一、什么是正則表達式？

正則表達式，又稱規(guī)則表達式，通常被用來檢索、替換那些符合某個模式(規(guī)則)的文本。

正則表達式是對字符串操作的一種邏輯公式，就是用事先定義好的一些特定字符、及這些特定字符的組合，組成一個“規(guī)則字符串”，這個“規(guī)則字符串”用來表達對字符串的一種過濾邏輯。

二、正則表達式的匹配規(guī)則

1.表示字符

• ·：匹配任意除換行符'\n'外的字符，但是在DOTALL模式中也可以匹配換行符'\n'
• \：轉(zhuǎn)義字符，使后一個字符改變原來的意思，如果字符串中想匹配*，可以使用\*，也可以使用字符集[*]
• [...]：字符集，匹配字符集中列出的任意字符。字符可以逐個列出，也可以給出范圍，比如[a-z]，[0-9]，第一個字符是^表示取反。所有特殊字符在字符集中都失去其原有的特殊含義。如果想使用']','-'或者'^'，可以在前面加上\，或者將]或者-放在首位，將^放在非首位
  

2.預(yù)定義字符集（可寫在字符集[]中）

• \d：數(shù)字[0-9]
• \D：非數(shù)字[^0-9]
• \s：空白字符[<空格>，\t,\n,\r,\f,\v]
• \S：非空白字符[^\s]
• \w：單詞字符[a-zA-Z0-9_]
• \W：非單詞字符[^\w]
  

3.表示數(shù)量

• *：匹配前一個字符0次或無限次，即可有可無
• +：匹配前一個字符出現(xiàn)1次或者無限次，即至少有1次
• {m}：匹配前一個字符出現(xiàn)m次
• {m,}：匹配前一個字符至少出現(xiàn)m次
• {,n}：匹配前一個字符至多出現(xiàn)n次
• {m,n}：匹配前一個字符出現(xiàn)從m到n次
  

4.表示邊界

• ^：匹配字符串開頭。在多行模式中匹配每一行的開頭
• $：匹配字符串結(jié)尾。在多行模式中匹配每一行的結(jié)尾
• \A：僅匹配字符串開頭
• \Z：僅匹配字符串結(jié)尾
• \b：匹配單詞邊界，\w和\W之間
• \B：匹配非單詞邊界，[^\b]
  

5.匹配分組

• |：匹配左右任意一個表達式
• (...)：被括起來的表達式作為一個分組，從表達式左邊開始，每遇到一個'('，編號+1。分組表達式作為一個整體，后面可接數(shù)量詞。表達式中的|僅在該分組中有效
• (?P<name>)：分組，除了原有的編號以外，再給分組取一個別名
• (?P=<name>)：引用別名為<name>的分組匹配到的字符串
• \<number>：引用編號為<number>的分組匹配到的字符串
  

6.特殊構(gòu)造(不作為分組)

• (?:...)：(...)的不分組版本，用于使用'|'或后面接上數(shù)量詞，比如(?:[1-9]?\d|100)表示匹配數(shù)字0-100，(?:abc){2}表示匹配abcabc
• 剩下的一些不常見，略
  

三、re模塊

在 Python中，我們可以使用內(nèi)置的 re 模塊來使用正則表達式。與大多數(shù)編程語言相同，正則表達式里使用'\'作為轉(zhuǎn)義字符，這就可能造成反斜杠困擾。Python里的原生字符串很好地解決了這個問題，只需要在字符串前面加上'r'前綴。

re模塊的一般使用步驟：

1. 使用 compile() 函數(shù)將正則表達式的字符串形式編譯為一個 Pattern 對象
2. 通過 Pattern 對象提供的一系列方法對文本進行匹配查找

1.compile函數(shù)

compile 函數(shù)用于編譯正則表達式，生成一個 Pattern 對象。必須傳入的第一個參數(shù)是'規(guī)則字符串'，另外可以通過第二個參數(shù)(flags)來指定匹配模式。

