AllinToyou

这个屌丝很懒，什么也没留下！

热门标签

python regex,Python-RegEx（正则表达式）

作者：AllinToyou | 2024-03-01 08:16:24

踩

python regex

正则表达式在实际的文本文件处理中，经常用到，其实正则表达式并不是Python的一部分，其它语言中都有。正则表达式是用于处理字符串的强大工具，拥有自己独特的语法以及一个独立的处理引擎，效率上可能不如str自带的方法，但功能真的十分强大。得益于这一点，在提供了正则表达式的语言里，正则表达式的语法都是一样的，区别只在于不同的编程语言实现支持的语法数量不同；但不用担心，不被支持的语法通常是不常用的部分。如果已经在其他语言里使用过正则表达式，只需要简单看一看就可以上手了。

下图展示了使用正则表达式进行匹配的流程：

从上图我们可以看出，正则表达式的大致匹配过程是：依次拿出表达式和文本中的字符比较，如果每一个字符都能匹配，则匹配成功；一旦有匹配不成功的字符则匹配失败。如果表达式中有量词或边界，这个过程会稍微有一些不同，但也是很好理解的，来看看下面的这个正则表达式模式。

模式

描述

匹配字符串的开头

匹配字符串的末尾。

匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。

[…]

用来表示一组字符,单独列出：[amk] 匹配 ‘a’，’m’或’k’

[^…]

不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。

匹配0个或多个的表达式。

匹配1个或多个的表达式。

匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式

{ n,}

精确匹配n个前面表达式。

{n,m}

匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式

(re)

G匹配括号内的表达式，也表示一个组

(?imx)

正则表达式包含三种可选标志：i, m, 或 x 。只影响括号中的区域。

(?-imx)

正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的区域。

(?:re)

类似 (…), 但是不表示一个组

(?imx:re)

在括号中使用i, m, 或 x 可选标志

(?-imx:re)

在括号中不使用i, m, 或 x 可选标志

(?#…)

注释.

(?=re)

前向肯定界定符。如果所含正则表达式，以 … 表示，在当前位置成功匹配时成功，否则失败。但一旦所含表达式已经尝试，匹配引擎根本没有提高；模式的剩余部分还要尝试界定符的右边。

(?!re)

前向否定界定符。与肯定界定符相反；当所含表达式不能在字符串当前位置匹配时成功

(?>re)

匹配的独立模式，省去回溯。

匹配字母数字,等价于’[A-Za-z0-9_]’

匹配非字母数字, [^A-Za-z0-9_]’

匹配任意空白字符，等价于[\t\n\r\f].

匹配任意非空字符,等价于[^ \f\n\r\t\v]

匹配任意数字，等价于[0-9].

匹配任意非数字,等价于[^0-9]。

匹配字符串开始

匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串。c

匹配字符串结束

匹配最后匹配完成的位置。

匹配一个单词边界，也就是指单词和空格间的位置。例如， ‘er\b’ 可以匹配”never” 中的 ‘er’，但不能匹配 “verb” 中的 ‘er’。

匹配非单词边界。’er\B’ 能匹配 “verb” 中的 ‘er’，但不能匹配 “never” 中的 ‘er’。

\n, \t, 等.

匹配一个换行符。匹配一个制表符。等

\1…\9

匹配第n个分组的子表达式。

\10

匹配第n个分组的子表达式，如果它经匹配。否则指的是八进制字符码的表达式。

下面从正则表达式的几个函数/方法来简单介绍下正则表达式的用法。

二.re.match()函数

re.match 尝试从字符串的开头匹配一个模式，如：下面的例子匹配第一个单词。

importre

text ="This is a very beautiful girl, I like her very much."

m = re.match(r"(\w+)\s", text)

ifm:

printm.group(0),'\n', m.group(1)

else:

print'not match'

输出:

This

re.match的函数原型为：re.match(pattern, string, flags)

第一个参数是正则表达式，这里为”(\w+)\s”，如果匹配成功，则返回一个Match，否则返回一个None；

第二个参数表示要匹配的字符串；

第三个参数是标致位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。

三.re.search()函数

re.search函数会在字符串内查找模式匹配,只到找到第一个匹配然后返回，如果字符串没有匹配，则返回None。

importre

text ="This is a very beautiful girl, I like her very much."

m = re.search(r'\sbeaut(i)ful\s', text)

ifm:

printm.group(0), m.group(1)

else:

print'not search'

输出结果：

beautiful i

re.search的函数原型为： re.search(pattern, string, flags)

每个参数的含意与re.match一样。

四.re.match()与re.search()的区别

re.match只匹配字符串的开始，如果字符串从一开始就不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配。

请看下面这个实例：

importre

line ="This is a very beautiful girl, I like her very much.";

m = re.match( r'girl', line, re.M|re.I)

ifm:

print"match --> m.group() : ", m.group()

else:

print"No match!!"

match会从字符串起始出进行模式匹配，即模式中的其实字母‘g’匹配‘This’中的‘T’，所以，匹配失败。

No match!!

