1. 程式人生 > >python正則表示式總結

python正則表示式總結

1. 正則表示式語法

  1.1 字元與字元類
    1 特殊字元:\.^$?+*{}[]()|
      以上特殊字元要想使用字面值,必須使用\進行轉義
    2 字元類
        1. 包含在[]中的一個或者多個字元被稱為字元類,字元類在匹配時如果沒有指定量詞則只會匹配其中的一個。
      2. 字元類內可以指定範圍,比如[a-zA-Z0-9]表示a到z,A到Z,0到9之間的任何一個字元
      3. 左方括號後跟隨一個^,表示否定一個字元類,比如[^0-9]表示可以匹配一個任意非數字的字元。
      4. 字元類內部,除了\之外,其他特殊字元不再具備特殊意義,都表示字面值。^放在第一個位置表示否定,放在其他位置表示^本身,-放在中間表示範圍,放在字元類中的第一個字元,則表示-本身。

      5. 字元類內部可以使用速記法,比如\d \s \w
    3 速記法
      . 可以匹配除換行符之外的任何字元,如果有re.DOTALL標誌,則匹配任意字元包括換行
      \d 匹配一個Unicode數字,如果帶re.ASCII,則匹配0-9
      \D 匹配Unicode非數字
      \s 匹配Unicode空白,如果帶有re.ASCII,則匹配\t\n\r\f\v中的一個
      \S 匹配Unicode非空白
      \w 匹配Unicode單詞字元,如果帶有re.ascii,則匹配[a-zA-Z0-9_]中的一個
      \W 匹配Unicode非單子字元

  1.2 量詞
    1. ? 匹配前面的字元0次或1次
    2. * 匹配前面的字元0次或多次
    3. + 匹配前面的字元1次或者多次
    4. {m} 匹配前面表示式m次
    5. {m,} 匹配前面表示式至少m次
    6. {,n} 匹配前面的正則表示式最多n次
    7. {m,n} 匹配前面的正則表示式至少m次,最多n次
    注意點:
      以上量詞都是貪婪模式,會盡可能多的匹配,如果要改為非貪婪模式,通過在量詞後面跟隨一個?來實現

  1.3 組與捕獲
    1 ()的作用:
      1. 捕獲()中正則表示式的內容以備進一步利用處理,可以通過在左括號後面跟隨?:來關閉這個括號的捕獲功能
      2. 將正則表示式的一部分內容進行組合,以便使用量詞或者|
    2 反響引用前面()內捕獲的內容:
      1. 通過組號反向引用
        每一個沒有使用?:的小括號都會分配一個組好,從1開始,從左到右遞增,可以通過\i引用前面()內表示式捕獲的內容
      2. 通過組名反向引用前面小括號內捕獲的內容
        可以通過在左括號後面跟隨?P<name>,尖括號中放入組名來為一個組起一個別名,後面通過(?P=name)來引用 前面捕獲的內容。如(? P<word>\w+)\s+(?P=word)來匹配重複的單詞。
    3 注意點:
      反向引用不能放在字元類[]中使用。

   1.4 斷言與標記
    斷言不會匹配任何文字,只是對斷言所在的文字施加某些約束
    1 常用斷言:
      1. \b 匹配單詞的邊界,放在字元類[]中則表示backspace
      2. \B 匹配非單詞邊界,受ASCII標記影響
      3. \A 在起始處匹配
      4. ^ 在起始處匹配,如果有MULTILINE標誌,則在每個換行符後匹配
      5. \Z 在結尾處匹配
      6. $ 在結尾處匹配,如果有MULTILINE標誌,則在每個換行符前匹配
      7. (?=e) 正前瞻
      8. (?!e) 負前瞻
      9. (?<=e) 正回顧
      10.(?<!e) 負回顧
    2 前瞻回顧的解釋
      前瞻: exp1(?=exp2) exp1後面的內容要匹配exp2
      負前瞻: exp1(?!exp2) exp1後面的內容不能匹配exp2
      後顧: (?<=exp2)exp1 exp1前面的內容要匹配exp2
      負後顧: (?<!exp2)exp1 exp1前面的內容不能匹配exp2
      例如:我們要查詢hello,但是hello後面必須是world,正則表示式可以這樣寫:"(hello)\s+(?=world)",用來匹配"hello wangxing"和"hello world"只能匹配到後者的hello

  1.5 條件匹配
    (?(id)yes_exp|no_exp):對應id的子表示式如果匹配到內容,則這裡匹配yes_exp,否則匹配no_exp

  1.6 正則表示式的標誌
    1. 正則表示式的標誌有兩種使用方法
      1. 通過給compile方法傳入標誌引數,多個標誌使用|分割的方法,如re.compile(r"#[\da-f]{6}\b", re.IGNORECASE|re.MULTILINE)
      2. 通過在正則表示式前面新增(?標誌)的方法給正則表示式新增標誌,如(?ms)#[\da-z]{6}\b
    2. 常用的標誌
      re.A或者re.ASCII, 使\b \B \s \S \w \W \d \D都假定字串為假定字串為ASCII
      re.I或者re.IGNORECASE 使正則表示式忽略大小寫
      re.M或者re.MULTILINE 多行匹配,使每個^在每個回車後,每個$在每個回車前匹配
      re.S或者re.DOTALL 使.能匹配任意字元,包括回車
      re.X或者re.VERBOSE 這樣可以在正則表示式跨越多行,也可以添加註釋,但是空白需要使用\s或者[ ]來表示,因為預設的空白不再解釋。如:
        re.compile(r"""
          <img\s +) #標籤的開始
          [^>]*? #不是src的屬性
          src= #src屬性的開始
          (?:
          (?P<quote>["']) #左引號
          (?P<image_name>[^\1>]+?) #圖片名字
          (?P=quote) #右括號
          """,re.VERBOSE|re.IGNORECASE)

