python正則表達式學習

前言

最近在用django做一個功能，主要是爲實現機器監控，這個過程當中，涉及url識別IP路由問題，一開始用了各類表達方式都沒法正確路由到IP，說明本身對這塊仍是有不少不熟悉的地方，本文主要是針對Python的正則表達式展開介紹，以做備忘。

Python正則介紹

正則匹配

學過Python的都知道，python中有一個正則表達式的模塊: re. 正則匹配的模式主要有如下幾類：

x?           匹配0個或1個x，最多1個
x+           匹配1個或多個x，至少1個
x*            匹配0個或多個x
x{m,n}     匹配m與n之間個數的x，如{2,4},則可匹配到xx,xxx,xxxx
x|y           匹配x或y
^              匹配文本開頭
$              匹配文本結尾
[a-zA-Z]      匹配26個字母的大小寫
[^a-zA-Z]    匹配非26個字母的其它字符
[0-9]           匹配0-9之間的全部數字
\d                匹配數字
\D               不匹配數字
\w               匹配任意字母
\W              匹配任意除字母外的其它字符
\s               匹配空格
\S              不匹配空格

若是我要匹配一個郵件地址，該怎麼作呢，咱們先看下下面代碼：

import re
 
x="[a-z]+@[a-z]+.[a-z]+"
 
s1='liran@devarea.com'
s2='liran#devarea.com'
 
c=re.match(x,s1)
if c:
    print ('ok')
else:
    print ('no')

先定義一個模式匹配串[a-z]+@[a-z]+.[a-z]+, 這個模式串主要含義以下：

匹配一個字母組成的子串，至少1個字母組成 – [a-z]+
匹配一個符號 – @
匹配一個字母組成的子串，至少1個字母組成 – [a-z]+
匹配一個標點 – .
匹配一個字母組成的子串，至少1個字母組成 – [a-z]+

從上面能夠看出，其它這個匹配方式是很簡單的，能夠匹配一些簡單模式的郵件，若是郵件中包含數字和大寫字母呢，也很簡單，只要在匹配中加下數字的匹配就行，以下所示：

x="[a-zA-Z0-9]+@[a-zA-Z0-9]+.[a-zA-Z0-9]+"

若是要匹配特定後綴的郵件地址要如何呢，也比較簡單，直接在模式串最後加特定後綴的子串就行，如咱們要匹配.com,net之類的，咱們能夠以下方式來匹配：

x=[a-zA-Z0-9]+@[a-z0-9]+.(net|com)

還有一些更復雜的方式，如包含一些特殊字符的郵件地址，以下所示：

pattern="^[A-Za-z0-9\.\+_-]+@[A-Za-z0-9\._-]+\.[a-zA-Z]*$"

除了郵箱地址，咱們常常須要去判斷如電話號碼，IP地址之類的，以下所示：
IP地址

ip="^\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}$"

電話號碼

phone = "'(\d{3}[-\.\s]??\d{3}[-\.\s]??\d{4}|\(\d{3}\)\s*\d{3}[-\.\s]??\d{4}|\d{3}[-\.\s]??\d{4})'"

還有多是在爬蟲時須要去匹配合歸的URL連接，以下所示：

url='http[s]?://(?:[a-zA-Z]|[0-9]|[$-_@.&+]|[!*\(\),]|(?:%[0-9a-fA-F][0-9a-fA-F]))+'

正則查找

在實際Python應用中，咱們也常常會用到正則查找功能，如查找文本中第一次出現的數字，能夠以下用：

str = 'hello,this is 888, my first regular expression 999 exercise'
m = re.search(r"[0-9]+", str)
if m:
    print('匹配: ',m.group())  #輸出： 888

若是要匹配文本中全部數字呢，能夠用findall函數，以下所示：

str='hello,this is 888, my first regular expression 999 exercise'
m=re.findall(r"[0-9]+",str)
print m  #輸出： ['888','999']

因此用re仍是很方便找到想要的子串的。

正則替換

在實際使用中，正則替換也是很常見，用re的sub函數也能很方便解決。如我想把上面字符串中的數字所有替換成*，咱們能夠用以下方式來解決：

str = 'hello,this is 888, my first regular expression 999 exercise'
new_str = re.sub('[0-9]+', '*', str)
print  new_str   # 輸出： hello,this is *, my first regular expression * exercise

若是要輸出替換了多少處數字，能夠用subn函數，其返回一個兩個元素的元組，第一個是替換後字符串，第二個是替換的次數，用法以下：

str='hello,this is 888, my first regular expression 999 exercise'
new_str = re.subn('[0-9]+','*',str)

print new_str  #輸出: ('hello,this is *, my first regular expression * exercise', 2)

正則分割

對於一個文本，若是咱們想按指定子串將整個文件分割，能夠用split函數，返回一個列表，具體用法以下：

str = 'hello,this is 888, my first regular expression 999 exercise’
new_str = re.split('[0-9]+',str)
print  new_str  #輸出： [ 'hello,this is ' , ', my first regular expression ' , ' exercise' ]

固然，若是用於分割的子串不固定，好比包含各類特殊字符，以下示例所示：

str = 'hello#,this is my&first$expression'
new_str = re.split('[#,&$]',str)
print new_str  #輸出:  [ 'hello' , 'this is my' , 'first' , 'expression' ]

因此，只要掌握了分割模式，能夠對文本進行任何處理，這在數據挖掘分析中也很用。

總結

python的正則用法仍是很豐富的，若是能學好，在各個方面都很方便能解決實際問題。