如果使用的是search，来看看结果：

m = re.search( r'girl', line, re.M|re.I)

ifm:

print"search --> m.group() : ", m.group()

else:

print"No match!"

以上实例运行结果如下：

search --> m.group() : girl

五.re.sub() & re.subn()函数

re.sub用于替换字符串中的匹配项。下面一个例子将字符串中的空格 ‘ ‘ 替换成 ‘-‘ ：

import re

text = "I like Cats more than dogs!"

print re.sub(r'\s+', '-', text)

输出：

I-like-Cats-more-than-dogs!

re.sub的函数原型为：re.sub(pattern, repl, string, count)

其中第二个函数是替换后的字符串；本例中为’-‘

第四个参数指替换个数。默认为0，表示每个匹配项都替换。

re.sub还允许使用函数对匹配项的替换进行复杂的处理。如：re.sub(r’\s’, lambda m: ‘[‘ + m.group(0) + ‘]’, text, 0)；将字符串中的空格’ ‘替换为’[ ]’。

注：re.subn和re.sub大体相似，唯一不同的就是返回结果，subn会将匹配的个数也显示出来。

如：

>>>import re

>>>text = "I like Cats more than dogs!"

>>>print re.subn(r'\s+', '-', text)

('I-like-Cats-more-than-dogs!', 5)

六.re.split()函数

可以使用re.split来分割字符串，如：re.split(r’-‘, text)；将字符串按’-‘符号分割成一个单词列表

1. import re

2. text="I-really-like-this-girl!"

3. re.split(r'-',text)

输出：

['I', 'really', 'like', 'this', 'girl!']

七.re.findall()函数

re.findall可以获取字符串中所有匹配的字符串。如：re.findall(r’\w*i\w*‘, text)；获取字符串中，包含’oo’的所有单词。

importre

text="I-really-like-this-girl!"

re.findall(r'girl' ,text)

输出结果：

['like', 'this', 'girl']

八.re.compile()函数

可以把正则表达式编译成一个正则表达式对象。可以把那些经常使用的正则表达式编译成正则表达式对象，这样可以提高一定的效率。下面是一个正则表达式对象的一个例子：

importre

regex = re.compile(r'\w*er\w*')# 将正则表达式编译成Pattern对象

text ="This is a very beautiful girl, I like her very much."

m = regex.search(text)#使用regex来匹配text字符串

ifm:

printm.group()# 使用Match获得分组信息

printregex.findall(text)#查找所有包含'oo'的单词

printregex.sub(lambdam:'['+ m.group(0) +']', text)#将字符串中含有'oo'的单词用[]括起来。

分别输出下列信息：

'very'

['very','her','very']

Thisisa [very] beautiful girl, I like [her] [very] much.

九.邮箱验证

使用Python写一个简单的邮箱验证的正则表达式：

规则：

@前面可以有’.’, ‘_’, ‘-‘, 但不能出现在头尾，而且不能连续出现

@后面到结尾之间，可以有多个子域名

邮箱的结尾为2~5个字母，比如cn、com、name等

#-*- coding: utf-8 -*-

"""

Created on Thu Oct 29 20:28:57 2015

@author: liudiwei

"""

importre

regex = re.compile('^[A-Za-z0-9]+(([\.\_\-])?[A-Za-z0-9]+)+@([A-Za-z]+.)+[A-Za-z]{2,5}$')

m = regex.match("csu.ldw@csu.edu.cn")

ifm:

printm.group()

else:

print "no match!"

测试输出：

csu.ldw@csu.edu.cn

当m = regex.match(“_csu.ldw@csu.edu.cn“)

当邮箱为：

_csu.ldw@csu.edu.cn

csu.ldw_@csu.edu.cn

csu.ldw@csu_.edu.cn

csu.ldw@csu.edu.cn1

都不会匹配

提示：合法邮箱的规则可能不够完善，这里就简单的匹配这三个规则吧！

End.

作者：拾毅者

来源：『刘帝伟』维护的个人技术博客

本文均已和作者授权，如转载请与作者联系。

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/AllinToyou/article/detail/172226