Python_基礎_(正表示式)
阿新 • • 發佈：2018-12-18
一，正則表示式
普通的匹配都為完全匹配
正則表示式為模糊匹配
## 元字元
. ^ $ * + ? {} [] () \
### .:一個點代表匹配一個字元 >>> re.findall("he..o","abchelloabc") ['hello'] >>>
### ^:在字串的開頭進行匹配， >>> re.findall("^hello","ahello") [] >>> re.findall("^hello","helloabc") ['hello'] >>>
### $:以什麼進行結尾 >>> re.findall("hello$","abchello") ['hello'] >>>
### *：按著挨著的字元進行重複(0~無窮) >>> re.findall("o*","helloworldoooooaooo") ['', '', '', '', 'o', '', 'o', '', '', '', 'ooooo', '', 'ooo', ''] >>>
### +：按著挨著的字元進行重複(1~無窮) 至少有一個，貪婪匹配>>> re.findall("o+","helloworldoooooaooo") ['o', 'o', 'ooooo', 'ooo'] >>> >>> re.findall("hello+","helloworldoooooaooo") ['hello'] >>>
### ?：按著挨著的字元進行重複(1~0) ，最多為1個 >>> re.findall("o?","helloworldoooooaooo") ['', '', '', '', 'o', '', 'o', '', '', '', 'o', 'o', 'o', 'o', 'o', '', 'o', 'o', 'o', ''] >>> >>> re.findall("hello?","helloworldoooooaooo") ['hello'] >>>
{}：可以表示前面三種的情況 {0,} == * {1,} == + {0,1} == ? {6}表示可以重複6次 {1，6}表示可以重複1~6中任意的次數
### 將貪婪匹配變成惰性匹配, ### 在原本*號的後面加上一個?，將貪婪匹配變成惰性匹配 >>> re.findall("hello*?","abchelloabc") ['hell'] >>> >>> re.findall("hello+?","abchelloabc") ['hello'] >>>
# 元字符集[] >>> re.findall("x[yz]","xyssssssxzjxpjjjj") ['xy', 'xz'] >>> >>> re.findall("x[yzp]","xyssssssxzjxpjjjj") ['xy', 'xz', 'xp'] >>>
注：元字符集中的符號大多數為普通符號 如 * + ? ### 元字符集中有特殊意義的為 - ^ \ ### 一個星只匹配一個符號 >>> re.findall("g[e*x]","fefefalgeeexxxx") ['ge'] >>>
### []與- #[a-z]匹配a~z中的一個元素 >>> re.findall("g[a-z]","feaafgua") ['gu'] >>> >>> re.findall("g[a-z]*","feaafgua") ['gua'] >>>
### [0-9]匹配0~9 >>> re.findall("g[0-9]*","abcg123") ['g123'] >>>
### []與^與- ### 注：^表示的是非的意思 ### 匹配非0~9的字元 >>> re.findall("g[^0-9]","feaafgua") ['gu'] >>>
### 匹配非a~z的字元 >>> re.findall("g[^a-z]*","feaafg4415ua") ['g4415'] >>> re.findall("g[^a-z]*","feaafg44s15ua") ['g44'] >>>
### 元字元轉義字元 \ ### \d 匹配任何的十進位制數 >>> re.findall("\d","12+(23+34)") ['1', '2', '2', '3', '3', '4'] >>> re.findall("\d+","12+(23+34)") ['12', '23', '34'] >>>
### \D 匹配任何非數字字元 >>> re.findall("\D","12+(23+34)") ['+', '(', '+', ')'] >>>
### \s 匹配任何空白字元 >>> re.findall("\s","hello world") [' '] >>>
### \S 匹配任何非空白字元 >>> re.findall("\S","hello world") ['h', 'e', 'l', 'l', 'o', 'w', 'o', 'r', 'l', 'd'] >>> re.findall("\S+","hello world") ['hello', 'world'] >>>
### \w 匹配任何字母，數字字元 相當於a-z A-Z 0-9 >>> re.findall("\w","hello world111") ['h', 'e', 'l', 'l', 'o', 'w', 'o', 'r', 'l', 'd', '1', '1', '1'] >>> re.findall("\w+","hello world111") ['hello', 'world111'] >>> >>> re.findall("\w+","hello world111_+") ['hello', 'world111_'] >>>
### \W 匹配任何非數字，非字母字元 >>> re.findall("\W","abc123?._") ['?', '.'] >>>
### \b 