这是菜鸟学python的第45篇原创文章 阅读本文大概需要5分钟 都说正则表达式有点像密码,有的同学看到就头疼,感觉迷一样的。 那是因为你们没有掌握一些基本的要领,今天我们会讲9种常见的正则表达式的招式,(有同学会问这么多招,哪能记得住) 想要练成御剑飞行,基本功必须要扎实.这些都是最最基本的,哪怕死记硬背也要背住(其实2-3遍就能记住,真的不难) 插一句: 有一点要注意Python的字符串本身也用'\'转义,所以要特别注意,一般我们都建议使用Python的r前缀,就不用考虑转义的问题了 先说一个简单的例子:匹配以cat开头的 patt=re.compile(r'^cat') 表示匹配以c作为一行的第一个字符,后面跟着a,后面跟着t 所以'vocative'就不会被匹配到,原因是因为cat在字符的里面 如何我们要是以某一个字符串结尾的,比如我们要查邮件是以 BR或者Bestregards结尾的,如何匹配:我们用美元符号$来处理 import re sentence='''Hi Jack:\n Python is a beautiful language\n BR''' patt=re.compile(r'(BR|Bestregards)$') m=re.search(patt,sentence) if m : print 'match' else: print 'not match' >> match $表示匹配的位置是从行的结束的,也就是锚定在行的末尾,然后从行的末尾往前匹配BR或者是Bestregards,所以若你改成下面两种都匹配不到 sentence='''Hi Jack:\n Python is a beautiful language\n BRs''' sentence='''Hi Jack:\n Python is a beautiful language\n Bestregard''' 解释一下: 第一种情况,是把BR改成了BRs,所以匹配不到 第二种情况,是把Bestregards改成了Bestregard,所以也匹配不到 前面介绍了匹配行的开头和结尾,那么如何匹配单词的边界呢,简单正则里面有2个特殊字符\b and \B来匹配单词的边界 :
例如: the #匹配包含有'the'的字符串 \bthe #匹配任何以'the'开始的字符串 \bthe\b #仅仅匹配单词'the' \Bthe #匹配任意包含'the'但不以'the'开头的单词 比如我们需要匹配'grey'或者'gray'的时候,怎么办,可以用正则的[]来表示,gr[ea]y,表示先找到g,然后找到r,然后找到e或者a,最后是一个y import re 若把word改成'gray'也是匹配的 切记:字符组里面是匹配一个字符比如H[12345],表示H后面可以跟1或2或3或4或5,而不是12345,千万不要弄错了 我们可以用'|'来匹配任意子表达式,'|'是一个非常简便的元字符,它的意思是'或',通过它我们能把不同的子表达式组合成一个总的表达式,比如'am'|'pm'就是能够同时匹配其中任意一个的正则表达式,回头再看上面的例子'gr[ea]y',其实能写成'grey|gray',或者'gr(e|a)y' 比如6月4号,这个6月可能写成'June'也可以写成'Jun',而且日期也有可能写作'fourth'或者'4th'或者4,我们可以写成(June|Jun)(fourth|4th|4),但是有没有其他办法呢,可以用问号?表示可选项 我们分步来处理:
最后这个复杂的(June|Jun)(fourth|4th|4)就可以变成了June?(fourth|4(th)?),大家看懂了吗~~有点晕是把,没事吐吐就习惯了 重复出现用+和*表示,但是二者有一些小的区别
其实说白了*比+多一种不出现的情况,匹配尽可能多的次数,如果实在匹配不到也不要紧,+也是匹配多次,但连一次匹配都无法完成,就报告失败 例如: a* #匹配a,aa,aaa,...还有'' a+ #匹配a,aa,aaa,... 解释一下: a*表示0个或者多个a,所以为0的时候,就是空字符 a+表示1个或者多个a,所以a至少要有1次 1).比如我们想匹配前面的内容重复出现的次数,比如3次,或者是一个区间,比如1-3次,如何匹配: import re num_str='123aa45' patt=re.compile(r'([1-9]{3})') m=re.match(patt,num_str) if m: print m.group() >> 123 表示出现1-9之间的任意一个数字,并且这个数字只能重复出现3次 2).为重复匹配次数设定一个区间 比如美国股票的代码,都是字符有大写的也有小写,基本都是在1到5个字母,如何用正则表达呢 简单[a-zA-Z]{1,5},就可以来匹配美国股票代码(1到5个字母) 比如我们想匹配除了1到6以外的任何字符串,怎么办,简单用[^1-6],这个字符组中开头的^表示'排除的意思'.(有同学会举手说,你刚才不是说^表示开头吗,怎么现在变成排除型了). 这位同学会抢答了,下面就是我要解释的,正则的复杂性:
比如:找出字母g后面的字母不是u import re 细心的同学会发现,我们的目的是要'找出字母g后面的字母不是u',为啥'Guess'不在输出结果里面,不是排除型吗,我先不说答案,大家先思考一下,有兴趣的同学可以留言,我会解答. 好了Python中的正则表达式元字符就讲到这里啦,希望能给初学者一些启发,若有什么不懂的,也可以留言跟我探讨交流. '欢迎大家关注 菜鸟学Python',更多好玩有趣的Python原创教程,趣味算法,经验技巧,行业动态,尽在菜鸟学Python,一起来学python吧 来源 | 菜鸟学python |
|
来自: Four兄 > 《Python笔记》