python正則表示式例項程式碼
re 模組使 Python 語言擁有全部的正則表示式功能。
會用到的語法
正則字元 | 釋義 | 舉例 | ||||||||||||||||||||||||||||||
+ | 前面元素至少出現一次 | ab+:ab、abbbb 等 | ||||||||||||||||||||||||||||||
* | 前面元素出現0次或多次 | ab*:a、ab、abb 等 | ||||||||||||||||||||||||||||||
? | 匹配前面的一次或0次 | Ab?: A、Ab 等 | ||||||||||||||||||||||||||||||
^ | 作為開始標記 | ^a:abc、aaaaaa等 | ||||||||||||||||||||||||||||||
$ | 作為結束標記 | c$:abc、cccc 等 | ||||||||||||||||||||||||||||||
\d | 數字 | 3、4、9 等
|
||||||||||||||||||||||||||||||
\D | 非數字 | A、a、- 等 | ||||||||||||||||||||||||||||||
[a-z] | A到z之間的任意字母 | a、p、m 等 | ||||||||||||||||||||||||||||||
[0-9] | 0到9之間的任意數字 | 0、2、9 等 |
注意:
1. 轉義字元
>>> s '(abc)def' >>> m = re.search("(\(.*\)).*",s) >>> print m.group(1) (abc)
re.match函式
re.match 嘗試從字串的起始位置匹配一個模式,如果不是起始位置匹配成功的話,match()就返回none。
例項1:
#!/usr/bin/python # -*- coding: UTF-8 -*- import re print(re.match('www','www.jb51.net').span()) # 在起始位置匹配 print(re.match('net','www.jb51.net')) # 不在起始位置匹配
輸出結果:
(0,3)
None
例項2:
#!/usr/bin/python import re line = "Cats are smarter than dogs" matchObj = re.match( r'(.*) are (.*?) .*',line,re.M|re.I) if matchObj: print "matchObj.group() : ",matchObj.group() print "matchObj.group(1) : ",matchObj.group(1) print "matchObj.group(2) : ",matchObj.group(2) else: print "No match!!"
輸出結果:
matchObj.group() : Cats are smarter than dogs
matchObj.group(1) : Cats
matchObj.group(2) : smarter
上面是python2的print輸出,python記得加()即可,python輸出類似的別的語言的\n之類來匹配獲取的內容。
python group()
正則表示式中,group()用來提出分組截獲的字串,()用來分組
重複前邊的字串多次
>>> a = "kdlal123dk345" >>> b = "kdlal123345" >>> m = re.search("([0-9]+(dk){0,1})[0-9]+",a) >>> m.group(1),m.group(2) ('123dk','dk') >>> m = re.search("([0-9]+(dk){0,b) >>> m.group(1) '12334' >>> m.group(2) >>>
究其因
1. 正則表示式中的三組括號把匹配結果分成三組
group() 同group(0)就是匹配正則表示式整體結果
group(1) 列出第一個括號匹配部分,group(2) 列出第二個括號匹配部分,group(3) 列出第三個括號匹配部分。
2. 沒有匹配成功的,re.search()返回None
3. 當然正則表示式中沒有括號,group(1)肯定不對了。
示例
1. 判斷字串是否是全部小寫
# -*- coding: cp936 -*- import re s1 = 'adkkdk' s2 = 'abc123efg' an = re.search('^[a-z]+$',s1) if an: print 's1:',an.group(),'全為小寫' else: print s1,"不全是小寫!" an = re.match('[a-z]+$',s2) if an: print 's2:','全為小寫' else: print s2,"不全是小寫!"
結果
究其因
1. 正則表示式不是python的一部分,利用時需要引用re模組
2. 匹配的形式為: re.search(正則表示式, 帶匹配字串)或re.match(正則表示式, 帶匹配字串)。兩者區別在於後者預設以開始符(^)開始。因此,
re.search('^[a-z]+$',s1) 等價於 re.match('[a-z]+$',s2)
3. 如果匹配失敗,則an = re.search('^[a-z]+$',s1)返回None
group用於把匹配結果分組
例如
import re a = "123abc456" print re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(0) #123abc456,返回整體 print re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(1) #123 print re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(2) #abc print re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(3) #456
輸出結果
123abc456
123
abc
456
1)正則表示式中的三組括號把匹配結果分成三組
group() 同group(0)就是匹配正則表示式整體結果
group(1) 列出第一個括號匹配部分,group(2) 列出第二個括號匹配部分,group(3) 列出第三個括號匹配部分。
2)沒有匹配成功的,re.search()返回None
3)當然正則表示式中沒有括號,group(1)肯定不對了。
2. 首字母縮寫詞擴充
具體示例
FEMA Federal Emergency Management Agency
IRA Irish Republican Army
DUP Democratic Unionist Party
FDA Food and Drug Administration
OLC Office of Legal Counsel
分析
縮寫詞 FEMA
分解為 F*** E*** M*** A***
規律 大寫字母 + 小寫(大於等於1個)+ 空格
參考程式碼
import re def expand_abbr(sen,abbr): lenabbr = len(abbr) ma = '' for i in range(0,lenabbr): ma += abbr[i] + "[a-z]+" + ' ' print 'ma:',ma ma = ma.strip(' ') p = re.search(ma,sen) if p: return p.group() else: return '' print expand_abbr("Welcome to Algriculture Bank China",'ABC')
結果
問題
上面程式碼對於例子中的前3個是正確的,但是後面的兩個就錯了,因為大寫字母開頭的詞語之間還夾雜著小寫字母詞
規律
大寫字母 + 小寫(大於等於1個)+ 空格 + [小寫+空格](0次或1次)
參考程式碼
import re def expand_abbr(sen,lenabbr-1): ma += abbr[i] + "[a-z]+" + ' ' + '([a-z]+ )?' ma += abbr[lenabbr-1] + "[a-z]+" print 'ma:',sen) if p: return p.group() else: return '' print expand_abbr("Welcome to Algriculture Bank of China",'ABC')
技巧
中間的 小寫字母集合+一個空格,看成一個整體,就加個括號。要麼同時有,要麼同時沒有,這樣需要用到?,匹配前方的整體。
3. 去掉數字中的逗號
具體示例
在處理自然語言時123,000,000如果以標點符號分割,就會出現問題,好好的一個數字就被逗號肢解了,因此可以先下手把數字處理乾淨(逗號去掉)。
分析
數字中經常是3個數字一組,之後跟一個逗號,因此規律為:***,***,***
正則式
[a-z]+,[a-z]?
