本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。

以下文章一级AI入门学习 ,作者小伍哥

刚接触Python的新手 、小白 ,可以复制下面的链接去免费观看Python的基础入门教学视频

前言

正则表达式(Regular Expression),就是具有一定规则的表达式。通过正则表达式引擎,将这些规则转换为正则表达式对象 ,然后再去文本中搜索能够与之匹配的字符串 。

正则表达式的语法都是一样的,只是不同编程语言的实现不同,大部分都是师从Perl。

对Perl语言有所了解的朋友 ,学习python正则应该是手到擒来。

正则表达式入门

Python中的re模块提供了强大的正则表达式功能 。

而第三方模块regex提供了与标准库re模块兼容的API接口, 同时还提供了额外的功能和更全面的Unicode支持。

匹配字符

大多数字母和字符只会匹配自身,例如:python只会匹配自己,不会匹配Python。

但是有一些字符串 ,它们不表示自身,而是具有一些特殊含义,只能通过\转义之后才表示自身 。

这些字符包括:

. ^ $ * + ? { } [ ] \ | ( )

 

【.】

在默认模式中 ,匹配除换行外所有字符 ,如果指定了DOTALL标签,则表示任意字符

import re

"""
re.findall(pattern, string, flags=0)
pattern: 匹配规则,字符串
string: 需要去匹配的字符串

从左到右进行扫描	,匹配按找到的顺序返回。如果样式里存在一个或多个组,就返回一个组合列表
"""

re.findall('ab.', 'abc') 
# Out[1]: ['abc']

re.findall('ab.', 'ab\n') 
# Out[2]: []

re.findall('ab.', 'ab\n', re.DOTALL)
# Out[3]: ['ab\n']

 

【^】

匹配字符串的开头, 如果是MULTILINE模式 ,匹配每行开头(\n之后)的首个符号。

在字符集中可表示'非',[^a]表示除字符a之外的字符 。

re.findall('^ab', 'abcda\nabddd')                                     
# Out[4]: ['ab']

re.findall('^ab', 'abcda\nabddd', re.MULTILINE)
# Out[5]: ['ab', 'ab']

re.findall('[^a]', 'aaa\nbbb')
# Out[6]: ['\n', 'b', 'b', 'b']

 

【$】

匹配字符串的末尾,或者在字符串末尾换行符的前一个字符。

在 MULTILINE 模式下匹配每行末尾(\n之前)的字符。

re.findall('ab$', 'abcdab\nabdab')                                   
# Out[7]: ['ab']

# 上面结果中的 ab 是 \n 前面的还是后面的呢?进行如下测试	,发现是后面的 ab 被匹配了
re.findall('ab.$', 'abcdab1\nabdab2')
# Out[8]: ['ab2']

# 在 MULTILINE 模式下,两个都被匹配了
re.findall('ab$', 'abcdab\nabdab', re.MULTILINE)
# Out[9]: ['ab', 'ab']

# 而对 $ 在换行结尾的字符串中匹配时,会得到两个空字符	,一个在换行符之前,一个在字符串的末尾
re.findall('$', 'abcdab1\n')
# Out[10]: ['', '']

 

【*】

匹配前一个规则0次或无限次

re.findall('ab*', 'a')
# Out[11]: ['a']

re.findall('ab*', 'ab')
# Out[12] ['ab']

re.findall('ab*', 'abbbbbbbbbbbbbb')
# Out[13] ['abbbbbbbbbbbbbb']

 

【+】

匹配前一个规则1次或无限次

re.findall('ab+', 'a')
# Out[14]: []

re.findall('ab+', 'ab')
# Out[15] ['ab']

re.findall('ab+', 'abbbbbbbbbbbbbb')
# Out[16] ['abbbbbbbbbbbbbb']

 

【?】

匹配前一个规则0次或1次

re.findall('ab?', 'a')
# Out[17]: ['a']

re.findall('ab?', 'ab')
# Out[18] ['ab']

re.findall('ab?', 'abbbbbbbbbbbbbb')
# Out[19] ['ab']

 

【.?,*?,??】

.,*,?修饰符都是贪婪的,会尽可能的匹配更多的字符串

贪婪的我 ,当然是赞越多越好呀 。

而在这些修饰符后面加上? ,便成了非贪婪模式,会尽可能少的匹配字符串

re.findall('<.*>', '<a>bcd>')
# Out[20] ['<a>bcd>']

re.findall('<.*?>', '<a>bcd>')
# Out[21] ['<a>']

 

{m}

指定前面的正则表达式出现的次数,出现次数必须完全一致 。

re.findall('a{3}', 'aa') 
# Out[22]: []

re.findall('a{3}', 'aaaaa')
# Out[23]: ['aaa']

 

{m, n}

指定前面的正则表达式出现的次数在m~n之间 ,尽可能多的匹配,匹配的下界是m,上界是n。

若缺省m ,下界为0,若缺省n,为不设上界 ,即无限次。

re.findall('a{3, 5}', 'aaaa') 
# Out[24]: []

# 3,5 之间不能添加空格
re.findall('a{3,5}', 'aaaa')
# Out[25]: ['aaaa']

re.findall('a{3,}', 'aaaa')
# Out[26]: ['aaaa']

re.findall('a{,5}', 'aaaa')
# Out[27] ['aaaa', '']

 

{m, n}?

