|
阿里云科技快讯 2018-08-24 20:02:00
前言： 普通人有三件东西看不懂:医生的处方，道士的鬼符，程序员得正则表达式 什么是正则表达式？
有什么作用？
 正则表达式语法：  正则表达式： 动机： 1. 文本处理已经成为计算机常见工作之一 2. 对文本的搜索，定位，提取的逻辑往往比较复杂 3. 为了解决上述问题，产生正则表达式技术 定义 ： 正则表达式即文本的高级匹配模式，提供搜索，替代，获取等功能。 本质是由一系列特属符号和字符构成的字串，这个字串就是正则表达式。 特点 * 方便进行检索和修改等文本操作 * 支持语言众多 * 灵活多样 正则表达式匹配手段： 通过设定有特殊意义的符号，描述符号和字符的 重复行为及位置特征来表示一类特定规则的字符串 python ---> re模块 处理正则表达式 re.findall(pattern,string) 参数： pattern ： 以字符串形式传入一个正则表达式 string ： 要匹配的目标字符串 返回值 ： 得到列表，将目标字串中能用正则匹配的内容放入列表 正则表达式元字符： 1. 普通字符匹配 ： （除了后续讲解的特殊字符全是普通字符） 可以用普通字符来匹配对应的字符 In [11]: re.findall("abc",'abcdefghabi') Out[11]: ['abc'] In [12]: re.findall("成都",'成都的街头走一走') Out[12]: ['成都'] 2. 或： 元字符: | 匹配规则： 匹配符号两侧的正则表达式均可 In [14]: re.findall("ab|cd",'abcdefghabi') Out[14]: ['ab', 'cd', 'ab'] 3. 匹配单个字符： 元字符： . 匹配规则： 匹配除 外任意一个字符 f.o ---> foo fao f@o In [18]: re.findall("w.o",'woo,wao is not wbo') Out[18]: ['woo', 'wao', 'wbo'] 4. 匹配开始位置： 元字符： ^ 匹配规则： 匹配目标字符串的开头位置 In [20]: re.findall("^Jame","Jame,how are you") Out[20]: ['Jame'] 5. 匹配结束位置: 元字符 ： $ 匹配规则： 匹配目标字符串的结束位置 In [23]: re.findall("py$","hello.py") Out[23]: ['py'] 6. 匹配重复: 元字符 ： * 匹配规则： 匹配前面出现的正则表达式0次或多次 fo* ----> f fo fooooooooooooooooooo In [31]: re.findall("ab*","abcdefae&65abbbbbbbb") Out[31]: ['ab', 'a', 'abbbbbbbb'] 7. 匹配重复: 元字符 ： + 匹配规则： 匹配前面出现的正则表达式1次或多次 ab+ ---》 ab abbbbb In [33]: re.findall(".+py$","hello.py") Out[33]: ['hello.py'] 8. 匹配重复: 元字符 ： ？ 匹配规则： 匹配前面出现的正则表达式0次或1次 ab? ---> a ab In [36]: re.findall("ab?","abcea,adsfabbbbbb") Out[36]: ['ab', 'a', 'a', 'ab'] 9. 匹配重复: 元字符： {n} 匹配规则： 匹配前面的正则出现n次 ab{3} ---> abbb In [39]: re.findall("ab{3}","abcea,adsfabbbbbb") Out[39]: ['abbb'] 10. 匹配重复: 元字符 ： {m,n} 匹配规则 ： 匹配前面的正则m-n次 ab{3,5} ---> abbb abbbb abbbbb In [45]: re.findall("ab{3,5}","ab abbb abbbbabbbbbb") Out[45]: ['abbb', 'abbbb', 'abbbbb'] 11. 匹配字符集合: 元字符： [字符集] 匹配规则: 匹配字符集中任意一个字符 [abc123] --> a b c 1 2 3 In [46]: re.findall("[aeiou]","hello world") Out[46]: ['e', 'o', 'o'] [0-9] [a-z] [A-Z] [0-9a-z] In [47]: re.findall("^[A-Z][a-z]*","Hello world") Out[47]: ['Hello'] [_abc0-9] 12. 匹配字符集: 元字符： [^...] 匹配规则：匹配除了中括号中字符集字符之外的任意一个字符 In [50]: re.findall("[^0-9]+","hello1") Out[50]: ['hello'] 13. 匹配任意（非）数字字符: 元字符 ： d D 匹配规则： d 匹配任意一个数字字符 [0-9] D 匹配任意一个非数字字符 [^0-9] In [52]: re.findall("1d{10}","13717776561") Out[52]: ['13717776561'] In [53]: re.findall("D+","hello world") Out[53]: ['hello world'] 14. 匹配任意（非）普通字符 : （数字字母下划线 普通utf-8字符） 元字符 ： w W 匹配规则： w 匹配一个普通字符 W 匹配一个非普通字符 In [54]: re.findall("w+","hello$1") Out[54]: ['hello', '1'] In [55]: re.findall("W+","hello$1") Out[55]: ['$'] 15. 匹配(非)空字符: （空格， ） 元字符： s S 匹配规则: s 匹配任意空字符 S 匹配任意非空字符 In [59]: re.findall("w+s+w+","hello world") Out[59]: ['hello world'] In [61]: re.findall("S+","hello world") Out[61]: ['hello', 'world'] 16. 