常見的匹配模式：

1. re.I(re.IGNORECASE): 忽略大小寫
2. re.M(MULTILINE): 多行模式，改變'^'和'$'的行為
3. re.S(DOTALL): 點任意匹配模式，改變'.'的行為，可以匹配'\n'

import re

# 將正則表達式編譯成 Pattern對象，并指定匹配模式為點任意匹配模式
pattern = re.compile(r'\d+',re.S)

2.Pattern 對象的一些常用方法

match方法

match 方法用于查找字符串的頭部（也可以指定起始位置），它是一次匹配，只要找到了一個匹配的結(jié)果就返回，而不是查找所有匹配的結(jié)果。

它的一般使用形式如下：

match(string[, pos[, endpos]])

其中，string 是待匹配的字符串，pos 和 endpos 是可選參數(shù)，指定字符串的起始和終點位置，默認(rèn)值分別是 0 和 len (字符串長度)。因此，當(dāng)你不指定 pos 和 endpos 時，match 方法默認(rèn)匹配字符串的頭部。

當(dāng)匹配成功時，返回一個 Match 對象，如果沒有匹配上，則返回 None。

Match對象常用的方法:

• group(([group1, …])：用于獲得一個或多個分組匹配的字符串，如果傳入多個分組編號，則返回的結(jié)果為元組形式。當(dāng)要獲得整個匹配的子串時，可直接使用 group() 或 group(0)；
• groups()：獲得所有分組匹配到的字符串所構(gòu)成的元組
• start([group]) 方法用于獲取分組匹配的子串在整個字符串中的起始位置（子串第一個字符的索引），參數(shù)默認(rèn)值為 0；
• end([group]) 方法用于獲取分組匹配的子串在整個字符串中的結(jié)束位置（子串最后一個字符的索引+1），參數(shù)默認(rèn)值為 0；
• span([group]) 方法返回 (start(group), end(group))，獲取分組匹配的子串在整個字符串中的起始和結(jié)束位置構(gòu)成的元組。
  

通過一些例子來熟悉一下：

In [1]: import re

In [2]: pattern = re.compile(r"(\w+) (\d+)")

In [3]: m = pattern.match('hello 123')

In [4]: m.group(1)
Out[4]: 'hello'

In [5]: m.group(1,2)
Out[5]: ('hello', '123')

In [6]: m.group()
Out[6]: 'hello 123'

In [7]: m.groups()
Out[7]: ('hello', '123')

In [8]: m.start(1)
Out[8]: 0

In [9]: m.start(2)
Out[9]: 6

In [10]: m.end(1)
Out[10]: 5

In [11]: m.span(1)
Out[11]: (0, 5)

In [12]: m.span(2)
Out[12]: (6, 9)

search方法

search 方法用于查找字符串的任何位置，它也是一次匹配，只要找到了一個匹配的結(jié)果就返回，而不是查找所有匹配的結(jié)果

它的一般使用形式如下：

search(string[, pos[, endpos]])

其中，string 是待匹配的字符串，pos 和 endpos 是可選參數(shù)，指定字符串的起始和終點位置，默認(rèn)值分別是 0 和 len (字符串長度)。

看看例子

>>> import re
>>> pattern = re.compile('\d+')
>>> m = pattern.search('one12twothree34four') # 這里如果使用 match 方法則不匹配
>>> m
<_sre.SRE_Match object at 0x10cc03ac0>
>>> m.group()
'12'
>>> m = pattern.search('one12twothree34four', 10, 30) # 指定字符串區(qū)間
>>> m
<_sre.SRE_Match object at 0x10cc03b28>
>>> m.group()
'34'
>>> m.span()
(13, 15)

findall方法

上面的 match 和 search 方法都是一次匹配，只要找到了一個匹配的結(jié)果就返回。然而，在大多數(shù)時候，我們需要搜索整個字符串，獲得所有匹配的結(jié)果。

findall 方法的使用形式如下：

findall(string[, pos[, endpos]])

其中，string 是待匹配的字符串，pos 和 endpos 是可選參數(shù)，指定字符串的起始和終點位置，默認(rèn)值分別是 0 和 len (字符串長度)。

findall 以列表形式返回全部能匹配的子串，如果沒有匹配，則返回一個空列表。

看個例子：

import re

#re模塊提供一個方法叫compile模塊，提供我們輸入一個匹配的規(guī)則
#然后返回一個pattern實例，我們根據(jù)這個規(guī)則去匹配字符串
pattern = re.compile(r'\d+\.\d*')

