当前位置:   article > 正文

python正则化_python 正则化

python 正则化

一、re模块简介

聊到Python正则表达式的支持,首先肯定会想到re库,这是一个Python处理文本的标准库

标准库的意思表示这是一个Python内置模块,不需要额外下载,目前Python内置模块大概有300个。可以在这里查看Python所有的内置模块:https://docs.python.org/3/py-modindex.html#cap-r

因为re是内置模块,所以不需要再下载,使用时直接引入即可:

import re

re模块官方文档:https://docs.python.org/zh-cn/3.8/library/re.html

re模块库源码:https://github.com/python/cpython/blob/3.8/Lib/re.py

二、re模块常量

常量即表示不可更改的变量,一般用于做标记。

re模块中有9个常量,常量的值都是int类型!

re.compile(strPattern[, flag]):

这个方法是Pattern类的工厂方法,用于将字符串形式的正则表达式编译为Pattern对象。 第二个参数flag是匹配模式,取值可以使用按位或运算符'|'表示同时生效,比如re.I | re.M。另外,你也可以在regex字符串中指定模式,比如re.compile('pattern', re.I | re.M)与re.compile('(?im)pattern')是等价的。

可选值有:

  • re.I(re.IGNORECASE): 忽略大小写(括号内是完整写法,下同)

  • M(MULTILINE): 多行模式,改变'^'和'$'的行为(参见上图)

  • S(DOTALL): 点任意匹配模式,改变'.'的行为

  • L(LOCALE): 使预定字符类 \w \W \b \B \s \S 取决于当前区域设定

  • U(UNICODE): 使预定字符类 \w \W \b \B \s \S \d \D 取决于unicode定义的字符属性

  • X(VERBOSE): 详细模式。这个模式下正则表达式可以是多行,忽略空白字符,并可以加入注释。以下两个正则表达式是等价的:

  1. a = re.compile(r"""\d + # the integral part
  2. \. # the decimal point
  3. \d * # some fractional digits""", re.X)
  4. b = re.compile(r"\d+\.\d*")
  • re提供了众多模块方法用于完成正则表达式的功能。这些方法可以使用Pattern实例的相应方法替代,唯一的好处是少写一行re.compile()代码,但同时也无法复用编译后的Pattern对象。这些方法将在Pattern类的实例方法部分一起介绍。如上面这个例子可以简写为:

  1. m = re.match(r'hello', 'hello world!')
  2. print m.group()

三.Match

Match对象是一次匹配的结果,包含了很多关于此次匹配的信息,可以使用Match提供的可读属性或方法来获取这些信息。

属性:

  1. string: 匹配时使用的文本。

  1. re: 匹配时使用的Pattern对象。

  1. pos: 文本中正则表达式开始搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。

  1. endpos: 文本中正则表达式结束搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。

  1. lastindex: 最后一个被捕获的分组在文本中的索引。如果没有被捕获的分组,将为None。

  1. lastgroup: 最后一个被捕获的分组的别名。如果这个分组没有别名或者没有被捕获的分组,将为None。

方法:

  1. group([group1, …]):
    获得一个或多个分组截获的字符串;指定多个参数时将以元组形式返回。group1可以使用编号也可以使用别名;编号0代表整个匹配的子串;不填写参数时,返回group(0);没有截获字符串的组返回None;截获了多次的组返回最后一次截获的子串。

  1. groups([default]):
    以元组形式返回全部分组截获的字符串。相当于调用group(1,2,…last)。default表示没有截获字符串的组以这个值替代,默认为None。

  1. groupdict([default]):
    返回以有别名的组的别名为键、以该组截获的子串为值的字典,没有别名的组不包含在内。default含义同上。

  1. start([group]):
    返回指定的组截获的子串在string中的起始索引(子串第一个字符的索引)。group默认值为0。

  1. end([group]):
    返回指定的组截获的子串在string中的结束索引(子串最后一个字符的索引+1)。group默认值为0。

  1. span([group]):
    返回(start(group), end(group))。

  1. expand(template):
    将匹配到的分组代入template中然后返回。template中可以使用\id或\g<id>、\g<name>引用分组,但不能使用编号0。\id与\g<id>是等价的;但\10将被认为是第10个分组,如果你想表达\1之后是字符'0',只能使用\g<1>0。

  1. import re
  2. m = re.match(r'(\w+) (\w+)(?P<sign>.*)', 'hello world!')
  3. print "m.string:", m.string
  4. print "m.re:", m.re
  5. print "m.pos:", m.pos
  6. print "m.endpos:", m.endpos
  7. print "m.lastindex:", m.lastindex
  8. print "m.lastgroup:", m.lastgroup
  9. print "m.group(1,2):", m.group(1, 2)
  10. print "m.groups():", m.groups()
  11. print "m.groupdict():", m.groupdict()
  12. print "m.start(2):", m.start(2)
  13. print "m.end(2):", m.end(2)
  14. print "m.span(2):", m.span(2)
  15. print r"m.expand(r'\2 \1\3'):", m.expand(r'\2 \1\3')
  16. ### output ###
  17. # m.string: hello world!
  18. # m.re: <_sre.SRE_Pattern object at 0x016E1A38>
  19. # m.pos: 0
  20. # m.endpos: 12
  21. # m.lastindex: 3
  22. # m.lastgroup: sign
  23. # m.group(1,2): ('hello', 'world')
  24. # m.groups(): ('hello', 'world', '!')
  25. # m.groupdict(): {'sign': '!'}
  26. # m.start(2): 6
  27. # m.end(2): 11
  28. # m.span(2): (6, 11)
  29. # m.expand(r'\2 \1\3'): world hello!

三.Pattern

Pattern对象是一个编译好的正则表达式,通过Pattern提供的一系列方法可以对文本进行匹配查找。

Pattern不能直接实例化,必须使用re.compile()进行构造。

Pattern提供了几个可读属性用于获取表达式的相关信息:

  1. pattern: 编译时用的表达式字符串。

  1. flags: 编译时用的匹配模式。数字形式。

  1. groups: 表达式中分组的数量。

  1. groupindex: 以表达式中有别名的组的别名为键、以该组对应的编号为值的字典,没有别名的组不包含在内。

四.以下是一些常用的Python正则表达式:

  1. 匹配单个字符:

  • . 匹配任意一个字符

匹配括号内的任意一个字符

  • [^ ] 匹配除括号内的字符之外的任意一个字符

  1. 匹配多个字符:

  • 匹配前一个字符出现0次或多次

  • 匹配前一个字符出现1次或多次

  • ? 匹配前一个字符出现0次或1次

  • {m,n} 匹配前一个字符出现m到n次

  1. 匹配边界:

  • ^ 匹配行的开头

  • $ 匹配行的结尾

  • \b 匹配单词边界

  1. 匹配特殊字符:

  • \d 匹配任意一个数字

  • \D 匹配任意一个非数字字符

  • \w 匹配任意一个字母、数字或下划线

  • \W 匹配任意一个非字母、数字或下划线字符

  • \s 匹配任意一个空白字符

  • \S 匹配任意一个非空白字符

以下是一个简单的示例,展示如何使用正则表达式在Python中匹配一个字符串中的所有数字:

  1. import re
  2. text = "hello, 123456 world!"
  3. pattern = "\d+"
  4. result = re.findall(pattern, text)
  5. print(result) # ['123456']

在这个示例中,我们使用re模块的findall()函数来查找匹配模式\d+的所有数字。findall()函数返回一个包含所有匹配结果的列表。

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/菜鸟追梦旅行/article/detail/113810
推荐阅读
相关标签
  

闽ICP备14008679号