Python 正則

什么是正則

正則運算式是對字串（包括普通字符（例如，a 到 z 之間的字母）和特殊字符（稱為元字符））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，組成一個規則字串，這個規則字串用來表達對字串的一種過濾邏輯，正則運算式是一種文本模式，該模式描述在搜索文本時要匹配的一個或多個字串，

作用

1 快速高效的查找與分析字串 2 進行有規律查找比對字串，也叫：模式匹配 3 具有查找、比對、匹配、替換、插入、添加、洗掉等能力，

字串是編程時涉及到的最多的一種資料結構，對字串進行操作的需求幾乎無處不在，比如我們撰寫爬蟲收集資料，首先都得到網頁原始碼，但是我們要如何提取有效資料呢，這時候我們就需要使用正則運算式來進行匹配了

Python中的正則—— re模塊

正則運算式中，使用 \ 表示轉義，這與原生的Python 行為是一致的，但是使用正則匹配時,應先進行Python原生字串的轉義，之后進行re 的轉義，

s = 'I\'m monkey!'
x = re.compile('I\'m monkey!')   # 
ret = x.findall(s)
print(ret)
x = re.compile('I\\\'m monkey!')   # 在表示正則的字符中 兩個// 表示 正則運算式中的一個/ 因為要先經過Python字符轉義 會少一個
ret = x.findall(s)
print(ret)   # 兩次結果一致

re中的符號和法則

正則運算式由特殊的語法，這個運算式也稱為 模式字串

字母和數字表示他們自身，一個正則運算式模式中的字母和數字匹配同樣的字串，

多數字母和數字前加一個反斜杠時會擁有不同的含義，

標點符號只有被轉義時才匹配自身，否則它們表示特殊的含義，

反斜杠本身需要使用反斜杠轉義，

盡可能的使用 ‘r’ 前綴表示字串，像這樣的方式 r'I'm Monkey'

下表列出了正則運算式模式語法中的特殊元素，如果你使用模式的同時提供了可選的標志引數，某些模式元素的含義會改變，

注意：表中re指的是運算式而不是字面的re這兩個字母

Python中正則運算式修飾符 - 可選標志

正則運算式可以包含一些可選標志修飾符來控制匹配的模式，修飾符被指定為一個可選的標志，多個標志可以通過按位 OR(|) 它們來指定，如 re.I | re.M 被設定成 I 和 M 標志：

正則運算式物件

re.RegexObject

re.compile() 回傳 RegexObject 物件，

re.MatchObject

group() 回傳被 RE 匹配的字串， start()回傳匹配開始的位置 nd()回傳匹配結束的位置 span()回傳一個元組包含匹配 (開始,結束) 的位置

舉幾個栗子

匹配出河南省焦作市溫縣所有2000年后出生的人的身份證號

'^410825[^10]\d{3}\d{7}[0-9x]'

匹配出一篇檔案中所有的div.user-info標簽<div >username:Monkey</div>

'<div >.*</div>'

匹配出name和age

msg = 'name:monkey,age:100;'

obj = re.match('name:(\w+),age:(\d+)', msg)
print(obj.group(0))    # name:monkey,age:100  原始字符
print(obj.group(1))    # monkey   第一匹配
print(obj.group(2))    # 100
print(obj.groups())    # ('monkey', '100')

約束密碼中必須有除下劃線外的特殊字符

'.*\W+.*'

re模常用方法

re.match()

re.match 嘗試從字串的起始位置匹配一個模式，如果不是起始位置匹配成功的話，match()就回傳none，

語法

re.match(pattern, string, flags=0)
"""
pattern : 匹配的正則運算式
string : 要匹配的字串
flags : 標志位，用于控制正則運算式的匹配方式，如：是否區分大小寫，多行匹配等等，參見上方可選標志表格
"""

例子

print(re.match('Monkey', 'Monkey is a good boy!').span())
print(re.match('goood boy', 'Monkey is a good boy!'))
# __________________________
# (0, 6)
# None

re.search()

re.search 掃描整個字串并回傳第一個成功的匹配，

語法

re.search(pattern, string, flags=0)

import re

re.search(pattern, string, flags=0)
"""
pattern : 匹配的正則運算式
string : 要匹配的字串
flags : 標志位，用于控制正則運算式的匹配方式，如：是否區分大小寫，多行匹配等等，參見上方可選標志表格
"""

