正则表达式

正则表达式是一种用来匹配字符串的强有力的武器。它的设计思想是用一种描述性的语言来给字符串定义一个规则,凡是符合规则的字符串,我们就认为它“匹配”了,否则,该字符串就是不合法的。

1.表达式语法

字符 说明
\d 匹配 0~9 中的一个数字(digital)。如一个'\d'可以匹配一个'9'
\w 匹配一个单词字符,包括0~9的所有数字、 26 个英文字母和下画线_
\W 匹配所有的非单词字符
\s 匹配所有的空白字符,包括空格、制表符、回车符、换页符、换行符等。\S匹配所有非空白字符
{} 用于标记前面子表达式的出现频度。{n} = n;{n, m} = [n, m];{n,} >= n;{,m}<=m
[] 表示范围,如:[0-9a-zA-Z\_]可以匹配一个数字、字母或者下划线
() 标记子表达式(也就是组)的开始位置和结束位置
. 可匹配除换行符之外的任意单个字符,要匹配'.'则使用'\.'
* 指定前面子表达式可以出现零次或多次。[0, n]
+ 指定前面子表达式可以出现一次或多次。[1, n]
? 指定前面子表达式可以出现零次或一次。[0, 1]
| 两项之间任选一项。'(P|p)ython'可以匹配'Python'或者'python'
^ 匹配一行的开头,[]中表示求否。'^\d'表示必须以数字开头,[^a-f]表示不在a-f范围内的任意字符
$ 匹配一行的结尾。'\d$'表示必须以数字结束

例:

  1. \s+ 表示至少有一个空格,匹配' '
  2. \d{3,8} 表示3~8个数字,匹配12345
  3. \d{3}\-\d{3,8} 匹配 010-1234等,其中-是特殊字符需用\转义。
  4. [a-zA-Z\_][0-9a-zA-Z\_]*可以匹配由字母或下划线开头,后接任意个由一个数字、字母或者下划线组成的字符串,也就是Python合法的变量

2.re模块

Python提供re模块,包含所有正则表达式的功能。由于Python的字符串本身也用\转义,建议使用Python的r前缀,就不用再考虑转义的问题。

  • 字符串匹配

re.match(pattern, string, flags=0)
(1) re.match(r'^\d{3}\-\d{3,8}$', '010-1234')
(2) re.match(r'^\d{3}\-\d{3,8}$', '010 1234')

in2匹配,in3不匹配

match()方法判断是否匹配,如果匹配成功,返回一个Match对象,否则返回None。

  • 切分字符串

re.split(pattern, string, maxsplit=0, flags=0)
(1) re.split(r'[\s,]+', 'a,b, c d')
(2) re.split(r'[\s,;]+', 'a,;;b, ; , c d')

re.split

如果maxsplit不为零,则最多会发生maxsplit分割,并将字符串的其余部分作为列表的最后一个元素返回。

3.子表达式(组)

除了简单地判断是否匹配之外,正则表达式还有提取子串的强大功能。用()表示的就是要提取的分组(Group)。

m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')
print(m) # <_sre.SRE_Match object; span=(0, 9), match='010-12345'>
print(m.group(0)) # '010-12345'
print(m.group(1)) # '010'
print(m.group(2)) # '12345'
print(m.groups()) # ('010', '12345')

如果正则表达式中定义了组,就可以在Match对象上用group()方法提取出子串来。group(0)永远是原始字符串,group(1)group(2)……表示第1、2、……个子串。

4.贪婪模式与勉强模式

正则匹配默认是贪婪匹配,也就是匹配尽可能多的字符。
in: re.match(r'^(\d+)(0*)$', '102300').groups()
out: ('102300', '')
由于\d+采用贪婪匹配,直接把后面的0全部匹配了,结果0*只能匹配空字符串了。
只要在频度限定之后添加一个英文问号?,贪婪模式就变成了勉强模式,所谓勉强模式,指的是表达式中的模式会尽可能少地匹配字符 。
in: re.match(r'^(\d+?)(0*)$', '102300').groups()
out: ('1023', '00')

5.表达式旗标

旗标 说明
re.Are.ASCII 该旗标控制\w, \W, \b\B\d\D\s\S 只匹配 ASCII 字符,对应于行内旗标(?a)
re.DEBUG 显示编译正则表达式的 Debug 信息 。无行内旗标 。
re.Ire.IGNORECASE 使用正则表达式匹配时不区分大小写 。 对应于正则表达式中的(?i)行内旗标 。
re.Ure.Unicode re.A,控制...只匹配unicode字符,Python 3.x 默认匹配所有的Unicode字符
re.Sre.DOTALL 让点(.)能匹配包括换行符在内的所有字符。行内旗标: (?s)
r.Mre.MULTILINE 多行模式旗标。使^$能匹配字符串每行开头和结尾。行内旗标:(?m)
re.Xre.VERBOSE 通过该旗标允许分行书写正则表达式,也允许为正则表达式添加注释。行内旗标:(?x)

例:

re.findall(r'\w*', '102就300', re.A) # ['102', '', '300', '']
re.findall(r'(?a)\w*', '102就300') # ['102', '', '300', '']
a = re.compile(r'''020    #广州的区号
               \-    # 中间的短横线
               \d{8}  # 8个数值''', re.X)
# a: re.compile(r'020    #广州的区号\n\-    # 中间的短横线\n\d{8}  # 8个数值', re.UNICODE|re.VERBOSE)

多个旗标可以通过按位 OR(|) 来指定。

6.编译

当我们在Python中使用正则表达式时,re模块内部会干两件事情:
(1)编译正则表达式,如果正则表达式的字符串本身不合法,会报错;
(2)用编译后的正则表达式去匹配字符串。
如果一个正则表达式要重复使用几千次,出于效率的考虑,我们可以预编译该正则表达式。

import re
# 编译
 re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$')
# 使用
re_telephone.match('010-12345').groups() # ('010', '12345')

编译后生成Regular Expression对象,由于该对象自己包含了正则表达式,所以调用对应的方法时不用给出正则字符串。

望指正,躬拜!
参考:

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 211,884评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,347评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,435评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,509评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,611评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,837评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,987评论 3 408
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,730评论 0 267
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,194评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,525评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,664评论 1 340
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,334评论 4 330
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,944评论 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,764评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,997评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,389评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,554评论 2 349