python成长技能之正则表达式示例详解

一、认识正则表达式

• 什么是正则表达式
  正则表达式（英语：Regular Expression，常简写为regex、regexp或RE），又称正则表示式、正则表
  示法、规则表达式、常规表示法，是计算机科学的一个概念
• 正则表达式的作用
  正则表达式使用单个字符串来描述、匹配一系列符合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、替换那些符合某个模式的文本
• 正则表达式的特点
  灵活性、逻辑性和功能性非常强；
  可以迅速地用极简单的方式达到字符串的复杂控制

如何在python中使用正则表达式----findall方法

python中，要使用正则表达式，需要导入re模块，基本格式如下：

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

函数参数说明

flags可选值如下

举例，使用findall()方法

import re

str = "hello,my name is jie"

result = re.findall("jie",str)
print(result)

打印结果

['jie']

在python中使用正则表达式----match方法

re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none

import re

str = "hello,my name is jie"

# result = re.findall("jie",str)
# print(result)

match = re.match("hello",str)
print(match.group(0))

hello 

要获取匹配的结果，可以使用group(n),匹配结果又多个的时候，n从0开始递增
当匹配结果有多个的时候，也可以使用groups()一次性获取所有匹配的结果

re.search方法

re.search 扫描整个字符串并返回第一个成功的匹配

import re 
s = 'hello world hello' 
result = re.search('hello', s) 
print(result.group(0))

二、使用正则表达式匹配单一字符

• 使用正则，匹配字符串中所有的数字

import re 

str = "12hellowordhello12"

result = re.findall("\d",str)
print(result)

打印结果

['1', '2', '1', '2']

• 使用正则，匹配字符串中所有的非数字

import re 

str = "12hellowordhello12"

result = re.findall("\D",str)
print(result)

打印结果

['h', 'e', 'l', 'l', 'o', 'w', 'o', 'r', 'd', 'h', 'e', 'l', 'l', 'o']

• 使用正则匹配换页符

import re 

str = "12hellowordhello12" + chr(12)

result = re.findall("\f",str)
print(result)

打印结果

['\x0c']

• 使用正则，匹配换行符

import re

str = "hello word my name is jie"
result = re.findall("/n",str)
print(result)

打印结果

[]

三、正则表达式之重复出现数量匹配

• 匹配0次到无限次

import re

s = "hello world helloo hell"
print(re.findall('hello*', s))

['hello', 'helloo', 'hell'] 

• 匹配一次或多次

import re

s = "hello world helloo hell"
print(re.findall('hello+', s))

 ['hello', 'helloo']

• 匹配零次或一次

import re

s = "hello world helloo hell"
print(re.findall('hello?', s))

['hello', 'hello', 'hell'] 

• 匹配n次

import re

s = "hello world helloo hell helloo hellooo helloo helloo"
print(re.findall('hello{2}', s))

['helloo', 'helloo', 'helloo', 'helloo', 'helloo'] 

• 匹配至少n次

import re

s = "hello world helloo hell helloo hellooo helloo helloo"
print(re.findall('hello{2,}', s))

['helloo', 'helloo', 'hellooo', 'helloo', 'helloo'] 

• 匹配n次以上，m次以下

import re

s = "hello world helloo hell helloo hellooo helloo helloo"
print(re.findall('hello{2,3}', s))

['helloo', 'helloo', 'hellooo', 'helloo', 'helloo']

四、使用正则表达式匹配字符集

• 如果是连续的范围，可以使用横杠-

import re

str = "110,120,130,230,250,160"
result = re.findall("1[1-9]0",str)
print(result)

['110', '120', '130', '160'] 

• 表示不是某范围之内的，可以使用^取反

import re

str = "110,120,130,230,250,160"
result = re.findall("1[^1-9]0",str)
print(result)

[]

五、正则表达式之边界匹配

• 匹配整个字符串开头

import re

str = "hello jiejie"

result = re.findall("^he",str)
print(result)

['he'] 

• 匹配整个字符串的结尾位置

import re

str = "hello jiejie e e e"

result = re.findall("e$",str)
print(result)

['e'] 

• 匹配单词开头

import re

str = "hello jiejie  hel"

result = re.findall(r'\bhe',str)
print(result)

['he', 'he']

六、正则表达式之组

• 什么是组

将括号：() 之间的表达式定义为“组”（group），并且将匹配这个表达式的字符保存到一个临时区域（一个正则表达式中最多可以保存9个），它们可以用 \1 到\9 的符号来引用 

• 捕获组（Capturing Groups）：
  • 使用圆括号 () 定义的组被称为捕获组
  • 捕获组可以捕获匹配的部分，并可以在后续的处理中引用这些捕获的内容
• 非捕获组（Non-Capturing Groups）：
  • 使用 (?:…) 定义的组被称为非捕获组
  • 非捕获组不会捕获匹配的部分，仅用于分组和逻辑处理

• 假设我们有一个字符串，包含一些日期格式，如 “2023-10-01”，我们想分别捕获年、月和日

import re

# 捕获组示例
text1 = "Today's date is 2023-10-01."
pattern1 = r'(\d{4})-(\d{2})-(\d{2})'
match1 = re.search(pattern1, text1)
if match1:
    year = match1.group(1)
    month = match1.group(2)
    day = match1.group(3)
    print(f'Year: {year}, Month: {month}, Day: {day}')