2. Python正則表示式模組
  2.1 正則表示式處理字串主要有四大功能
    1. 匹配 檢視一個字串是否符合正則表示式的語法,一般返回true或者false
    2. 獲取 正則表示式來提取字串中符合要求的文字
    3. 替換 查詢字串中符合正則表示式的文字,並用相應的字串替換
    4. 分割 使用正則表示式對字串進行分割。
  2.2 Python中re模組使用正則表示式的兩種方法
    1. 使用re.compile(r, f)方法生成正則表示式物件,然後呼叫正則表示式物件的相應方法。這種做法的好處是生成正則物件之後可以多次使用。
    2. re模組中對正則表示式物件的每個物件方法都有一個對應的模組方法,唯一不同的是傳入的第一個引數是正則表示式字串。此種方法適合於只使用一次的正則表示式。
  2.3 正則表示式物件的常用方法
    1. rx.findall(s,start, end):
      返回一個列表,如果正則表示式中沒有分組,則列表中包含的是所有匹配的內容,
      如果正則表示式中有分組,則列表中的每個元素是一個元組,元組中包含子分組中匹配到的內容,但是沒有返回整個正則表示式匹配的內容
    2. rx.finditer(s, start, end):
      返回一個可迭代物件
      對可迭代物件進行迭代,每一次返回一個匹配物件,可以呼叫匹配物件的group()方法檢視指定組匹配到的內容,0表示整個正則表示式匹配到的內容
    3. rx.search(s, start, end):
      返回一個匹配物件,倘若沒匹配到,就返回None
      search方法只匹配一次就停止,不會繼續往後匹配
    4. rx.match(s, start, end):
      如果正則表示式在字串的起始處匹配,就返回一個匹配物件,否則返回None
    5. rx.sub(x, s, m):
      返回一個字串。每一個匹配的地方用x進行替換,返回替換後的字串,如果指定m,則最多替換m次。對於x可以使用/i或者/g<id>id可以是組名或者編號來引用捕獲到的內容。
      模組方法re.sub(r, x, s, m)中的x可以使用一個函式。此時我們就可以對捕獲到的內容推過這個函式進行處理後再替換匹配到的文字。
    6. rx.subn(x, s, m):
      與re.sub()方法相同,區別在於返回的是二元組,其中一項是結果字串,一項是做替換的個數。
    7. rx.split(s, m):分割字串
      返回一個列表
      用正則表示式匹配到的內容對字串進行分割
      如果正則表示式中存在分組,則把分組匹配到的內容放在列表中每兩個分割的中間作為列表的一部分,如:
      rx = re.compile(r"(\d)[a-z]+(\d)")
      s = "ab12dk3klj8jk9jks5"
      result = rx.split(s)
      返回['ab1', '2', '3', 'klj', '8', '9', 'jks5']
    8. rx.flags():正則表示式編譯時設定的標誌
    9. rx.pattern():正則表示式編譯時使用的字串
  2.4 匹配物件的屬性與方法
    01. m.group(g, ...)
      返回編號或者組名匹配到的內容,預設或者0表示整個表示式匹配到的內容,如果指定多個,就返回一個元組
    02. m.groupdict(default)
      返回一個字典。字典的鍵是所有命名的組的組名,值為命名組捕獲到的內容
      如果有default引數,則將其作為那些沒有參與匹配的組的預設值。
    03. m.groups(default)
      返回一個元組。包含所有捕獲到內容的子分組,從1開始,如果指定了default值,則這個值作為那些沒有捕獲到內容的組的值
    04. m.lastgroup()
      匹配到內容的編號最高的捕獲組的名稱,如果沒有或者沒有使用名稱則返回None(不常用)
    05. m.lastindex()
      匹配到內容的編號最高的捕獲組的編號,如果沒有就返回None。
    06. m.start(g):
      當前匹配物件的子分組是從字串的那個位置開始匹配的,如果當前組沒有參與匹配就返回-1
    07. m.end(g)
      當前匹配物件的子分組是從字串的那個位置匹配結束的,如果當前組沒有參與匹配就返回-1
    08. m.span()
      返回一個二元組,內容分別是m.start(g)和m.end(g)的返回值
    09. m.re()
      產生這一匹配物件的正則表示式
    10. m.string()
      傳遞給match或者search用於匹配的字串
    11. m.pos()
      搜尋的起始位置。即字串的開頭,或者start指定的位置(不常用)
    12. m.endpos()
      搜尋的結束位置。即字串的末尾位置,或者end指定的位置(不常用)
  2.5 總結
    1. 對於正則表示式的匹配功能,Python沒有返回true和false的方法,但可以通過對match或者search方法的返回值是否是None來判斷
    2. 對於正則表示式的搜尋功能,如果只搜尋一次可以使用search或者match方法返回的匹配物件得到,對於搜尋多次可以使用finditer方法返回的可迭代物件來迭代訪問
    3. 對於正則表示式的替換功能,可以使用正則表示式物件的sub或者subn方法來實現,也可以通過re模組方法sub或者subn來實現,區別在於模組的sub方法的替換文字可以使用一個函式來生成
    4. 對於正則表示式的分割功能,可以使用正則表示式物件的split方法,需要注意如果正則表示式物件有分組的話,分組捕獲的內容也會放到返回的列表中