查找‘Hello World’

\bHello\b.*\bWorld\b

Python正則表達式

Python有一個內置正則表達式模塊 re ，可使用它來進行字符串操做：

import re

re模塊提供瞭如下4種方法：

• findall：返回全部匹配項
• search：若是匹配到目標字符，返回一個匹配對象，用於判斷是否存在目標字符串
• split：分割
• sub：替換

匹配數字、字母

text = '1&\nbsp;hour(s) 2&\nbsp;min 25&\nbsp;s'
re.findall(r'\d+',text) # 匹配時間（數字）
re.findall(r'\d+|(?<=;)\w+',text) # 匹配時間和單位

output:

['1', '2', '25']
['1', 'hour', '2', 'min', '25', 's']

re.findall(r'\d{2}+',text) # 匹配2位數字

查找替換兩個字符串之間內容

替換字符target_text：

xpath_path = '//*[contains(text(),"target_text")]/../td[5]/span' # xpath路徑
repl = "須要替換成的字符串"
re.sub(r"(?<=\").*?(?=\")", repl, xpath_path) # 替換要查找的文本

output:

'//*[contains(text(),"須要替換成的字符串")]/../td[5]/span'

添加千位分割符

number = '12345678' 
re.sub(r"\B(?=(?:\d{3})+(?!\d))", ",",number) # 替換要查找的文本
re.sub(r"\B(?:(?:\d{3})+(?!\d))", ",",number)

output:

'12,345,678'
'12,'

(?:\d{3})+(?!\d):

• 查找3n(數字) + 非數字 組合

(?:exp) :

• 匹配exp,不捕獲匹配的文本(非獲取匹配)，也不給此分組分配組號，當執行了第一次匹配時，匹配到了行尾，直接將345678替換成了「,」。

參考文檔

1. 正則表達式30分鐘入門教程：https://deerchao.cn/tutorials/regex/regex.htm
2. github項目learn-regex：https://github.com/ziishaned/learn-regex
3. https://www.w3schools.com/python/python_regex.asp

--THE END--

文章標題：Python正則表達式
本文做者：hiyo
本文連接：https://www.cnblogs.com/hiyong/p/14175955.html 歡迎關注公衆號:「測試開發小記」及時接收最新技術文章！