一、概述
正则表达式(regular expression)又称 规则表达式,是一种文本模式(pattern)。正则表达式使用一个字符串来描述、匹配具有相同规格的字符串,通常被用来检索、替换那些符合某个模式(规则)的文本。正则表达式的核心功能就是处理文本。正则表达式并不仅限于某一种语言,但是在每种语言中有细微的差别。
二、re模块
在 Python 中提供了 re 模块来使用正则表达式。每一个字符串都可以视为一个简单的正则表达式。
re.findall(pattern, string, flags=0) # 去整个文本中查找所有符合正则表达式的文本
re.search(pattern, string, flags=0) # 去整个文本中去匹配,返回匹配成功的第一个
re.match(pattern, string, flags=0) # 从开始位置开始匹配,返回匹配成功的第一个
re.split(pattern, string, maxsplit=0, flags=0) # 根据正则表达式切割字符串
re.Match.group([group1, ...]) # 返回这个匹配对象或者特定子组
re.Match.groups(default=None) # 返回一个唯一或者全部子组的元组
在 Python 中,主要有两种方法完成模式匹配:“搜索”(searching),即在字符串任意部分中搜索匹配的模式;而 “匹配”(matching)是指判断一个字符串能否从起始处全部或者部分匹配某个模式。搜索通过 search() 函数或方法来实现,而匹配是调用 match() 函数或方法实现。
match() 函数试图从字符串的起始部分对模式进行匹配。如果匹配成功,就返回一个匹配对象(Match 对象);如果匹配失败,就返回 None,匹配对象(Match 对象)的 group() 方法能够用于显示那个成功的匹配。
search() 的工作方式与 match() 完全一致,不同之处在于 search() 会用它的字符串参数,在任意位置对给定正则表达式模式搜索第一次出现的匹配情况。如果搜索到成功的匹配,就会返回一个匹配对象(Match 对象);否则,返回 None。
由此可见,match() 试图从字符串的起始部分开始匹配模式,而 search() 函数不但会搜索模式在字符串中第一次出现的位置,而且严格地对字符串从左到右搜索。
findall() 查询字符串中某个正则表达式模式全部的非重复出现情况。这与 search() 在执行字符串搜索时类似,但与 match() 和 search() 的不同之处在于,findall() 总是返回一个列表。如果 findall() 没有找到匹配的部分,就返回一个空列表,但如果匹配成功,列表将包含所有成功的匹配部分(从左到有按出现顺序排列)。
import re
content = "你好啊,小樱同学!欢迎你加入小樱班。从现在开始你就是我的朋友啊。小樱同志,请多多关照。"
regex = "小樱"
result = re.findall(regex,content)
print(result)
result = re.search(regex,content)
print(result.group())
result = re.match(regex,content)
print(result)
result = re.split(r"[,!。]",content)
print(result)
三、基础语法
3.1、转义字符
使用正则表达式去检索某些特殊字符的时候,需要用到转义字符,否则检索不到结果,甚至会报错;在 Python 中,\ 具有转义的意思,会对紧随其后的字符进行转义,如果我们想使用普通的 \ ,需要在使用一个 \ 对它进行转义。
import re
content = "abc$def(123(456))"
regex = "\(456"
result = re.findall(regex,content)
print(result)
result = re.match(regex,content)
print(result)
需要用到转义符号的常见字符如下:. * + ( ) $ / \ ? [ ] ^
3.2、字符匹配符
字符匹配符 | 含义 | 实例 | 解释 |
---|---|---|---|
[] | 可接收的字符列表 | [abc] | a、b、c 中的任意 1 个字符 |
[^] | 不可接收的字符列表 | [^abc] | 除 a、b、c 之外的任意 1 个字符 包括数字和特殊符号 |
- | 连字符 | a-z | 任意一个小写字母 |
import re
content = "abc123def4567AbC"
result = re.findall("[abc]",content)
print(result)
result = re.findall("[^abc]",content)
print(result)
result = re.findall("[a-z]",content)
print(result)
3.3、元字符
元字符 | 含义 |
---|---|
. | 匹配单个除换行符以外的任意字符 |
\d | 匹配 0~9 任意一个数字 |
\D | 匹配单个任意非数字字符 |
\s | 匹配任意空白字符 |
\S | 匹配任意不是空白符的字符 |
\w | 匹配字母或数字或下划线的任意字符 |
\W | 匹配任意不是字母、数字、下划线的字符 |
import re
content = "abc123def4567AbC"
result = re.findall("\\d\\d\\d",content)
print(result)
result = re.findall(r"\d\w",content)
print(result)
元字符的大写表示不匹配;
3.4、重复限定符
重复限定符用于指定其前面的字符和组合项连续出现多少次。
重复限定符 | 意义 |
---|---|
? | 0 次 或 1 次 |
* | 0 次 或 多次 |
+ | 1 次 或 多次 |
正好出现 n 次 | |
至少出现 n 次 | |
出现 n 次 至 m 次 |
import re
content = "abc123def4567AbC89d115200a1"
resutl = re.findall(r"\d{3,5}",content)
