zoukankan      html  css  js  c++  java

  • python正则详解

    正则表达式概述

    正则表达式，又称正规表示式、正规表示法、正规表达式、规则表达式、常规表示法（英语：Regular Expression，在代码中常简写为regex、regexp或RE），是计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。在很多文本编辑器里，正则表达式通常被用来检索、替换那些匹配某个模式的文本。

    Regular Expression的“Regular”一般被译为“正则”、“正规”、“常规”。此处的“Regular”即是“规则”、“规律”的意思，Regular Expression即“描述某种规则的表达式”之意。

    re模块操作

    1     # 导入re模块
2     import re
3 
4     # 使用match方法进行匹配操作
5     result = re.match(正则表达式,要匹配的字符串)
6 
7     # 如果上一步匹配到数据的话，可以使用group方法来提取数据
8     result.group()

    re.match是用来进行正则匹配检查的方法，若字符串匹配正则表达式，则match方法返回匹配对象（Match Object），否则返回None（注意不是空字符串""）。

    匹配对象Macth Object具有group方法，用来返回字符串的匹配部分。

    如匹配以abc开始的字符：

    1 import re
2 ret=re.match('abc','abckok')
3 print(ret.group())
4 #结果：
5 #abc

    表示字符

    字符 功能
    . 匹配任意1个字符（除了 ）
    [ ] 匹配[ ]中列举的字符
    d 匹配数字，即0-9
    D 匹配非数字，即不是数字
    s 匹配空白，即 空格，tab键
    S 匹配非空白
    w 匹配单词字符，即a-z、A-Z、0-9、_
    W 匹配非单词字符

    如：“a1d45d” 匹配出a1

    1 import re
2 ret=re.match('wd','a1d45d')
3 print(ret.group())
4 #结果：
5 #a1

    关于转义

    在正则表达式中，有很多有特殊意义的是元字符，比如d和s等，如果要在正则中匹配正常的"d"而不是"数字"就需要对""进行转义，变成'\'。

    在python中，无论是正则表达式，还是待匹配的内容，都是以字符串的形式出现的，在字符串中也有特殊的含义，本身还需要转义。所以如果匹配一次"d",字符串中要写成'\d'，那么正则里就要写成"\\d",这样就太麻烦了。这个时候我们就用到了r'd'这个概念，此时的正则是r'\d'就可以了。

    如：

    1 import re
2 ret=re.match(r'c:\',"c:\user\")
3 print(ret.group())
4 #结果：
5 #c:

    表示数量

    如果要匹配多个数字，用re.match(r'ddddddddd',"11111111111abc"),这种写法会把人折磨死，re模块对数量也有相应的规则

    匹配多个字符的相关格式

    字符 功能
    * 匹配前一个字符出现0次或者无限次，即可有可无
    + 匹配前一个字符出现1次或者无限次，即至少有1次
    ？ 匹配前一个字符出现1次或者0次，即要么有1次，要么没有
    {m} 匹配前一个字符出现m次
    {m,} 匹配前一个字符至少出现m次
    {m,n} 匹配前一个字符出现从m到n次

    示例1：匹配出，一个字符串第一个字母为大写字母，后面都是小写字母并且这些小写字母可有可无

    1 import re
2 
3 ret=re.match(r'[A-Z][a-z]*',"Asdasdd12155")
4 
5 print(ret.group())
6 
7 #结果：
8 
9 #Asdasdd

    示例2：匹配出变量名是否有效

    1 import re
2 
3 ret=re.match(r'[A-Za-z_]+[w]*',"_func")
4 
5 print(ret.group())
6 
7 #结果：
8 
9 #_func

    示例3：匹配出0-99间的数字

    1 import re
2 
3 ret=re.match(r'[1-9]?[0-9]?',"569565")
4 
5 print(ret.group())
6 
7 #结果：
8 
9 #56

    示例4：匹配出，8到20位的密码，可以是大小写英文字母、数字、下划线

    1 import re
2 
3 ret=re.match(r'[A-Za-z0-9_]{8,20}',"Adfsf465655f2s5a+")
4 
5 print(ret.group())
6 
7 #结果：
8 
9 #Adfsf465655f2s5a

