python--關於正則表達式的學習小結

python中提供了re這個模塊提供對正則表達式的支持。

1、正則表達式經常使用到的一些語法（並不是所有）：

.	匹配任意單個字符
[...]	匹配單個字符集
\w	匹配單詞字符，即[a-zA-Z0-9]
\W	匹配非單詞字符集，例如 ‘*’
\d	匹配數字，即[0-9]
\D	匹配非數字
\s	匹配空白字符
\S	匹配非空白字符
*	匹配前一個字符0次或者任意屢次
+	匹配前一個字符1次或者任意屢次
?	匹配前一個字符0次或者1次
{m}	匹配前一個字符m次
{m,n}	匹配前一個字符最少m次，最多n次
*?	非貪婪模式匹配前一個字符0次或者任意屢次
+?	非貪婪模式匹配前一個字符1次或者任意屢次
??	非貪婪模式匹配前一個字符0次或者1次
{m,n}?	非貪婪模式匹配前一個字符最少m次，最多n次
^	匹配字符串開頭
$	匹配字符串結尾
\A	制定的字符串匹配必須出如今開頭
\Z	制定的字符串匹配必須出如今結尾
|	匹配左右任意一個表達式，至關於「或」的含義
()	匹配一個分組，括號中爲該分組所需匹配的內容
\<number>	引用匹配編號爲<number>的分組中的字符串
(?P<group_name>)	爲匹配分組制定特定的組名
(?P=<group_name>)	引用特定組名的匹配字符串

幾點解釋：

1. 兩種方式均可以進行匹配：

（1）首先建立pattern，而後進行match

1 pa = re.compile(r'[\w]{6}') # 首先利用re模塊建立一個pattern實例pa
2 ma = pa.match('string')  # 利用這一pattern對正則表達式進行匹配
3 ma.group()  #打印匹配的內容，輸出爲'string'

（2）直接利用re模塊中的函數match進行匹配

1 ma = re.match(r'[\w]{6}', ‘string’)
2 print(ma.group())  # 打印匹配的內容，輸出爲'string'

 

2. 貪婪模式和非貪婪模式：

貪婪模式：老是嘗試匹配儘量多的字符；

非貪婪模式：老是嘗試匹配儘量少的字符。

例如：利用正則表達式‘python*’匹配‘pythonnnnnpython’，此時ma = re.match(r'python*',‘pythonnnpython’)，獲得的ma.group()爲‘pythonnn’；利用‘python*?’進行匹配，此時ma = re.match(r'python*?',‘pythonnnpython’)，獲得的ma.group()爲‘python’。

 

3. 關於邏輯與分組語法的用法：

|	匹配左右任意一個表達式，至關於「或」的含義
()	匹配一個分組，括號中爲該分組所需匹配的內容
\<number>	引用匹配編號爲<number>的分組中的字符串
(?P<group_name>)	爲匹配分組制定特定的組名
(?P=<group_name>)	引用特定組名的匹配字符串

首先，|和()的用法比較容易理解，例如咱們須要匹配多個郵箱的地址是否合法，例若有gmail郵箱、outlook郵箱，假定@前的字符數爲6到20個，此時能夠寫成：

1 2 3 4 5 6 7

>>> pa  =  re. compile ( '[\w]{6,20}@(gmail|outlook).com$' ) >>> ma  =  pa.match( 'bokeyuan@gmail.com' ) >>> ma.group() 'bokeyuan@gmail.com' >>> ma  =  pa.match( 'bokeyuan@outlook.com' ) >>> ma.group() 'bokeyuan@outlookl.com'

後邊三個的用法根據下邊的例子進行說明：

1 2 3 4 5 6 7 8 9 10

>>>  str  =  '<code>python</code>' >>> ma  =  re.match(r '<[\w]+>' ,  str ) >>> ma.group() '<code>' >>> ma  =  re.match(r '<([\w]+>)[\w]+</\1' ,  str ) >>> ma.group() '<code>python</code>' >>> ma  =  re.match(r '<(?P<group1>[\w]+>)[\w]+</(?P=group1)' ,  str ) >>> ma.group() '<code>python</code>'

