正則表達式在程序開發(fā)中會經(jīng)常用到，比如數(shù)據(jù)（格式）驗證、替換字符內(nèi)容以及提取字符串內(nèi)容等等情況都會用到，但是目前許多開發(fā)人員對于正則表達式只是處于了解或者是基本會用的階段。一旦遇到大批量使用正則表達式的情況（例如網(wǎng)絡(luò)爬蟲）可以說基本上就抓瞎了。這篇文章我將帶領(lǐng)大家利用 Python 來學(xué)習(xí)一下正則表達式。在閱讀這篇文章前你需要掌握 Python 基礎(chǔ)知識，或者具有其他開發(fā)語言的基礎(chǔ)知識也可以，因為基本上每種語言使用正則表達式的方式都是類似的。

零、正則表達式基礎(chǔ)

1.提取字符（串） 有時我們需要從一個字符串中獲取一段內(nèi)容，這段內(nèi)容可能是一個字符也可能是一段字符串，如果用逐字對比遍歷的話不僅耗時耗力而且還容易出錯。那么這個時候我們就可以用到正則表達式中的 字符匹配 功能。正則表達式為我們提供了 4 種字符匹配的方法，見下表：

2.預(yù)定義字符 所謂預(yù)定義字符就是正則表達式中為我們預(yù)留的專門用來匹配格式化內(nèi)容的字符，例如匹配數(shù)字用的 \d 和匹配空白符的 \s 等等。我們可以利用預(yù)定義字符快速的匹配出一個字符串中符合要求的內(nèi)容。預(yù)定義字符匹配的內(nèi)容，同樣也可以利用前面所講的字符匹配的方式匹配出來，但是代碼量會相對來說多一點。下表所列的就是預(yù)定義字符：

在預(yù)定義字符中有如下幾點需要注意：

• \b 匹配的只是一個位置，這個位置的一側(cè)是構(gòu)成單詞的字符，另一側(cè)為非單詞字符、字符串的開始或結(jié)束位置。\b 是零寬度。
• \w 在不同編碼語言中匹配的范圍是不一樣的，在使用 ASCII 碼的語言中匹配的是 [a-zA-Z0-9] ，而在使用 Unicode 碼的語言中匹配的是 [a-zA-Z0-9] 和漢字、全角符號等特殊字符。

3.限制數(shù)量 在某些情況下我們需要匹配重復(fù)的內(nèi)容，這時我們可以使用 數(shù)量限定 模式來進行操作。數(shù)量限定如下表： 

4.斷言 斷言，又稱零寬斷言，指的是當(dāng)斷言表達式為 True 時才進行匹配，但是并不匹配斷言表達式內(nèi)容。和 ^ 代表開頭， $ 代表結(jié)尾， \b 代表單詞邊界一樣，先行斷言和后行斷言也有類似的作用，它們只匹配某些位置，在匹配過程中，不占用字符，所以被稱為零寬。所謂位置，是指字符串中第一個字符的左邊、最后一個字符的右邊以及相鄰字符的中間。零寬斷言表達式有四種：

• 零寬度負回顧后發(fā)斷言 (?<!exp)，表達式不成立時匹配斷言后面的位置，成立時不匹配。例如 \w+(?<zxc)\d，匹配不以 zxc 結(jié)尾的字符串；
• 零寬度負回顧先行斷言 (?!exp)，表達式匹配斷言前面的位置，成立時則不匹配。例如：\d(?!zxc)\w+，匹配不以 zxc 開頭的字符串；
• 先行斷言 (?=exp)，斷言為真時匹配斷言前面的位置，例如要在 “a regular expression” 這個字符串中追匹配出 regular 中的 re ，我們可以這么寫 re(?=gular);
• 后發(fā)斷言 (?<=exp)，斷言為真時匹配斷言后面的位置，例如對 “egex represents regular expression” 這個字符串要想匹配除 regex 和 regular 之外的re，可以用 re(?!g)，該表達式限定了re右邊的位置，這個位置后面不是字符g。先行和后發(fā)的區(qū)別就在于該位置之后的字符能否匹配括號中的表達式。

5.貪婪/非貪婪 正則表達式會盡可能多的去匹配字符，這被稱為貪婪模式，貪婪模式是正則表達式默認的模式。但是有時候貪婪模式會給我們造成不必要的困擾，例如我們要匹配字符串 “Jack123Chen123Chen” 中的 “Jack123Chen”，但是貪婪模式匹配出的卻是 “Jack123Chen123Chen”，這時我們就需要用到非貪婪模式來解決這個問題，非貪婪模式常用的表達式如下： 

6.其他 上述內(nèi)容在正則表達式中都是常用的，下面我們再來看看不常用到的，但是功能同樣強大的語法。

• OR 匹配又稱匹配分支，也就是說只要有一個分支匹配就算匹配，這和我們在開發(fā)中使用的 OR 語句類似。OR 匹配利用 | 分割分支，例如我們需要匹配出英文姓名，但是在英文中姓和名中間有可能是以 · 分割，也有可能是以空格分隔，這時我們就可以利用 OR 匹配來處理這個問題。格式如下：[A-Za-z]+·[A-Za-z]+|[A-Za-z]+\s[A-Za-z]+
• 組合，將幾個項組合為一個單元，這個單元可通過* + ? | 等符號加以修飾，而且可以記住和這個組合相匹配的字符串以提供伺候的引用使用。分組使用 () 來表示。例如獲取日期的正則表達式可以這么寫：\d{4}-(0[1-9]|1[0-2])-(0[1-9]|12|3[01])。第一個分組 (0[1-9]|1[0-2]) 代表月的正則匹配，第二個分組 (0[1-9]|12|3[01]) 代表日的正則匹配。