例子

import re

x = re.search('monkey','monkey, monkey, _kali monkey')
print(x.span())
# (0, 6)

re.compile()

compile 函式用于編譯正則運算式，生成一個正則運算式（ Pattern ）物件，

提前編譯可減少多次正則匹配的運行時間

語法

import re

re.compile(pattern, flags=0)
"""
pattern : 匹配的正則運算式
flags : 可選標志位，用于控制正則運算式的匹配方式，如：是否區分大小寫，多行匹配等等，參見上方可選標志表格
"""

例子

import re

msg =re.compile('<div >(.*)</div>')
ret = msg.findall('<div >商品資訊</div>')
print(ret)

# ['商品資訊']

re.findall()

在字串中找到正則運算式所匹配的所有子串，并回傳一個串列，如果沒有找到匹配的，則回傳空串列，

match 和 search 是匹配一次 findall 匹配所有，

語法

re.findall(pattern, string, flags=0)
"""
pattern : 匹配的正則運算式
string : 要匹配的字串
flags : 標志位，用于控制正則運算式的匹配方式，如：是否區分大小寫，多行匹配等等，參見上方可選標志表格
"""

實體

import re

ret = re.findall('my', 'my name is monkey,my phone number is xxxx')
# ['my', 'my']

re.finditer()

和 findall 類似，findall() 匹配字串中的所有結果回傳串列，finditer()回傳一個迭代器，

語法

re.finditer(pattern, string, flags=0)
"""
pattern : 匹配的正則運算式
string : 要匹配的字串
flags : 標志位，用于控制正則運算式的匹配方式，如：是否區分大小寫，多行匹配等等，參見上方可選標志表格
"""

實體

import re

ret = re.findall('my', 'my name is monkey,my phone number is xxxx')
# <callable_iterator object at 0x109852518>

re.split()

split 方法按照能夠匹配的子串將字串分割后回傳串列，它的使用形式如下

語法

re.split(pattern, string[, maxsplit=0, flags=0])
"""

"""

實體

import re
ret = re.split(',+', 'name:monkey,gender:male,addr:xxxxx,,,,hobby:lady')
print(ret)
# ['name:monkey', 'gender:male', 'addr:xxxxx', 'hobby:lady']

re.sub()

Python 的re模塊提供了re.sub用于替換字串中的匹配項，

語法

re.sub(pattern, repl, string, count=0, flags=0)
"""
pattern : 必填 模式字串，
repl : 必填 替換的字串物件，也可為一個函式物件，
string : 必填 要被查找替換的原始字串，
count : 模式匹配后替換的最大次數，默認 0 表示替換所有的匹配，
flags : 編譯時用的匹配模式，數字形式 預設為 0
"""

前三個為必選引數，后兩個為可選引數，

實體

# 將所有年齡改成18歲
msg = 'name:monkey,age:100;' \
      'name:hook,age:80;' \
      'name:black,age:90;'

r  = re.sub(':\d+;', ':18;', msg, count=0)

# name:monkey,age:18;name:hook,age:18;name:black,age:18;

分組與命名

分組

以括號()包裹起來，叫一個分組，分組是可以嵌套的

msg = 'name:monkey,age:100;'

r = re.match('name:(\w+),age:(\d+)', msg)
print(r.groups())
# ('monkey', '100')

命名

Django 1.x 版本的URLconf 中使用命名匹配來提取URL引數

msg = 'name:monkey,age:100;'

r = re.match('name:(?P<name>\w+),age:(?P<age>\d+)', msg)
print(r.groupdict())
# {'name': 'monkey', 'age': '100'}

貪婪匹配

re.match(r'^(\d+)(0*)$', '102300').groups()
('102300', '')

正則默認是貪婪的，也就是說會盡可能多的去匹配字符，

由于\d+采用貪婪匹配，直接把后面的0全部匹配了，結果0*只能匹配空字串了，

如果希望分開匹配，那必須讓\d+采用非貪婪匹配（也就是盡可能少匹配），才能把后面的0匹配出來，加個?就可以讓\d+采用非貪婪匹配：

re.match(r'^(\d+)(0*)$', '102300').groups()
('1023', '00')

正則運算式一些實體 字符匹配

特殊字符類

標籤：Python

上一篇：動態的為 物件系結方法

下一篇：Python對字典根據鍵值分組進行排序