Python正則表示式保姆式教學詳細教程
目錄
- 一、re模組
- 1.匯入re模組
- 2.findall()的語法:
- 二、正則表示式
- 1.普通字元
- 2.元字元
- (二)正則的使用
- 1.編譯正則
- 2.正則物件的使用方法
- 3.Match object 的操作方法
- 4.re模組的函式
正則作為處理字串的一個實用工具,在中經常會用到,比如爬蟲爬取資料時常用正則來檢索字串等等。正則表示式已經內嵌在Python中,通過匯入re模組就可以使用,作為剛學Python的新手大多數都聽說”正則“這個術語。
今天來給大家分享一份關於比較詳細的Python正則表示式寶典,學會之後你將對正則表示式達到精通的狀態。
一、re模組
在講正則表示式之前,我們首先得知道哪裡用得到正則表示式。正則表示式是用在findall()方法當中,大多數的字串檢索都可以通過findall()來完成。
1.匯入re模組
在使用正則表示式之前,需要匯入re模組。
import re
2.findall()的語法:
匯入了re模組之後就可以使用findall()方法了,那麼我們必須要清楚findall()的語法是怎麼規定的。
findall(正則表示式,目標字串)
不難看出findall()的是由正則表示式和目標字串組成,目標字串就是你要檢索的東西,那麼如何檢索則是通過正則表示式來進行操作,也就是我們今天的重點。
使用findall()之後返回的結果是一個列表,列表中是符合正則要求的字串
二、正則表示式
(一).字串的匹配
1.普通字元
大多數的字母和字元都可以進行自身匹配。
import re a = "abc123+-*" b = re.findall('abc',a) print(b)
輸出結果:
['abc']
2.元字元
元字元指的是. ^ $ ? + {} \ []之類的特殊字元,通過它們我們可以對目標字串進行個性化檢索,返回我們要的結果。
這裡我給大家介紹10個常用的元字元以及它們的用法,這裡我先給大家做1個簡單的彙總,便於記憶,下面會挨個講解每一個元字元的使用。
(1) []
[] 的使用方式主要有以下三種:
常用來指定一個字符集。
s = "a123456b"
rule = "a[0-9][1-6][1-6][1-6][1-6][1-6]b" #這裡暫時www.cppcns.com先用這種麻煩點的方法,後面有更容易的,不用敲這麼多[1-6]
l = re.findall(rule,s)
print(l)
輸出結果為:
['a123456b']
可以表示一個範圍。
例如要在字串"abcabcaccaac"中選出abc元素:
s = "abcabcaccaac" rule = "a[a,b,c]c" # rule = "a[a-z0-9][a-z0-9][a-z0-9][a-z0-9]c" l = re.findall(rule,s) print(l)
輸出結果為:
['abc','abc','acc','aac']
[] 內的元字元不起作用,只表示普通字元。
例如要在字串“caabcabcaabc”中選出“caa”:
print(re.findall("caa[a,^]","caa^bcabcaabc"))
輸出結果為:
['caa^']
注意點:當在[]的第一個位置時,表示除了a以外的都進行匹配,例如把[]中的和a換一下位置:
print(re.findall("caa[^,a]","caa^bcabcaabc"))
輸出:
['caa^','caab']
(2)^
^ 通常用來匹配行首,例如:
print(re.findall("^abca","abcabcabc"))
輸出結果:
['abca']
(3) $
$ 通常用來匹配行尾,例如:
print(re.findall("abc$","accabcabc"))
輸出結果:
['abc']
(4)\
反斜槓後面可以加不同的字元表示不同的特殊含義,常見的有以下3種。
\d:匹配任何十進位制數等價於[0-9]
print(re.findall("c\d\d\da","abc123abc"))
輸出結果為:
['c123a']
\可以轉義成普通字元,例如:
print(re.findall("\^abc","^abc^abc"))
輸出結果:
['^abc','^abc']
s
匹配任何的空白字元例如:
print(re.findall("\s\s","a c"))
輸出結果:
[' ',' ']
\w
匹配任何字母數字和下劃線,等價於[a-zA-Z0-9_],例如:
print(re.findall("\w\w\w","abc12_"))
輸出:
['abc','12_']
(5){n}
{n}可以避免重複寫,比如前面TUtaViP我們用\w時寫了3次\w,而這裡我們這需要用用上{n}就可以,n表示匹配的次數,例如:
print(re.findall("\w{2}","abc12_"))
輸出結果:
['ab','c1','2_']
(6)*
*表示匹配零次或多次(儘可能的多去匹配),例如:
print(re.findall("010-\d*","010-123456789"))
輸出:
['010-123456789']
**(7) + **
+表示匹配一次或多次,例如
print(re.findall("010-\d+","010-123456789"))
輸出:
['010-123456789']
(8) .