一、Python 使用正則表達式

在 Python 中使用正則表達式很簡單，re 模塊向我們提供了正則表達式的支持。使用步驟一共三步：

• 將正則表達式字符串轉(zhuǎn)換為 Pattern 的實例；
• 使用 Pattern 實例去處理要匹配的字符，匹配結(jié)果是一個 Match 實例；
• 利用 Match 實例去進行之后的操作。

在 Python 中我們常用的 re 的方法有六種，分別是: compile 、 match 、 search 、 findall 、 split 和 sub ，下面就針對這六種方法進行一下講解。

compile compile 方法的作用是將正則表達式字符串轉(zhuǎn)化為 Pattern 實例，它具有兩個參數(shù) pattern 和 flags ，pattern 參數(shù)類型是 string 類型，接收的是正則表達式字符串，flags 類型是 int 類型，接收的是匹配模式的編號，flags 參數(shù)是非必填項，默認值為 0 （忽略大小寫）。flags 匹配模式有如下 6 種： 

上述六種模式在實際開發(fā)中很少用到，我們只需要了解即可。 使用 compile 很簡單，如下： 

import re ​ 
pattern = re.compile(r'\d') 

2.match match 的作用是利用 Pattern 實例，從字符串左側(cè)開始匹配，如果匹配到就返回一個 Match 實例，如果沒有匹配到就返回 None。

import re ​ 
def getMatch(message): 
  pattern = re.compile(r'(\d{4}[-年])(\d{2}[-月])(\d{2}日{(diào)0,1})') 
  match = re.match(pattern, message) 
  if match: 
    print(match.groups()) 
    for item in match.groups(): 
      print(item) 
  else: 
    print("沒匹配上") ​ 
​ 
if __name__ == '__main__': 
  message = "2019年01月23日大會開始" 
  getMatch(message) 
  message = "會議于2019-01-23召開" 
  getMatch(message) 

在代碼中我們使用了 groups 方法，這個方法用來獲取匹配出來的字符串組。到這里過一會有很多讀者感到納悶，為什么第一段內(nèi)容能匹配出來年月日，而第二段內(nèi)容不能呢？這是因為 match 方法是從字符串的起始位置匹配的。 代碼運行結(jié)果如圖：

3.search search 方法與 match 方法功能是一樣的，只不過 search 方法是對整個字符串進行匹配。將前一小節(jié)代碼中的 getMatch 方法進行改動，即可將第二段內(nèi)容中的年月日匹配出來。

import re ​ 
def getMatch(message): 
  pattern = re.compile(r'(\d{4}[-年])(\d{2}[-月])(\d{2}日{(diào)0,1})') 
  match = re.search(pattern, message) 
  if match: 
    print(match.groups()) 
    for item in match.groups(): 
      print(item) 
  else: 
    print("沒匹配上") ​ 
​ 
if __name__ == '__main__': 
  message = "2019年01月23日大會開始" 
  getMatch(message) 
  message = "會議于2019-01-23召開" 
  getMatch(message) 

上述代碼運行結(jié)果如下圖：

4.findall findall 方法的作用是匹配整個字符串，以列表的形式返回所有匹配結(jié)果。

import re ​ 
​ 
def getMatch(message): 
  pattern = re.compile(r'\w+') 
  match = re.findall(pattern, message) 
  if match: 
    print(match) 
  else: 
    print("沒匹配上") ​ 
​ 
if __name__ == '__main__': 
  message = "my name is 張三" 
  getMatch(message) 
  message = "張三 is me" 
  getMatch(message) 

代碼運行結(jié)果如下圖：

5.split split 方法是利用指定的字符來分割字符串。

import re ​ 
​ 
def getMatch(message): 
  pattern = re.compile(r'-') 
  match = re.split(pattern, message) 
  if match: 
    print(match) 
  else: 
    print("沒匹配上") ​ 
​ 
if __name__ == '__main__': 
  message = "2018-9-12" 
  getMatch(message) 
  message = "第一步-第二步-第三步-第四步-and more" 
  getMatch(message) 

上述代碼運行結(jié)果如下圖：

6.sub sub 方法用來替換字符串，它接受5個參數(shù)，其中常用的有三個：

• pattern，Pattern 實例
• string，等待替換的字符串
• repl，表示替換的新字符串或需要執(zhí)行的替換方法
• count，替換次數(shù)，默認為0表示全部替換

import re ​ 
​ 
def getMatch(match): 
  return match.group(0).replace(r'年齡', 'age') ​ 
​ 
if __name__ == '__main__': 
  message = "your 年齡 ?" 
  pattern=re.compile(r'\w+') 
  print(re.sub(pattern,getMatch,message)) 

代碼運行結(jié)果如下圖：

三、總結(jié)

Python 中正則表達式使用起來非常方便，上面所展示的代碼，完全可以直接復(fù)制出來稍加修改后放在項目中使用。內(nèi)容不多，主要是講解代碼怎么使用，希望大家完全理解掌握了正則表達式的寫法。

作者簡介：
朱鋼，筆名喵叔，國內(nèi)某技術(shù)博客認證專家，.NET高級開發(fā)工程師，7年一線開發(fā)經(jīng)驗，參與過電子政務(wù)系統(tǒng)和AI客服系統(tǒng)的開發(fā)，以及互聯(lián)網(wǎng)招聘網(wǎng)站的架構(gòu)設(shè)計，目前就職于一家初創(chuàng)公司，從事企業(yè)級安全監(jiān)控系統(tǒng)的開發(fā)。

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

最新評論