匹配一個特殊字元邊界，比如空格 & # >>> re.findall(r"I\b","hello I am LIST") ['I'] >>> >>> re.findall("I\\b","hello I am LIST") ['I'] >>>
### 元字元之| |：俗稱管道符 >>> re.findall("ka|b","asdffka|b") ['ka', 'b'] >>> re.findall("ka|b","asdffkab") ['ka', 'b'] >>>
### 元字元之分組() 注：search() # 匹配字串，只要匹配到一個就不再往下匹配 >>> re.findall("\d+","fadf55adfa85af58") ['55', '85', '58'] >>> re.search("\d+","fdfd58fdfd11df5df") <_sre.SRE_Match object at 0x028EFA68> # 得到的是一個物件 >>> re.search("\d+","fdfd58fdfd11df5df").group() # 利用group得出結果 '58' >>> >>> re.search("[a-z]+","123hello123abc").group() 'hello' >>>
### (?P<id>[a-z]+)自定義一個分組，分組名稱為id >>> re.search("(?P<id>[a-z]+)","123hello123abc").group() 'hello' >>> >>> re.search("(?P<id>[a-z]+)\d","123hello123abc").group() 'hello1' >>> >>> re.search("(?P<id>[a-z]+)\d+","123hello123abc").group() 'hello123' >>> >>> re.search("(?P<id>[a-z]+)\d+","123hello123abc").group("id") 'hello' >>>
## r
re.findall(r"I\b","hello I am LIST")
上方程式碼中 r 表示的作用：加上r表示對所處理的字元不做任何的轉義，因為Python在進行解釋時，會對轉義字元進行轉義，而re模組也會對轉義字元進行轉義，所以會照成干擾，加上r後，Python不對其進行轉義，直接讓re模組進行解釋
\\b：Python對程式進行解釋時，將其轉義為\b，而後re模組對其進行解釋，re表示式只能認為是 \b
r"\\b"：Python對程式進行解釋時，不進行轉義，而直接給re模組進行處理
# 一種不使用 r 的方法 re.findall("c\\\\l") python對其進行轉義，轉義成c\\l # 而後re對其再次進行轉義，轉義成c\l # 所以將\\\\轉義成\
>>> re.findall("I\\\\l","hello I am LI\lST") ['I\\l'] >>> # 注:上方的結果為兩個反斜槓，因為返回到python中時又添加了一個，表示\
\. 表示一個普通點
\* 表示一個普通*
## re中常用的方法
#1 findall
#2 search
#3 match("a","abc").group() # 用法與search，不同於match只取頭
#4 >>> re.split("[ab]","abcd") # 先按a進行分割，得到''和'bcd'，再將''和'bcd’按b進行分割 ['', '', 'cd']
#5 sub替換，具有三個引數 >>> re.sub("\d+","A","hello1998World") # 將其中的數字替換為A 'helloAWorld' >>> re.sub("\d","A","hello1998World") # 將其中的每個數字替換為A 'helloAAAAWorld' >>> re.sub("\d","A","hello1998World",2) # 後加引數2，匹配前兩個數字 'helloAA98World'
#6 >>> re.subn("\d","A","hello1998World") # 輸出匹配後的內容與匹配的次數 ('helloAAAAWorld', 4)
#7 com = re.compile("\d") # 將要匹配的規則存到com中 # 可以重複使用com >>> com = re.compile("\d") >>> com.findall("dfadfd1fwe33adf") ['1', '3', '3']
#8 >>> re.finditer("\d+","efwerfqw1212rtfgwe4454") <callable-iterator object at 0x03008170> >>> # 與findall區別是返回一個迭代器物件 # 好處：當處理大量資料是，不需要將所有的資料全部存放到記憶體中，而是存放到迭代器中 >>> ret = re.finditer("\d+","efwerfqw1212rtfgwe4454") >>> next(ret).group() # 用next讀取 '1212' >>> next(ret).group() '4454' >>>
# 注注：當使用分組時，re預設會將括號中分組的內容優先拿出，如下所示 >>> re.findall("www\.(baidu|sina)\.com","www.baidu.com") ['baidu']
# 去優先順序：加上?: >>> re.findall("www\.(?:baidu|sina)\.com","www.baidu.com") ['www.baidu.com']
# 補充 >>> re.findall("(abc)+","abcabcabc") # 括號有優先順序，只顯示一個 ['abc'] >>> re.findall("(?:abc)+","abcabcabc") # 用?:取消優先順序 ['abcabcabc']