其中，第一個例子就是對字符串‘<code>'進行匹配。咱們發現str中其實有兩部分是徹底相同的，就是都含有'code>'這個substring，因而能夠看第二個例子，咱們用()將([\w]+>)這部份內容括住時，這部分匹配的字符串就是'code>'，([\w]+>)就是一個分組，沒有起名字的狀況下默認<number>爲1，所以在咱們須要在末尾再次引用到它的時候，就寫上 /1 便可。第三個例子與第二個例子的效果徹底相同，只不過爲了更加清楚的記住匹配分組的名字，咱們利用(?P<group_name>)這一語法功能，人爲的爲這個分組取了一個group1的名字，在最後又引用了這一分組。

 

4. 注意字符串中轉義字符的問題

上述例子中，出如今正則表達式前邊的r是原始字符串操做符，能夠寫爲r或者R：表示字符串內的全部字符都按原始意思解釋。

例如：‘c:\python\test.py’ 若是不加r，則計算機會將 \t 會變成轉義字符解釋；加上r之後，寫爲：r‘c:\python\test.py’，計算機就會直接輸出c:\python\test.py，不然要想輸出c:\python\test.py，必須將字符串寫爲‘c:\\python\\test.py’

 

2、介紹幾個re模塊中的經常使用函數

1. search(pattern, string, flags=0)函數

search函數功能：在字符串中查找匹配

例如：博客會記錄來訪者的數量，咱們經過正則匹配查找字符串中的數字：

1 str1 = 'number of visitors = 1000'
2 info = re.search(r'\d+', str1)  # 匹配字符串str1中的數字
3 print('訪客數量：', info)
4 print(info.group())  # 顯示匹配的內容

 固然，上述操做也能夠經過對字符串直接操做得到，例如：print('訪客數量：', str1.find('1000')) 。可是這樣存在一個問題，由於訪客數量實在不斷變化的，一旦1000這個數字增長，用字符串操做就難以實現。可是利用search函數就不存在這樣的問題。

 

2. findall(pattern, string, flags=0)函數

findall函數功能：找到匹配，並返回全部匹配內容的列表

例如，博客記錄了最近三天天天的訪客記錄，咱們須要將三天的訪客數量都查找出來，並計算總的訪客數量，此時用search函數沒法直接將三天的訪客數量同時提取，能夠採用findall函數：

1 str2 = 'day1=22, day2=34, day3=13'
2 info = re.findall(r'=[\d]+', str2)
3 print(info)
4 print('三天的訪客數量爲：', sum([int(x[1:]) for x in info]))

 

3. sub(pattern, repl, string, count=0, flags=0)函數

sub函數功能：將字符串中匹配正則表達式的部分替換爲其餘值。其中repl能夠是一個字符串，也能夠是一個函數。

當repl是一個字符串時，仍然以訪客記錄爲例，當增長一個訪客時，須要修改記錄中的數字：

1 str3 = 'number of visitors = 1000'
2 info = re.sub(r'[\d]+', '1001', str3)
3 print(info)  # 此時輸出結果爲 number of visitors = 1001

可是此時每次修改都必須手動輸入數字，顯然，對於這種隨時變化的數字來講，這種操做是不合理的。而sub函數的高明之處就是容許repl是一個函數。

當repl爲一個函數時，首先會在string中查找pattern的匹配，查找到的匹配是一個match對象，這個match對象就會被傳遞到repl這個函數中。上述例子能夠這樣實現：

1 # 首先，定義一個增長訪客數量的函數，函數的參數是一個match對象
2 def add_num(match):
3     val = match.group()
4     num = int(val) + 1
5     return str(num)
6 
7 str3 = 'number of visitors = 1000'
8 print('最新訪客數量：', re.sub(r'[\d]+', add_num, str3)) # 打印結果，最新訪客數量：number of visitors = 1001

 

4. split(pattern, string, maxsplit=0, flags=0)函數

split函數功能：根據匹配分割字符串，返回分割字符串組成的列表

1 str4 = 'day1=22, day2=34, day3=13'
2 print(re.split(r', ', str4))  # 打印出的內容爲 ['day1=22', 'day2=34', 'day3=13']