python筆記-正則表達式
-
什麽是正則表達式：
正則表達式是一個特殊的字符序列，能幫助我們方便的檢查一個字符串是否與某種模式匹配(定義往往都很枯燥)
也稱之為”模式“，即可用於檢查一個給定的字符串是否符合某種模式
舉例：
我們定義一個模式，平常經常用到的日期模式：XXXX-XX-XX,2018-03-10
在正則表達式的模式定義語法裏：\d用來指定一個數字，因此我們將日期的正則表達式的模式定義成：”\d\d\d\d-\d\d-\d\d"
-
什麽是元字符：
元字符是一些在正則表達式中有特殊用途、不代表它本身字符意義的一組字符
利用元字符，我們可以控制字符串匹配的方式
比如上例中的\d,用來指定一個數字，"相當於[0-9]，匹配任何單個的數字字符"，而非d字母本身
-
元字符各自含義
正則表達式的完整元字符及各自的含義（主要有11個）：
. ^ $ * + ? \ | { } [] ()
我們選挑重要的依次進行解釋
1.[ ] 方括號
(1) 常用來指定一個字符集，如[abcd]匹配：a或b或c或d
(2) 元字符在”[]”中不起所用，比如：[a+]匹配：a或+
(3) 補集匹配：[^a]，匹配非a的一個字符
(4) 匹配連續字符：[a-zA-Z0-9]，匹配大小寫英文字母和數字
2.^
匹配行首，直接匹配字符串中的每一個換行
3.$
匹配行尾，行尾是指：字符串尾，或一個換行字符後的任何位置
4.\
轉義字符，如果要匹配”\”本身，需要使用再次轉義：”\\”
一些特殊字符：
\d：匹配：[0-9]
\D：匹配：[^0-9],與 \d 相反，匹配任何非十進制數字的字符
\s：匹配：任何空白符，即：[\t\n\r\f\v]
\S：匹配：任何非空白符，即：[^\t\n\r\f\v]
\w：匹配：[a-zA-Z0-9_ ],即匹配任何字符
\W：匹配：[^a-zA-Z0-9_ ],與\w相反
5. *
匹配前一個字符或子表達式出現0次或多次
例如：ca*t 將匹配 ct（0 個字符 a），cat（1 個字符 a），caaat（3 個字符 a）
6. +
匹配前一個字符或子表達式出現1次或多次
例如： ca+t 會匹配 cat 和 caaat，但不會匹配 ct。
7.？
匹配前一個字符或子表達式出現1次或0次
例如 ：大?帥哥 可以匹配 大帥哥，也可以匹配 帥哥。
8.{ }
匹配前一個字符或子表達式出現指定次數（即代表重復）
{0,}：0次或多次，相當於”*”
{1,}：1次或多次，相當於”+”
{0,1}：0次或1次，相當於”?”
{m,n}：m次到n次(m <= n)，m是最少重復的次數，n是最多重復的次數
9. .
匹配除換行符以外的任意一個字符
10. |
每一種條件匹配一次，且"|"和"[]"效果是相同的，返回形式一樣
例如：
>>> print (re.findall(r"[abc]","abc"))
[‘a‘,‘b‘,‘c‘]
>>> print (re.findall(r"[a|b|c]","abc"))
[‘a‘,‘b‘,‘c‘]
11. ( )
圓括號分組匹配使得匹配返回元組
例如：
>>> print (re.findall(r"one two three four five six",a))
[‘one two three four five six‘]
>>> print (re.findall(r"(one) (two) (three) (four) (five) (six)",a))
[ ]返回空
-
python語言中的re模塊
在python語言中，re模塊用於提供正則表達式的全部功能，而re模塊中最重要的兩個函數是match()和re.search()
re.match()簡介
格式：re.match(pattern,string,flag=0),
第一個參數pattern用於傳入需要匹配的模式定義字符串
第二個參數string用於傳入被匹配和檢查的字符串內容
第三個flag用於傳入標識，如是否區分大小寫
例1：
import re
print(re.match("\d\d\d\d-\d\d-\d\d","2018-03-09"))
運行結果：<_sre.SRE_Match object; span=(0, 10), match=‘2018-03-09‘>
代表2018-03-09符合我們定義的日期模式
例2：
import re
print(re.match("\d\d\d\d-\d\d-\d\d","2018-3-9"))
運行結果：NONE
代表不符合
思考一下，如何既滿足符合一個數字的月份和日又符合兩個數字的月份和日（見例3）
例3：
import re
print(re.match("\d\d\d\d-\d{1,2}-\d{1,2}","2018-3-9"))
如果看不懂，請返回到上節8.{}介紹部分
例4：
再思考一下，下面的代碼
import re
print(re.match("\d{4}-\d{1,2}-\d{1,2}","2018-3-9"))
例5：
思考一下，下面的代碼（可先看一下上一節\s和*的含義）
imprt re
print(re.match("\s*\d{4}-\d{1,2}-\d{1,2}"," 2017-05-08")
代碼是為了兼容日期前面如果出現多個空格的情況使用 \s*
例6：
import re
print(re.match("Dehom","Dehom Wang"))
回歸最簡單模式就是字符串本身，這很重要
補充知識:
Python中字符串前面加上 r 表示原生字符串，（r=raw)
Python裏的原生字符串很好地解決了需要\轉義字符這個問題，例如匹配一個數字的"\\d"可以寫成r"\d"。有了原生字符串，不用擔心是不是漏寫了反斜杠，寫出來的表達式也更直觀
python筆記-正則表達式