Python之正規表示式常用語法實例分析
- WBOY轉載
- 2023-05-12 09:04:05797瀏覽
正規表示式概述
正規表示式是一個特殊的字元序列，它能幫助你方便的檢查一個字串是否與某種模式相符。 Python 自1.5版本起增加了re 模組，它提供 Perl 風格的正規表示式模式。 re 模組讓 Python 語言擁有全部的正規表示式功能。正規表示式是一個強大的字元處理工具，其本質是一個字元序列，可以方便檢查一個字串是否與我們定義的字元序列的某種模式相符
在python中，正規表示式可以透過import re模組使用，本文將全面介紹正規表示式的使用方法
寫在正規表示式裡面的普通字元都是表示：直接符合他們；
#但有一些特殊字符，術語metacharacters（元字符）。它們出現在正規表示式字串中，不上表示直接匹配他們，而是表達一些特別含義
這些特殊的元字元包括下面這些：
. * ? \ [ ] ^ $ { } | ( )
我們來分別介紹一下他們的意思：
1、點-匹配所有字元
. 表示要匹配除了換行符號之外的任何單一字元
例如，你要從下面的文字中，選擇所有的顏色。
蘋果是綠色的
橘子是橘色的
香蕉是黃色的
烏鴉是黑色的
也就是要找到所有以色結尾，並且包括前面的一個字元的詞語。也就可以這樣寫正規表示式.色
其中點代表了任意一個字符，注意是任一個字符。
.色合起來就是表示要找出任一個字元後面是色這個字，合起來兩個字的字串
範例：
# 导入re模块
import re
#输入文本内容
content='''苹果是绿色的
橙子是橙色的
香蕉是黄色的
乌鸦是黑色的'''
p=re.compile(r'.色')#r表示不要进行python语法中对字符串的转译
for one in p.findall(content):
print(one)
2、星號-重複匹配任意次
*-表示匹配前面的子表達式任意次，包括0次
比如，你要從下面的文本中，選擇每行逗號後面的字串內容，包括逗號本身。注意，這裡的逗號是文字的逗號。
蘋果，是綠色的
橙子，是橙色的
香蕉，是黃色的
烏鴉，是黑色的
猴子，
就可以這樣寫正規表示式，.*。
範例:
# 导入re模块
import re
#输入文本内容
content='''苹果，是绿色的
橙子，是橙色的
香蕉，是黄色的
乌鸦，是黑色的
猴子，'''
p=re.compile(r'，.*')#r表示不要进行python语法中对字符串的转译
for one in p.findall(content):
print(one)
這樣就包括逗號在內的後面的字串都符合進來了
3、加號-重複匹配多次
表示匹配前面的子表達式一次或多次，不包括0次
#例如，還是上面的例子，你要從文本中，選擇每行後面的字串，包括逗號本身。但加上一個條件，如果逗號後面沒有內容，就不要選擇了。
下面的文字中最後一行逗號後面沒有內容，就不要選擇了
蘋果，是綠色的
橘子，是橘色的
香蕉，是黃色的
烏鴉，是黑色的
猴子，
就可以這樣寫正規表示式，.