  • 即非贪婪模式,尽可能少的匹配字符串 。
re.findall('a{3,}?', 'aaaaa')
# Out[28] ['aaa']

 

【\】

  • 转义特殊字符。如'\.'只表示.,而不再是表示任意字符。
  • 匹配\字符需要转义 ,用\\表示
re.findall('\.', 'aa')
# Out[29] []

re.findall('\.', 'aa.')
# Out[30] ['.']

 

反斜杠灾难:反斜杠具有转义作用,如果需要匹配的字符串中存在多个\,就需要调加相应数量的\来转义

re.findall('\\\\ab', '\\abc') # ['\\ab']
"""
在反复使用反斜杠的正则中	,这会导致大量重复的反斜杠,
并使得生成的字符串难以理解	。
解决方案:
  使用 Python 的原始字符串表示法来表示正则表达式;
  'r' 为前缀的字符串,反斜杠不再表示转义
"""
re.findall(r'\\ab', '\\abc')  # ['\\ab']

re.findall(r'\n', '\n')       # ['\n']

 

[]

表示字符集集合。匹配该字符需要转义\[,\]

# 1、单独列出,匹配 a、b 或 c
re.findall('[abc]', 'ab.')
# Out[31]: ['a', 'b']

"""
2	、字符范围:
[a-j]: 表示小写字母 a~j
[1-6]:表示数字 1~6
转义: 如 [a\-z] 或者它的位置在首位或者末尾([-a] 或 [a-])	,它就只表示普通字符 '-'。
""" 
re.findall('[a\-z]', '-')
# Out[32]: ['-']

re.findall('[-a]', '-')
# Out[33]: ['-']

re.findall('[a-]', '-')
# Out[34]: ['-']

"""
3、特殊字符失去特殊含义
  比如 [(+*)] 只会匹配这几个字符 '(', '+', '*', or ')'	。
"""
re.findall('[(+*)]', '+-*/()')
# Out[35] ['+', '*', '(', ')']

"""
4、字符类
 可以使用字符类:\w,\S 等,它们可以匹配的字符由 ASCII 或者 LOCALE 模式决定。
"""
re.findall('[\w]', 'abfagg-/*-')
# Out[36] ['a', 'b', 'f', 'a', 'g', 'g']

"""
5	、取反
如果集合首字符是 '^' 	,所有不在集合内的字符将会被匹配
[^^] 将匹配所有字符,除了 '^'. 
^ 如果不在集合首位,就没有特殊含义。
"""
# 非 \w 定义的字母
re.findall('[^\w]', 'abfagg-/*-')
# Out[37] ['-', '/', '*', '-']

"""
6、匹配字符 ']'
两种方法
  加上反斜杠
  放到集合首位
"""
# 加上反斜杠
re.findall('\]', 'abc]')
# Out[38] [']']

# 放到集合首位
re.findall('[]{}]', ']abc')
# Out[39] [']']

 

【|】

或 。A|B ,匹配正则表达式A或B,A、B可以是任何正则表达式。

如果A匹配成功,则不会再匹配B。

匹配|字符需要转义 ,\|或[|]

re.findall('a|b', 'acb')
# Out[40] ['a', 'b']

re.findall('[|]', 'ab|c')
# Out[41] ['|']

 

(...)

小括号,可以组合表达式,匹配括号内的组合表达式 ,并标注表达式的开始和结束位置 ,可用于后续捕获

每对小括号代表一个组合,可以通过\number的方式引用组合,\1表示第一个组合 。

要匹配字符 ( 或者 ), 用 \( 或 \), 或者放在字符集合里: [(], [)] 。

re.findall('a(b+)', 'abbb')
# Out[42] ['bbb']
。
re.findall(r'(b)a\1', 'bab')
# Out[43] ['b']

 

总结

文章来源于网络 ,如有侵权请联系站长QQ61910465删除
本文版权归趣快排SEO www.SeogurUblog.com 所有,如有转发请注明来出,竞价开户托管,seo优化请联系QQ▶61910465