print(resutl)
result = re.findall(r"\d+",content)
print(result)
3.5、定位符
定位符,用来指定要匹配的字符串出现的位置。
定位符 | 含义 |
---|---|
^ | 指定起始字符 |
$ | 指定结束字符 |
\b | 匹配目标字符串的边界, 边界指的是字串间有空格,或者目标字符串的结束位置 |
\B | 匹配非单词边界 |
import re
content = "abc123 def4567abc123abc abc89 d115200 a1abc"
result = re.findall("^abc",content)
print(result)
result = re.findall("abc$",content)
print(result)
result = re.findall(r"abc\b",content)
print(result)
result = re.findall("^ab\B",content)
print(result)
3.6、选择匹配符
正则表达式用符号 | 来表示或,也叫做分支条件,当满足正则表达里的分支条件的任何一种条件时,都会当成匹配成功。
import re
content = "你好啊,小樱同学,欢迎你加入小樱班,从现在开始你就是我的朋友啊,小樱同志,请多多关照。"
regex = "小樱同学|小樱同志"
result = re.findall(regex,content)
print(result)
3.6、分组组合
重复限定符是作用在与它相邻的最左边的一个字符。正则表达式中可以使用小括号 () 来做分组,也就是括号中的内容会作为一个整体。
3.4.1、捕获分组
我们可以使用 group() 方法匹配对象方法,从一个分组中获取匹配的文本。正则表达式字符串中的第一对括号是第 1 组,第二对括号是第 2 组,依次类推。向 group() 匹配对象方法传入整数就可以取得匹配文本的不同部分。向 group() 传入 0 或者不传入参数,将返回这个匹配的文本。
如果想要一次就获取所有的分组,我们可以使用 groups() 方法。
捕获分组 | 说明 |
---|---|
(pattern) | 非命名捕获。捕获匹配的子字符串。编号为零的第一个捕获是由整个正则表达式模式匹配的文本,其它捕获结果则根据左括号的顺序从 1 开始自动编号。 |
(P<name> pattern) | 命名捕获。将匹配的子字符串捕获到一个组名称或编号名称中。用于 name 的字符串不能包含任何标点符号,并且不能以数字开头。可以使用单引号替代尖括号。 |
import re
content = "我是小樱,我的身份证明是37028419860401232X"
regex = r"\d{6}(\d{4})(\d{2})(\d{2})\d{3}[\dX]"
result = re.search(regex,content)
year = result.group(1)
month = result.group(2)
day = result.group(3)
print(result.group(0))
print(f"{year}-{month}-{day}")
import re
content = "我是小樱,我的身份证明是37028419860401232X"
regex = r"\d{6}(?P<year>\d{4})(?P<month>\d{2})(?P<day>\d{2})\d{3}[\d|X]"
result = re.search(regex,content)
year = result.group("year")
month = result.group("month")
day = result.group("day")
print(result.group(0))
print(f"{year}-{month}-{day}")
3.4.2、非捕获分组
非捕获分组 | 说明 |
---|---|
(?:pattern) | 匹配 pattern 但不捕获该匹配的子表达式,即它是一个非捕获匹配,不存储以后使用的匹配。 例如:"小樱(?:同学|同志)" 等价于 "小樱同学|小樱同志" |
(?=pattern) | 它是一个非捕获匹配。 例如:"Harmony(?=2|3)" 匹配 "Harmony2" 中的 "Harmony",但不匹配 "Harmony1" 中的 "Harmony" |
(?!pattern) | 该表达式匹配不处于匹配 pattern 的字符串的起始点的搜索字符串。它是一个非捕获匹配。 例如:"Harmony(?=2|3)" 匹配 "Harmony1" 中的 "Harmony",但不匹配 "Harmony2" 中的 "Harmony" |
import re
content = "你好啊,小樱同学,欢迎你加入小樱班,从现在开始你就是我的朋友啊,小樱同志,请多多关照。"
regex = "小樱(?:同学|同志)"
result = re.findall(regex,content)
print(result)
regex = "小樱(?=同学|同志)"
result = re.findall(regex,content)
print(result)
regex = "小樱(?!同学|同志)"
result = re.findall(regex,content)
print(result)
3.7、非贪婪匹配
当 ? 元字符紧随任何其它限定符 (*、+、?、{n}、{n,}、{n,m})之后,匹配模式是 “非贪婪匹配”。非贪婪匹配搜索到、尽可能短的字符串。而默认的贪婪匹配搜索到的尽可能长的字符串。
import re
content = "abc111111abc"
# 贪婪匹配
result = re.findall(r"\d{3,5}",content)
print(result)
# 非贪婪匹配
result = re.findall(r"\d{3,5}?",content)
print(result)
标签:26,匹配,正则表达式,content,re,result,print,findall
From: https://www.cnblogs.com/kurome/p/17675409.html