範例：
# 导入re模块
import re
#输入文本内容
content='''苹果，是绿色的
橙子，是橙色的
香蕉，是黄色的
乌鸦，是黑色的
猴子，'''
p=re.compile(r'，.+')#r表示不要进行python语法中对字符串的转译
for one in p.findall(content):
print(one)
#這樣最後一行逗號後面沒有內容，所以最後一行也就不會匹配
4、 花括號-匹配指定次數
花括號表示前面的字元匹配指定的次數
例如，下面文字
紅彤彤，綠油油，黑乎乎，綠油油油油
表達式油{3,4}就表示匹配連續的油字至少3次，至多4次
範例：
# 导入re模块
import re
#输入文本内容
content='''红彤彤，绿油油，黑乎乎，绿油油油油'''
p=re.compile(r'绿油{3,4}')#r表示不要进行python语法中对字符串的转译
for one in p.findall(content):
print(one)
#這裡就匹配綠後面匹配油至少3次，至多4次的字串
5、 問號-貪婪模式和非貪婪模式
我們要把下面的字串中的所有html標籤提取出來
得到這樣一個清單
很容易想到使用正規表示式<.>
寫出如下程式碼
# 导入re模块 import re #输入文本内容 source='<html><head><title>Title</title>' p=re.compile(r'<.*>')#r表示不要进行python语法中对字符串的转译 print(p.findall(source))
但是運行結果，卻是把整個字串全部匹配上了
怎麼回事？原來在正規表示式中，’*’,’ ’,’?'都是貪婪的，使用他們時，會盡可能多的匹配內容,所以，<.>中的星星號（表示任意次數的重複），一直配對到了字串最後裡面同樣符合符合模式。
为了解决整个问题，就需要使用非贪婪模式，也就是在星号后面加上?，变成这样<.>
代码改为
# 导入re模块 import re #输入文本内容 source='<html><head><title>Title</title>' p=re.compile(r'<.*?>')#r表示不要进行python语法中对字符串的转译 print(p.findall(source))
这样就单独去匹配出来了每一个标签
6、方括号-匹配几个字符之一
方括号表示要匹配某几种类型字符。
比如
[abc]可以匹配a，b，c里面的任意一个字符。等价于[a-c]
a-c中间的-表示一个范围从a到c
如果你想匹配所有小写字母，可以使用[a-z]
一些元字符在方括号内便失去了魔法，变得和普通字符一样了。
比如
[akm.]匹配a k m .里面的任意一个字符
在这里. 在括号不再表示匹配任意字符了，而就是表示匹配.这个字符
例如：
| 实例 | 描述 |
|---|---|
| [pP]ython | 匹配“Python”或者“python” |
| rub[ye] | 匹配“ruby”或者“rube” |
7、起始位置和单行、多行模式
^表示匹配文本的起始位置
正则表达式可以设定单行模式和多行模式
如果是单行模式，表示匹配整个文本的开头位置。
如果是多行模式，表示匹配文本每行的开头位置。
比如，下面的文本中，每行最前面的数字表示水果的编号，最后的数字表示价格
001-苹果价格-60，
002-橙子价格-70,
003-香蕉价格-80,
范例：
# 导入re模块
import re
#输入文本内容
source='''001-苹果-60
002-橙子-70
003-香蕉-80'''
p=re.compile(r'^\d+')#r表示不要进行python语法中对字符串的转译
for one in p.findall(source):
print(one)运行结果如下
如果去掉complie的第二个参数re.M，运行结果如下
就只进行一行匹配，
因为在单行模式下，^只会匹配整个文本的开头位置
$表示匹配文本的结束位置
如果是单行模式，表示匹配整个文本的结束位置。
如果是多行模式，表示匹配文本每行的结束位置。
比如，下面的文本中，每行最前面的数字表示水果的编号，最后的数字表示价格
001-苹果价格-60,
002-橙子价格-70,
003-香蕉价格-80,
如果我们要提取所有的水果编号，用这样的正则表达式\d+$
范例：
# 导入re模块
import re
#输入文本内容
source='''001-苹果-60
002-橙子-70
003-香蕉-80'''
p=re.compile(r'^\d+$',re.M)#re.M进行多行匹配
for one in p.findall(source):
print(one)
成功匹配到每行最后的价格
8、括号-组选择
主括号称之为正则表达式的组选择。是从正则表达式匹配的内容里面扣取出其中的某些部分
前面，我们有个例子，从下面的文本中，选择每行逗号前面的字符串，也包括逗号本身。
苹果，苹果是绿色的
橙子，橙子是橙色的
香蕉，香蕉是黄色的
就可以这样写正则表达式个^.*，。
但是，如果我们要求不要包括逗号呢?