.是個點,這裡不是很明顯,它用來操作除了換行符以外的任何字元,例如:
print(re.findall(".","010\n?!"))
輸出:
['0','1','0','?','!']
(9) ?
?表示匹配一次或零次
print(re.findall("010-\d?","010-123456789"))
輸出:
['010-1']
這裡要注意一下貪婪模式和非貪婪模式。
貪婪模式:儘可能多的去匹配資料,表現為\d後面加某個元字元,例如\d*:
print(re.findall("010-\d*","010-123456789"))
輸出:
['010-123456789']
非貪婪模式:儘可能少的去匹配資料,表現為\d後面加?,例如\d?
print(re.findall("010-\d*?","010-123456789"))
輸出為:
['010-']
(10){m,n}
m,n指的是十進位制數,表示最少重複m次,最多重複n次,例如:
print(re.findall("010-\d{3,5}","010-123456789"))
輸出:
['010-12345']
加上?表示儘可能少的去匹配
print(re.findall("010-\d{3,5}?","010-123456789"))
輸出:
['010-123']
{m,n}還有其他的一些靈活的寫法,比如:
- {1,} 相當於前面提過的 + 的效果
- {0,1} 相當於前面提過的 ? 的效果
- {0,} 相當於前面提過的 * 的效果
關於常用的元字元以及使用方法就先到這裡,我們再來看看正則的其他知識。
(二)正則的使用
1.編譯正則
在Python中,re模組可通過compile() 方法來編譯正則,re.compile(正則表示式),例如:
s = "010-123456789" rule = "010-\d*" rule_compile = re.compile(rule) #返回一個物件 # print(rule_compile) s_compile = rule_compile.findall(s) print(s_compile) #列印compile()返回的物件是什麼
輸出結果:
['010-123456789']
2.正則物件的使用方法
正則物件的使用方法TUtaViP不僅僅是通過我們前面所介紹的 findall() 來使用,還可以通過其他的方法進行使用,效果是不一樣的,這裡我做個簡單的總結:
(1)findall()
找到re匹配的所有字串,返回一個列表
(2)search()
掃描字串,找到這個re匹配的位置(僅僅是第一個查到的)
(3)match()
決定re是否在字串剛開始的位置(匹配行首)
就拿上面的 compile()編譯正則之後返回的物件來做舉例,我們這裡不用 findall(),用 match() 來看一下結果如何:
s = "010-123456789" rule = "010-\d*" rule_compile = re.compile(rule) # 返回一個物件 # print(rule_compile) s_compile = rule_compile.match(s) print(s_compile) # 列印compile()返回的物件是什麼
輸出:
<re.Match object; span=(0,13),match='010-123456789'>
可以看出結果是1個match 物件,開始下標位置為0~13,match為 010-123456789 。既然返回的是物件,那麼接下來我們來講講這個match 物件的一些操作方法。
3.Match object 的操作方法
這裡先介紹一下方法,後面我再舉例,Match物件常見的使用方法有以下幾個:
(1)group()
返回re匹配的字串
(2)start()
返回匹配開始的位置
(3)end()
返回匹配結束的位置
(4)span()
返回一個元組:(開始,結束)的位置
舉例:用span()來對search()返回的物件進行操作:
s = "010-123456789" rule = "010-\d*" rule_compile = re.compile(rule) # 返回一個物件 s_compile = rule_compile.match(s) print(s_compile.span()) #用span()處理返回的物件
結果為:
(0,13)
4.re模組的函式
re模組中除了上面介紹的findall()函式之外,還有其他的函式,來做一個介紹:
(1)findall()
根據正則表示式返回匹配到的所有字串,這個我就不多說了,前面都是在介紹它。
(2)sub(正則,新字串,原字串)
sub() 函式的功能是替換字串,例如:
s = "abcabcacc" #原字串 l = re.sub("abc","ddd",s) #通過sub()處理過的字串 print(l)
輸出:
ddddddacc#把abc全部替換成ddd
(3)subn(正則,原字串)
subn()的作用是替換字串,並返回替換的次數
s = "abcabcacc" #原字串 l = re.subn("abc",s) #通過sub()處理過的字串 print(l)
輸出:
('bbbbbbacc',2)
(4)split()
split()分割字串,例如:
s = "abcabcacc" l = re.split("b",s) print(l)
輸出結果:
['a','ca','cacc']
關於正則,我就講這麼多了,正則幾乎是Python所有方向中是必不可少的一個基礎,祝你的Python之旅學有所成!
到此這篇關於Python正則表示式保姆式教學詳細教程的文章就介紹到這了,更多相關Python正則表示式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!