參考程式碼3-1
import re sen = "abc,123,456,789,mnp" p = re.compile("\d+,\d+?") for com in p.finditer(sen): mm = com.group() print "hi:",mm print "sen_before:",sen sen = sen.replace(mm,mm.replace(",","")) print "sen_back:",sen,'\n'
結果
技巧
使用函式finditer(string[,pos[,endpos]]) | re.finditer(pattern,string[,flags]):
搜尋string,返回一個順序訪問每一個匹配結果(Match物件)的迭代器。
參考程式碼3-2
sen = "abc,mnp" while 1: mm = re.search("\d,\d",sen) if mm: mm = mm.group() sen = sen.replace(mm,"")) print sen else: break
結果
延伸
這樣的程式針對具體問題,即數字3位一組,如果數字混雜與字母間,幹掉數字間的逗號,即把“abc,4,mnp”轉化為“abc,1234789,mnp”
思路
更具體的是找正則式“數字,數字”找到後用去掉逗號的替換
參考程式碼3-3
sen = "abc,"")) print sen else: break print sen
結果
4. 中文處理之年份轉換(例如:一九四九年--->1949年)
中文處理涉及到編碼問題。例如下邊的程式識別年份(****年)時
# -*- coding: cp936 -*- import re m0 = "在一九四九年新中國成立" m1 = "比一九九零年低百分之五點二" m2 = '人一九九六年擊敗俄軍,取得實質獨立' def fuc(m): a = re.findall("[零|一|二|三|四|五|六|七|八|九]+年",m) if a: for key in a: print key else: print "NULL" fuc(m0) fuc(m1) fuc(m2)
執行結果
可以看出第二個、第三個都出現了錯誤。
改進——準化成unicode識別
# -*- coding: cp936 -*- import re m0 = "在一九四九年新中國成立" m1 = "比一九九零年低百分之五點二" m2 = '人一九九六年擊敗俄軍,取得實質獨立' def fuc(m): m = m.decode('cp936') a = re.findall(u"[\u96f6|\u4e00|\u4e8c|\u4e09|\u56db|\u4e94|\u516d|\u4e03|\u516b|\u4e5d]+\u5e74",m) if a: for key in a: print key else: print "NULL" fuc(m0) fuc(m1) fuc(m2)
結果
識別出來可以通過替換方式,把漢字替換成數字。
參考
numHash = {} numHash['零'.decode('utf-8')] = '0' numHash['一'.decode('utf-8')] = '1' numHash['二'.decode('utf-8')] = '2' numHash['三'.decode('utf-8')] = '3' numHash['四'.decode('utf-8')] = '4' numHash['五'.decode('utf-8')] = '5' numHash['六'.decode('utf-8')] = '6' numHash['七'.decode('utf-8')] = '7' numHash['八'.decode('utf-8')] = '8' numHash['九'.decode('utf-8')] = '9' def change2num(words): print "words:",words newword = '' for key in words: print key if key in numHash: newword += numHash[key] else: newword += key return newword def Chi2Num(line): a = re.findall(u"[\u96f6|\u4e00|\u4e8c|\u4e09|\u56db|\u4e94|\u516d|\u4e03|\u516b|\u4e5d]+\u5e74",line) if a: print "------" print line for words in a: newwords = change2num(words) print words print newwords line = line.replace(words,newwords) return line
5. 多個手機號碼,中間用|隔開
舉例:
空值
12222222222
12222222222|12222222222
12222222222|12222222222|12222222444
表示式
s = "[\\d]{11}(\\|[\\d]{11})*|"
四. 推薦
Python正則表示式指南
到此這篇關於python正則表示式例項程式碼的文章就介紹到這了,更多相關python正則例子內容請搜尋我們以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援我們!