    表示边界

    字符 功能
    ^ 匹配字符串开头
    $ 匹配字符串结尾
     匹配一个单词的边界
    B 匹配非单词边界

    示例1：匹配163.com的邮箱地址

    1 import re
2 
3 ret=re.match(r'w{4,20}@163.com$',"gmpzm@163.com")
4 
5 print(ret.group())
6 
7 #结果：
8 
9 #gmpzm@163.com

    错误情况

     1 import re
 2 
 3 ret=re.match(r'w{4,20}@163.com$',"gmpzm@163.comsda")
 4 
 5 print(ret.group())
 6 
 7 #结果：
 8 
 9 #
10 # 
11 #     
12 # AttributeError: 'NoneType' object has no attribute 'group'

    示例2：

    1 import re
2 
3 ret=re.match(r'.*pai',"gumupai")
4 
5 print(ret.group())
6 
7 #结果：
8 
9 # gumupai

    示例3：B

    1 import re
2 
3 ret=re.match(r'.*Bmupai',"gumupai")
4 
5 print(ret.group())
6 
7 #结果：
8 
9 # gumupai

    出错情况

    1 import re
2 
3 ret=re.match(r'.*Bmupai',"gu mupai")
4 
5 print(ret.group())
6 
7 #结果：
8 
9 # AttributeError: 'NoneType' object has no attribute 'group'

    匹配分组

    字符 功能
    | 匹配左右任意一个表达式
    (ab) 将括号中字符作为一个分组
    um 引用分组num匹配到的字符串
    (?P<name>) 分组起别名
    (?P=name) 引用别名为name分组匹配到的字符串

    示例1：匹配1-100之间的数字

     1 import re
 2 
 3 ret = re.match("[1-9]?d","8")
 4 ret.group()
 5 
 6 ret = re.match("[1-9]?d","78")
 7 ret.group()
 8 
 9 # 不正确的情况
10 ret = re.match("[1-9]?d","08")
11 ret.group()
12 
13 # 修正之后的
14 ret = re.match("[1-9]?d$","08")
15 ret.group()
16 
17 # 添加|
18 ret = re.match("[1-9]?d$|100","8")
19 ret.group()
20 
21 ret = re.match("[1-9]?d$|100","78")
22 ret.group()
23 
24 ret = re.match("[1-9]?d$|100","08")
25 ret.group()
26 
27 ret = re.match("[1-9]?d$|100","100")
28 ret.group()

    示例2：匹配出163、126、qq邮箱之间的数字

     1 import re
 2 
 3 ret = re.match("w{4,20}@163.com", "test@163.com")
 4 ret.group()
 5 
 6 ret = re.match("w{4,20}@(163|126|qq).com", "test@126.com")
 7 ret.group()
 8 
 9 ret = re.match("w{4,20}@(163|126|qq).com", "test@qq.com")
10 ret.group()
11 
12 ret = re.match("w{4,20}@(163|126|qq).com", "test@gmail.com")
13 ret.group()

    示例3：匹配出<html>古墓派掌门</html>

    1 import re
2 
3 ret=re.match(r'<([a-zA-Z]*)>w+</1>',"<html>古墓派掌门</html>")
4 
5 print(ret.group())
6 
7 #结果：
8 
9 #<html>古墓派掌门</html>

    示例4：匹配出<html><h1>古墓派掌门</h1></html>

    1 import re
2 
3 ret=re.match(r'<(?P<name1>w*)><(?P<name2>w*)>.*</(?P=name2)></(?P=name1)>',"<html><h1>古墓派掌门</h1></html>")
4 
5 print(ret.group())
6 
7 #结果：
8 
9 #<html><h1>古墓派掌门</h1></html>

    tips：

    注意：(?P<name>)和(?P=name)中的字母p大写

    re模块常用方法

    函数会在字符串内查找模式匹配,只到找到第一个匹配然后返回一个包含匹配信息的对象,该对象可以通过调用group()方法得到匹配的字符串,如果字符串没有匹配，则返回None。