当然不能直接这样写^.*
因为最后的逗号是特征所在，如果去掉它，就没法找逗号前面的了。
但是把逗号放在正则表达式中，又会包含逗号。
解决问题的方法就是使用组选择符:括号。
我们这样写^(.*)，
我们把要从整个表达式中提取的部分放在括号中，这样水果的名字就被单独的放在组group中了。
对应的Python代码如下
# 导入re模块
import re
#输入文本内容
source='''苹果，苹果是绿色的
橙子，橙子是橙色的
香蕉，香蕉是黄色的'''
p=re.compile(r'^(.*)，',re.M)#re.M进行多行匹配
for one in p.findall(source):
print(one)
这样我们就可以把，前的字符取出来了
9、反斜杠-对元字符的转义
反斜杠\在正则表达式中有多种用途
比如，我们要在下面的文本中搜索所有点前面的字符串，也包括点本身
苹果.是绿色的
橙子.是橙色的
香蕉.是黄色的
如果，我们这样写正则表达式.*.，聪明的你肯定发现不对劲。
因为点是一个元字符，直接出现在正则表达式中，表示匹配任意的单个字符，不能表示.这个字符的本身的意思了
怎么办呢？
如果我们要搜索的内容本身就包含元字符，就可以使用反斜杠进行转义
这里我们就应用这样的表达式.*\.
范例：
# 导入re模块
import re
#输入文本内容
source='''苹果.是绿色的
橙子.是橙色的
香蕉.是黄色的'''
p=re.compile(r'.*\.')#r表示不要进行python语法中对字符串的转译
for one in p.findall(source):
print(one)
成功匹配！
利用反斜杠还可以匹配某种字符类型
反斜杠后面接一些字符，表示匹配某种类型的一个字符
| 字符 | 功能 |
|---|---|
| \d | 匹配0~9之间的任意一个数字字符，等价于表达式[0-9] |
| \D | 匹配任意一个不上0-9之间的数字字符，等价于表达是[^0-9] |
| \s | 匹配任意一个空白字符，包括空格、tab、换行符等、等价于[\t\n\r\f\v] |
| \S | 匹配任意一个非空白字符，等价于[^\t\tn\r\f\v] |
| \w | 匹配任意一个文字字符，包括大小写、数字、下划线、等于[a-zA-A0-9] |
| \W | 匹配任意一个非文字字符，等价于表达式[^a-zA-Z0-9] |
反斜杠也可以用在方括号里面，比如[\s,.]:表示匹配任何空白字符，或者逗号，或者点
10、修饰符-可选标志
正则表达式可以包含一些可选标志修饰符来控制匹配的模式。修饰符被指定为一个可选的标志。多个标志可以通过按位OR(I)它们来指定。如re.l | re.M被设置成Ⅰ和M标志:
| 修饰符 | 描述 |
|---|---|
| re.I | 使匹配对大小写不敏感 |
| re.L | 做本地化识别(locale-aware)匹配 |
| re.M | 多行匹配，影响^和$ |
| re.S | 使．匹配包括换行在内的所有字符 |
| re.U | 根据Unicode字符集解析字符。这个标志影响lw,W,Nb,\B. |
| re.X | 该标志通过给予你更灵活的格式以便你将正则表达式写得更易于理解 |
11、使用正则表达式切割字符串
字符串对象的split()方法只适应于非常简单的字符串分割情形。当你需要更加灵活的切割字符串的时候，就不好用了。
比如，我们需要从下面字符串中提取武将的名字。
我们发现这些名字之间，有的是分号隔开，有的是逗号隔开，有的是空格隔开，而且分割符号周围还有不定数量的空格
names =“关羽;张飞，赵云,马超，黄忠 李逵”
这时，最好使用正则表达式里面的split方法:
范例：
# 导入re模块 import re #输入文本内容 names ="关羽;张飞，赵云,马超，黄忠 李逵" namelist=re.split(r'[;，\s]\s*',names) print(namelist)
正则表达式[;,ls]\s*指定了，分割符为分号、逗号、空格里面的任意一种均可，并且该符号周围可以有不定数量的空格。
以上是Python之正規表示式常用語法實例分析的詳細內容。更多資訊請關注PHP中文網其他相關文章！