正则表达式介绍及练习

语法

image.png

验证工具

正则表达式验证工具一：https://regexr.com/
正则表达式验证工具二：https://tool.oschina.net/regex

挑战与提升

练习正则表达式请戳：Regex Golf (alf.nu)
答案：https://blog.csdn.net/NJYR21/article/details/79600217

python re模块介绍

Python通过re模块提供对正则表达式的支持。
使用re的一般步骤是
1.将正则表达式的字符串形式编译为Pattern实例
2.使用Pattern实例处理文本并获得匹配结果（一个Match实例）
3.使用Match实例获得信息，进行其他的操作。

# encoding: UTF-8
import re

# 将正则表达式编译成Pattern对象
pattern = re.compile(r'Good morning.*\!')

# 使用Pattern匹配文本，获得匹配结果，无法匹配时将返回None
match = pattern.match('Good morning, David! What are you reading?')

if match:
    # 使用Match获得分组信息
    print(match.group())
  • re.compile(strPattern[, flag]):
    这个方法是Pattern类的工厂方法，用于将字符串形式的正则表达式编译为Pattern对象。
    第二个参数flag是匹配模式，取值可以使用按位或运算符'|'表示同时生效，比如re.I | re.M。
    当然，你也可以在regex字符串中指定模式，比如re.compile('pattern', re.I | re.M)等价于re.compile('(?im)pattern')
  • flag可选值有：
    re.I(re.IGNORECASE): 忽略大小写（括号内是完整写法，下同）
    re.M(MULTILINE): 多行模式，改变'^'和'$'的行为（参见上图）
    re.S(DOTALL): 点任意匹配模式，改变'.'的行为
    re.L(LOCALE): 使预定字符类 \w \W \b \B \s \S 取决于当前区域设定
    re.U(UNICODE): 使预定字符类 \w \W \b \B \s \S \d \D 取决于unicode定义的字符属性
    re.X(VERBOSE): 详细模式。这个模式下正则表达式可以是多行，忽略空白字符，并可以加入注释。以下两个正则表达式是等价的：
regex_1 = re.compile(r"""\d +  # 数字部分
                         \.    # 小数点部分
                         \d *  # 小数的数字部分""", re.X)
regex_2 = re.compile(r"\d+\.\d*")
  • Match
    Match 对象是一次匹配的结果，包含了很多关于此次匹配的信息，可以使用Match提供的可读属性或方法来获取这些信息。
    match 属性：
    string: 匹配时使用的文本。
    re: 匹配时使用的Pattern对象。
    pos: 文本中正则表达式开始搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。
    endpos: 文本中正则表达式结束搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。
    lastindex: 最后一个被捕获的分组在文本中的索引。如果没有被捕获的分组，将为None。
    lastgroup: 最后一个被捕获的分组的别名。如果这个分组没有别名或者没有被捕获的分组，将为None。
  • 方法：
    1.group([group1, …]):获得一个或多个分组截获的字符串；指定多个参数时将以元组形式返回。group1可以使用编号也可以使用别名；编号0代表整个匹配的子串；不填写参数时，返回group(0)；没有截获字符串的组返回None；截获了多次的组返回最后一次截获的子串。
    2.groups([default]):以元组形式返回全部分组截获的字符串。相当于调用group(1,2,…last)。default表示没有截获字符串的组以这个值替代，默认为None。
    groupdict([default]):返回以有别名的组的别名为键、以该组截获的子串为值的字典，没有别名的组不包含在内。default含义同上。
    3.start([group]):返回指定的组截获的子串在string中的起始索引（子串第一个字符的索引）。group默认值为0。
    4.end([group]):返回指定的组截获的子串在string中的结束索引（子串最后一个字符的索引+1）。group默认值为0。
    5.span([group]):返回(start(group), end(group))。
    6.expand(template):将匹配到的分组代入template中然后返回。template中可以使用\id或\g、\g引用分组，但不能使用编号0。\id与\g是等价的；但\10将被认为是第10个分组，如果你想表达\1之后是字符'0'，只能使用\g<1>0。
import re

m = re.match(r'(\w+) (\w+)(?P<sign>.*)', 'Good morning, David!')