# 输出结果
Year: 2023, Month: 10, Day: 01

代码解析

• text1：输入字符串，包含日期。
• pattern1：正则表达式模式，用于匹配日期格式。
  • (\d{4})：匹配四位数字（年份），并将其捕获为第一个组。
  • (\d{2})：匹配两位数字（月份），并将其捕获为第二个组。
  • (\d{2})：匹配两位数字（日期），并将其捕获为第三个组。
• re.search(pattern1, text1)：在 text1 中搜索与 pattern1 匹配的第一个子串。
• match1.group(1)：获取第一个捕获组（年份）。
• match1.group(2)：获取第二个捕获组（月份）。
• match1.group(3)：获取第三个捕获组（日期）。
• print(f’Year: {year}, Month: {month}, Day: {day}')：打印捕获的年、月、日。

• 假设我们有一个字符串，包含一些电话号码，格式为 “123-456-7890”，我们想匹配这种格式，但不需要捕获每个部分

import re

text = "Phone number: 123-456-7890."
pattern = r'(?:\d{3}-){2}\d{4}'

match = re.search(pattern, text)
if match:
    print(f'Matched phone number: {match.group(0)}')

# 输出结果
Matched phone number: 123-456-7890

• text2：输入字符串，包含电话号码。
• pattern2：正则表达式模式，用于匹配电话号码格式。
  • (?:\d{3}-)：匹配三位数字后跟一个连字符，但不捕获这个组（非捕获组）。
  • {2}：前面的非捕获组重复两次。
  • \d{4}：匹配四位数字。
• re.search(pattern2, text2)：在 text2 中搜索与 pattern2 匹配的第一个子串。
• match2.group(0)：获取整个匹配的子串（电话号码）。
• print(f’Matched phone number: {match2.group(0)}')：打印匹配的电话号码。

• 假设我们有一个字符串，包含一些重复的单词，我们想找到这些重复的单词

import re

text = "This is a test test of repeated repeated words words."
pattern = r'\b(\w+)\b\s+\1\b'

matches = re.findall(pattern, text, re.IGNORECASE)
if matches:
    print(f'Repeated words: {matches}')

# 输出结果
Repeated words: ['test', 'repeated', 'words']

• text3：输入字符串，包含重复的单词。
• pattern3：正则表达式模式，用于匹配重复的单词。
  • \b：单词边界。
  • (\w+)：匹配一个或多个字母或数字，并将其捕获为第一个组。
  • \b：单词边界。
  • \s+：匹配一个或多个空白字符。
  • \1：反向引用第一个捕获组，确保匹配的单词相同。
  • \b：单词边界。
• re.findall(pattern3, text3, re.IGNORECASE)：在 text3 中查找所有与 pattern3 匹配的子串，忽略大小写。
• matches3：包含所有匹配的重复单词。
• print(f’Repeated words: {matches3}')：打印所有重复的单词。

• 假设我们有一个字符串，包含一些日期格式，如 “2023-10-01”，我们想分别捕获年、月和日，并使用命名组

import re

text = "Today's date is 2023-10-01."
pattern = r'(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})'

match = re.search(pattern, text)
if match:
    year = match.group('year')
    month = match.group('month')
    day = match.group('day')
    print(f'Year: {year}, Month: {month}, Day: {day}')

 # 输出结果
 Year: 2023, Month: 10, Day: 01

• text4：输入字符串，包含日期。
• pattern4：正则表达式模式，用于匹配日期格式。
  • (?P\d{4})：匹配四位数字（年份），并将其捕获为名为 year 的组。
  • (?P\d{2})：匹配两位数字（月份），并将其捕获为名为 month 的组。
  • (?P\d{2})：匹配两位数字（日期），并将其捕获为名为 day 的组。
• re.search(pattern4, text4)：在 text4 中搜索与 pattern4 匹配的第一个子串。
• match4.group(‘year’)：获取名为 year 的捕获组。
• match4.group(‘month’)：获取名为 month 的捕获组。
• match4.group(‘day’)：获取名为 day 的捕获组。
• print(f’Year: {year}, Month: {month}, Day: {day}')：打印捕获的年、月、日。

总结：

• 捕获组：使用 () 定义，可以捕获匹配的部分
• 非捕获组：使用 (?:…) 定义，仅用于分组和逻辑处理
• 反向引用：使用 \n 引用第 n 个捕获组
• 命名组：使用 (?P…) 定义，可以按名称引用捕获组

七、正则表达式之贪婪与非贪婪

贪婪匹配

默认情况下，大多数量词都是贪婪的，这意味着它们会尽可能多地匹配字符。例如：

• *：匹配前面的表达式零次或多次
• +：匹配前面的表达式一次或多次
• ?：匹配前面的表达式零次或一次
• {m,n}：匹配前面的表达式至少 m 次，最多 n 次

假设我们有一个字符串，包含一些 HTML 标签，我们想提取标签内的内容

import re

text = '<div>Hello</div><div>World</div>'
pattern = r'<div>(.*)</div>'

matches = re.findall(pattern, text)
print(matches)  

# 输出结果
['Hello</div><div>World']

在这个例子中，.* 是贪婪的，它会尽可能多地匹配字符，因此匹配结果是从第一个 < div>到最后一个< /div>之间的所有内容

非贪婪匹配

非贪婪匹配（也称为懒惰匹配）是指量词会尽可能少地匹配字符。非贪婪匹配可以通过在量词后面加上 ? 来实现。例如：

• *?：匹配前面的表达式零次或多次，但尽可能少地匹配
• +?：匹配前面的表达式一次或多次，但尽可能少地匹配
• ??：匹配前面的表达式零次或一次，但尽可能少地匹配
• {m,n}?：匹配前面的表达式至少 m 次，最多 n 次，但尽可能少地匹配

import re

text = '<div>Hello</div><div>World</div>'
pattern = r'<div>(.*?)</div>'

matches = re.findall(pattern, text)
print(matches)  

# 输出结果: 
['Hello', 'World']

总结 

到此这篇关于python成长技能之正则表达式的文章就介绍到这了,更多相关python正则表达式内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

最新评论