一篇文章徹底搞懂python正則表達(dá)式
發(fā)布日期：2022-01-29 18:06 | 文章來源：源碼之家
有時(shí)候字符串匹配解決不了問題，這個(gè)時(shí)候就需要正則表達(dá)式來處理。因?yàn)槊恳淮纹ヅ洌ū热缯乙允裁撮_頭的，以什么結(jié)尾的字符串要寫好多個(gè)函數(shù)）都要單獨(dú)完成，我們可以給它制定一個(gè)規(guī)則。
主要應(yīng)用：爬蟲的時(shí)候需要爬取各種信息，使用正則表達(dá)式可以很方便的處理需要的數(shù)據(jù)。
1. 正則表達(dá)式的基本概念
- 使用單個(gè)字符串來描述匹配一系列符合某個(gè)語(yǔ)法規(guī)則的字符串。
- 是對(duì)字符串操作的一種邏輯公式。
- 應(yīng)用場(chǎng)景：處理文本和數(shù)據(jù)。
- 正則表達(dá)式過程：依次拿出表達(dá)式和文本中的字符比較，如果每一個(gè)字符都能匹配，則匹配成功，否則失敗。
2. python的正則表達(dá)式re模塊
import re
匹配過程：r'imooc'是原字符串，先生成Pattern對(duì)象，從頭開始找，得到一個(gè)Match（或Search等）實(shí)例，最后有一個(gè)匹配結(jié)果。
# 用find和startswith找字符串
str1 = 'imooc python'
print(str1.find('11'))
-1
print(str1.find('imooc'))
0
print(str1.startswith('imooc'))
True
使用正則表達(dá)式：
import re
pa = re.compile(r'imooc')# compile生成一個(gè)pattern對(duì)象，r'imooc'讀原字符串，否則需要轉(zhuǎn)義
ma = pa.match(str1) # 匹配不到返回為None，返回一個(gè)對(duì)象
print(ma)
<re.Match object; span=(0, 5), match='imooc'>
print(ma.group()) # 返回一個(gè)字符串或字符串組成的元組ma.groups()
imooc
print(ma.span()) # 返回所在字符串的位置
print(ma.string) # 返回原字符串
print(ma.re) # 返回實(shí)例
(0, 5)
imooc python
re.compile('imooc')
# 匹配大小寫，后面加上大寫
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(gè)，可以直接生成一個(gè)match對(duì)象，也可以達(dá)到同樣的效果 ma = re.match(r'imooc', str1) print(ma) print(ma.group()) <re.Match object; span=(0, 5), match='imooc'> imooc
3. 正則表達(dá)式語(yǔ)法
基本語(yǔ)法：適用于多種語(yǔ)言。
（1）匹配單個(gè)字符
1）'.' 的匹配，可以匹配除了\n外所有字符
ma = re.match(r'a', 'a')
print(ma.group())
ma = re.match(r'a', 'b')
print(type(ma)) # 再調(diào)ma.group()則報(bào)錯(cuò)
a
<class 'NoneType'>
# 用.匹配字符
ma = re.match(r'.', 'b')
print(ma.group())
ma = re.match(r'.', '0')
print(ma.group())
b
0
# 匹配{}中的字符
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]]}', 'd5lp7f5') # 匹配不到，則報(bào)錯(cuò)
print(ma.group())
ma = re.match(r'{[a-z]]}', '1dhlj77')
print(ma.group()) # 匹配a-z中任意一個(gè)字符
{a}
pntxvt7
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匹配非單詞字符
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(zhuǎn)義\ ma = re.match(r'\[[\w]\]', '[a]') print(ma.group()) [a]
（2）匹配多個(gè)字符
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
# 匹配下劃線或字符開頭的無限次 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(duì) 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.group()) # 少一個(gè)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(gè)
abc123
ma = re.match(r'[a-zA-Z0-9]{6}@163.com', 'abc123@163.com')
print(ma.group())
abc123@163.com
# 匹配6-10位的郵箱
ma = re.match(r'[a-zA-Z0-9]{6, 10}@163.com', 'abc123@163.com')
print(ma.group())
4）*？ /+？ /??匹配 (盡可能少匹配)
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]{4,10}@163.com', 'imooc@163.com')
print(ma.group())
imooc@163.com
ma = re.match(r'[\w]{4,10}@163.com', 'imooc@163.comabc') # 后面加上abc,match從頭開始匹配，則可以找到
print(ma.group())
imooc@163.com
ma = re.match(r'[\w]{4,10}@163.com&', 'imooc@163.comabc')
print(ma.group()) # 匹配不到
ma = re.match(r'^[\w]{4,10}@163.com&', 'imooc@163.comabc')
print(ma.group()) # 匹配不到
ma = re.match(r'^[\w]{4,10}@163.com&', 'imooc@163.com')
print(ma.group()) # 加上^和$,限制開頭結(jié)尾
imooc@163.com
# 指定開頭結(jié)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
這里不再舉例。
4. re模塊相關(guān)方法使用
以上舉例都是match，從頭到尾匹配，查找子串就不合適了
# 在一個(gè)字符串中查找匹配 1:search(pattern, string, flags=0) # 找到匹配，返回所有匹配部分的列表 2:findall(pattern, string, flags=0) # 將字符串中匹配正則表達(dá)式得部分替換為其它,repl可以替換函數(shù) 3:sub(pattern, repl, string, count=0, flags=0) # 根據(jù)匹配分割字符串，返回分割字符串組成的列表 4:split(pattern, string, maxsplit=0, flags=0)
# search
import re
str1 = 'imooc videonum = 1000'
print(str1.find('1000')) # 數(shù)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(dāng)有多個(gè)數(shù)字時(shí) 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++ Java' print(re.split(r':| ', str4)) [imooc, C, C, Java]
以上即為python中的正則表達(dá)式的一些知識(shí)總結(jié)。
總結(jié)
到此這篇關(guān)于python正則表達(dá)式的文章就介紹到這了,更多相關(guān)python正則表達(dá)式內(nèi)容請(qǐng)搜索本站以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持本站！
版權(quán)聲明：本站文章來源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請(qǐng)保持原文完整并注明來源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非www.sddonglingsh.com所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來，僅供學(xué)習(xí)參考，不代表本站立場(chǎng)，如有內(nèi)容涉嫌侵權(quán)，請(qǐng)聯(lián)系alex-e#qq.com處理。
相關(guān)文章
關(guān)注官方微信