print("m.string:", m.string)
print("m.re:", m.re)
print("m.pos:", m.pos)
print("m.endpos:", m.endpos)
print("m.lastindex:", m.lastindex)
print("m.lastgroup:", m.lastgroup)
print("m.group(1,2):", m.group(1, 2))
print("m.groups():", m.groups())
print("m.groupdict():", m.groupdict())
print("m.start(2):", m.start(2))
print("m.end(2):", m.end(2))
print("m.span(2):", m.span(2))
print(r"m.expand(r'\2 \1\3'):", m.expand(r'\2 \1\3'))
  • Pattern
    Pattern对象是一个编译好的正则表达式，通过Pattern提供的一系列方法可以对文本进行匹配查找。
    Pattern不能直接实例化，必须使用re.compile()进行构造。
    Pattern提供了几个可读属性用于获取表达式的相关信息：
    pattern: 编译时用的表达式字符串。
    flags: 编译时用的匹配模式。数字形式。
    groups: 表达式中分组的数量。
    groupindex: 以表达式中有别名的组的别名为键、以该组对应的编号为值的字典，没有别名的组不包含在内。
import re

p = re.compile(r'(\w+) (\w+)(?P<sign>.*)', re.DOTALL)

print("p.pattern:", p.pattern)
print("p.flags:", p.flags)
print("p.groups:", p.groups)
print("p.groupindex:", p.groupindex)
  • 使用pattern
    match(string[, pos[, endpos]]) | re.match(pattern, string[, flags]):
    这个方法将从string的pos下标处起尝试匹配pattern:
    如果pattern结束时仍可匹配，则返回一个Match对象
    如果匹配过程中pattern无法匹配，或者匹配未结束就已到达endpos，则返回None。
    pos和endpos的默认值分别为0和len(string)。
    注意：这个方法并不是完全匹配。当pattern结束时若string还有剩余字符，仍然视为成功。想要完全匹配，可以在表达式末尾加上边界匹配符'$'。
    search(string[, pos[, endpos]]) | re.search(pattern, string[, flags]):
    这个方法从string的pos下标处起尝试匹配pattern
    如果pattern结束时仍可匹配，则返回一个Match对象
    若无法匹配，则将pos加1后重新尝试匹配，直到pos=endpos时仍无法匹配则返回None。
    pos和endpos的默认值分别为0和len(string))
# encoding: UTF-8
import re

# 将正则表达式编译成Pattern对象
pattern = re.compile(r'H.*g')

# 使用search()查找匹配的子串，不存在能匹配的子串时将返回None
# 这个例子中使用match()无法成功匹配
match = pattern.search('Good morning, David!')

if match:
    # 使用Match获得分组信息
    print(match.group())
  • split(string[, maxsplit]) | re.split(pattern, string[, maxsplit]):
    按照能够匹配的子串将string分割后返回列表。
    maxsplit用于指定最大分割次数，不指定将全部分割。
import re

p = re.compile(r'\d+')
print(p.split('one1two2three3four4'))
  • findall(string[, pos[, endpos]]) | re.findall(pattern, string[, flags]):
    搜索string，以列表形式返回全部能匹配的子串。
import re

p = re.compile(r'\d+')
print(p.findall('one1two2three3four4'))
  • finditer(string[, pos[, endpos]]) | re.finditer(pattern, string[, flags]):
    搜索string，返回一个顺序访问每一个匹配结果（Match对象）的迭代器。
import re

p = re.compile(r'\d+')
for m in p.finditer('one1two2three3four4'):
    print(m.group())
  • sub(repl, string[, count]) | re.sub(pattern, repl, string[, count]):
    使用repl替换string中每一个匹配的子串后返回替换后的字符串。
    当repl是一个字符串时，可以使用\id或\g、\g引用分组，但不能使用编号0。
    当repl是一个方法时，这个方法应当只接受一个参数（Match对象），并返回一个字符串用于替换（返回的字符串中不能再引用分组）。 count用于指定最多替换次数，不指定时全部替换。
import re

p = re.compile(r'(\w+) (\w+)')
s = 'i say, Good morning, David!'

print(p.sub(r'\2 \1', s))

def func(m):
    return m.group(1).title() + ' ' + m.group(2).title()

print(p.sub(func, s))
  • subn(repl, string[, count]) |re.sub(pattern, repl, string[, count]):
    返回 (sub(repl, string[, count]), 替换次数)。
import re

p = re.compile(r'(\w+) (\w+)')
s = 'i say, Good morning, David!'

print(p.subn(r'\2 \1', s))

def func(m):
    return m.group(1).title() + ' ' + m.group(2).title()

print(p.subn(func, s))
©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

相关阅读更多精彩内容

友情链接更多精彩内容