#通過partten.findall()方法就能夠全部匹配到我們得到的字符串
result = pattern.findall("123.141593, 'bigcat', 232312, 3.15")

#findall 以 列表形式 返回全部能匹配的子串給result
for item in result:
 print(item)

運行結(jié)果:

123.141593
3.15

finditer方法

finditer 方法的行為跟 findall 的行為類似，也是搜索整個字符串，獲得所有匹配的結(jié)果。但它返回一個順序訪問每一個匹配結(jié)果（Match 對象）的迭代器。

舉例：

In [1]: import re

In [2]: pattern = re.compile(r"\d+")

In [3]: iter = pattern.finditer('hello123world456 haha789')

In [4]: iter
Out[4]: <callable_iterator at 0x7fb824fe2a90>

In [5]: for m in iter:
 ...:  print(m.group())
 ...: 
123
456
789

split方法

split 方法按照能夠匹配的子串將字符串分割后返回列表

它的使用形式如下:

split(string[, maxsplit])

其中，maxsplit 用于指定最大分割次數(shù)，不指定將全部分割。

舉個例子:

In [1]: import re

In [2]: pattern = re.compile(r"[\d\s]")

In [3]: pattern.split('hello1word2aaa bbb')
Out[3]: ['hello', 'word', 'aaa', 'bbb']

In [4]: pattern.split('hello1word2aaa bbb',2)
Out[4]: ['hello', 'word', 'aaa bbb']

sub方法

sub 方法用于替換。

它的使用形式如下

sub(repl, string[, count])

其中，repl 可以是字符串也可以是一個函數(shù)：

• 如果 repl 是字符串，則會使用 repl 去替換字符串每一個匹配的子串，并返回替換后的字符串，另外，repl 還可以使用 id 的形式來引用分組，但不能使用編號 0；
• 如果 repl 是函數(shù)，這個方法應(yīng)當(dāng)只接受一個參數(shù)（Match 對象），并返回一個字符串用于替換（返回的字符串中不能再引用分組）。
• count 用于指定最多替換次數(shù)，不指定時全部替換。

In [1]: import re

In [2]: pattern = re.compile(r'\d+')

In [3]: pattern.sub('100','hello20 world30')#將所有匹配到的數(shù)據(jù)替換成100
Out[3]: 'hello100 world100'

In [4]: pattern.sub('100','hello20 world30',1)#只替換第一個數(shù)據(jù)為100
Out[4]: 'hello100 world30'

In [5]: def add(temp):
 ...: '''將匹配到的數(shù)據(jù)加1'''
 ...:  strNum = temp.group()
 ...:  num = int(strNum)+1
 ...:  return str(num)
In [6]: pattern.sub(add,'hello20 world30')#將所有匹配到的數(shù)據(jù)加1
Out[6]: 'hello21 world31'

In [7]: pattern.sub(add,'hello20 world30',1)#只將匹配到的第一個數(shù)據(jù)加1
Out[7]: 'hello21 world30'

四、貪婪模式與非貪婪模式

• 貪婪模式：在整個表達式匹配成功的前提下，盡可能多的匹配
• 非貪婪模式：在整個表達式匹配成功的前提下，盡可能少的匹配
• 在表示數(shù)量的"*","?","+","{m,n}"后面加上？，使貪婪變成非貪婪

In [1]: import re

In [2]: pattern = re.compile(r'\d+')

In [3]: pattern.match('123456789').group()
Out[3]: '123456789'

In [4]: pattern = re.compile(r'\d+?')#關(guān)閉貪婪模式

In [5]: pattern.match('123456789').group()#非貪婪模式下，?只匹配一個字符
Out[5]: '1'

In [6]: pattern = re.compile(r'<div>.*</div>')

In [7]: pattern.match('<div>test1</div>bb<div>test2</div>').group()
Out[7]: '<div>test1</div>bb<div>test2</div>'

In [8]: pattern = re.compile(r'<div>.*?</div>')#關(guān)閉貪婪模式

In [9]: pattern.match('<div>test1</div>bb<div>test2</div>').group()
Out[9]: '<div>test1</div>'

到此這篇關(guān)于python中re模塊知識點總結(jié)的文章就介紹到這了,更多相關(guān)python中re模塊的使用內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論