    1 import re
2 
3 ret = re.search(r"d+", "阅读次数为 9999")
4 ret.group()
5 #结果9999

    findall 

    返回所有满足匹配条件的结果,放在列表里

    1 import re
2 
3 ret=re.findall(r'd+',"商品：辣条,数量：5,价格：5")
4 
5 print(ret)
6 
7 #结果：
8 
9 #['5', '5']

    findall的优先级查询：

     1 import re
 2 
 3 ret=re.findall(r'(数量：d+),价格：d+',"商品：辣条,数量：5,价格：5")
 4 
 5 print(ret)
 6 
 7 #结果：
 8 
 9 #['数量：5']
10 
11 #取消优先级
12 ret=re.findall(r'(?:数量：d+),价格：d+',"商品：辣条,数量：5,价格：5")
13 print(ret)
14 
15 # 结果
16 
17 # ['数量：5,价格：5']

    split

    split的优先级查询

     1 import re
 2 ret=re.split(r'd+',"小米3小花4小松5")
 3 
 4 print(ret)
 5 
 6 #结果：
 7 # ['小米', '小花', '小松', '']
 8 
 9 ret=re.split(r'(d+)',"小米3小花4小松5")
10 
11 print(ret)
12 
13 #结果：
14 # ['小米', '3', '小花', '4', '小松', '5', '']
15 
16 #取消优先级
17 ret=re.split(r'(?:d+)',"小米3小花4小松5")
18 
19 print(ret)
20 
21 # 结果
22 
23 # ['小米', '小花', '小松', '']

    python贪婪和非贪婪

    Python里数量词默认是贪婪的（在少数语言里也可能是默认非贪婪），总是尝试匹配尽可能多的字符；

    非贪婪则相反，总是尝试匹配尽可能少的字符。

    在"*","?","+","{m,n}"后面加上？，使贪婪变成非贪婪。

    1 >>> s="This is a number 234-235-22-423"
2 >>> r=re.match(".+(d+-d+-d+-d+)",s)
3 >>> r.group(1)
4 '4-235-22-423'
5 >>> r=re.match(".+?(d+-d+-d+-d+)",s)
6 >>> r.group(1)
7 '234-235-22-423'
8 >>>

    正则表达式模式中使用到通配字，那它在从左到右的顺序求值时，会尽量“抓取”满足匹配最长字符串，在我们上面的例子里面，“.+”会从字符串的启始处抓取满足模式的最长字符，其中包括我们想得到的第一个整型字段的中的大部分，“d+”只需一位字符就可以匹配，所以它匹配了数字“4”，而“.+”则匹配了从字符串起始到这个第一位数字4之前的所有字符。

    解决方式：非贪婪操作符“？”，这个操作符可以用在"*","+","?"的后面，要求正则匹配的越少越好。

    >>> re.match(r"aa(d+)","aa2343ddd").group(1)
'2343'
>>> re.match(r"aa(d+?)","aa2343ddd").group(1)
'2'
>>> re.match(r"aa(d+)ddd","aa2343ddd").group(1) 
'2343'
>>> re.match(r"aa(d+?)ddd","aa2343ddd").group(1)
'2343'
>>>

    论贪心：

    有人说贪心算法是最简单的算法，原因很简单：你我其实都很贪，根本不用学就知道怎么贪。有人说贪心算法是最复杂的算法，原因也很简单：这世上会贪的人太多了，那轮到你我的份？
  • 相关阅读:
    duilib clabelui 属性
    C++ 时间戳和时间的互相转换
    VS提示已有主体显示 的error解决办法
    Webrtc createoffer以后没有 onsuccess的回调
    VS error LNK2019: 无法解析的外部符号 _AcquireCredentialsHandleA
    VS LNK2019 无法解析的外部符号_GetAdaptersAddresses@20 错误解决办法
    duilib xml布局文件的属性设置
    Doris安装
    Oozie初探
    Notepad++ 常规骚操作
  • 原文地址：https://www.cnblogs.com/qflyue/p/8252528.html
Copyright © 2011-2022 走看看