匹配起止位置: 元字符： A Z 匹配规则： A 匹配字符串开头位置 ^ Z 匹配字符串结尾位置 $ In [63]: re.findall("Ahi","hi,Tom") Out[63]: ['hi'] In [2]: re.findall("isZ",'This') Out[2]: ['is'] 完全匹配 ： 使用一个正则表达式可以匹配目标字符串的全部内容 In [6]: re.findall("Aw{5}d{3}Z",'abcde123') Out[6]: ['abcde123'] 17. 匹配（非）单词边界: （普通字符和非普通字符的交接位置认为是单词边界） 元字符 ： B 匹配规则 ： 匹配单词边界位置 B 匹配非单词边界位置 In [17]: re.findall(r"is",'This is a test') Out[17]: ['is'] 元字符总结： 匹配单个字符 ： a . [...] [^...] d D w W s S 匹配重复： * + ？ {n} {m,n} 匹配位置： ^ $ A Z B 其他 ： | （） 正则表达式的转义： 正则表达式特殊字符： . * ? $ ^ [] {} () 在正则表达式中如果想匹配这些特殊字符需要进行转义 In [23]: re.findall("[d+]",'abc[123]') Out[23]: ['[123]'] raw 字符串 ---》 原始字符串 特点 ： 对字符串中的内容不进行转义，即表达原始含义 让转义符无效 r"" ---> "\b" ---> In [39]: re.findall("\w+@\w+\.cn",'lvze@tedu.cn') Out[39]: ['lvze@tedu.cn'] In [40]: re.findall(r"w+@w+.cn",'lvze@tedu.cn') Out[40]: ['lvze@tedu.cn'] 贪婪和非贪婪： 贪婪模式 ： 正则表达式的重复匹配，总是尽可能多的向后匹配内容。 * + ？ {m,n} 贪婪 ---》 非贪婪（懒惰） 尽可能少的匹配内容 *？ +? ?? {m,n}? In [46]: re.findall(r"ab*?",'abbbbbbbbbb') Out[46]: ['a'] In [47]: re.findall(r"ab+?",'abbbbbbbbbb') Out[47]: ['ab'] 正则表达式分组: 使用()可以为正则表达式建立子组，子组不会影响正则 表达式整体的匹配内容，可以被看做是一个内部单元。 子组的作用： 1. 形成内部整体，该表某些元字符的行为 In [52]: re.search(r"(ab)+",'abababab').group() Out[52]: 'abababab' re.search(r"w+@w+.(com|cn)",'Python@tedu.cn').group() 2. 子组匹配内容可以被单独获取 re.search(r"w+@w+.(com|cn)",'lvze@tedu.com').group(1) Out[59]: 'com' 子组注意事项： * 一个正则表达式中可以有多个子组，区分第一，第二。。。子组 * 子组不要出现重叠的情况，尽量简单 捕获组和非捕获组 （命令组，未命名组） 捕获格式 ：（?P<name>pattern） re.search(r"(?P<dog>ab)+",'abababab').group() 作用 ： 1 方便通过名字区分每个子组 2 捕获组可以重复调用 调用格式：(?P=name) P<dog>ab)cd(?P=dog) ===> abcdab In [69]: re.search(r"(?P<dog>ab)cdef(?P=dog)",'abcdefab').group() Out[69]: 'abcdefab' 正则表达式的匹配原则: 1. 正确性 能够正确匹配目标字符串 2. 唯一性 除了匹配的目标内容，尽可能不会有不需要的 内容 3. 全面性 对目标字符串可能的情况要考虑全面不漏 re模块的使用: regex = re.compile(pattern,flags = 0) 功能 ： 生成正则表达式对象 参数 ： pattern 正则表达式 flags 功能标志位，丰富正则表达式的匹配 返回值： 返回一个正则表达式对象 re.findall(pattern,string,flags = 0) 功能 ： 根据正则表达式匹配目标字串内容 参数 ： pattern 正则表达式 string 目标字符串 返回值： 列表 里面是匹配到的内容 如果正则表达式有子组，则只返回子组中的内容 regex.findall(string,pos,endpos) 功能 ： 根据正则表达式匹配目标字串内容 参数 ： string 目标字符串 pos,endpos : 截取目标字符串的起止位置进行匹 配，默认是整个字符串 返回值： 列表 里面是匹配到的内容 如果正则表达式有子组，则只返回子组中的内容 re.split(pattern,string,flags = 0) 功能 ： 通过正则表达式切割目标字符串 参数 ： pattern 正则 string 目标字串 返回值 ： 以列表形式返回切割后的内容 re.sub(pattern,replace,string,max,flags) 功能: 替换正则表达式匹配内容 参数： pattern 正则 replace 要替换的内容 string 目标字符串 max 设定最多替换几处 返回值 ： 替换后的字符串 re.subn(pattern,replace,string,max,flags) 功能和参数同sub 返回值多一个实际替换了几处 re.finditer(pattern,string,flags) 功能： 使用正则匹配目标字串 参数： pattern 正则 string 目标字串 返回值： 迭代对象 ----》 迭代内容为match对象 re.fullmatch(pattern,string,flags) 功能 ： 完全匹配一个字符串 参数： pattern 正则 string 目标字串 返回值： match对象，匹配到的内容 re.match(pattern,string,flags) 功能 ： 匹配一个字符串起始内容 参数： pattern 正则 string 目标字串 返回值： match对象，匹配到的内容 re.search(pattern,string,flags) 功能 ： 匹配第一个符合条件的字符串 参数： pattern 正则 string 目标字串 返回值： match对象 匹配到的内容 regex 对象的属性 flags 标志位数值 pattern 正则表达式 groups 子组个数 groupindex 获取捕获组字典，键为组名值是第几组 |
|
|
