Python正則表達式

正則作為處理字符串的一個實用工具，在Python中經常會用到，比如爬蟲爬取數據時常用正則來檢索字符串等等。正則表達式已經內嵌在Python中，通過導入re模塊就可以使用，作為剛學Python的新手大多數都聽說”正則“這個術語。

一、re模塊

在講正則表達式之前，我們首先得知道哪里用得到正則表達式。正則表達式是用在findall()方法當中，大多數的字符串檢索都可以通過findall()來完成。

1.導入re模塊

在使用正則表達式之前，需要導入re模塊。

import re	

2.findall（）的語法：

導入了re模塊之后就可以使用findall（）方法了，那么我們必須要清楚findall（）的語法是怎么規定的。

findall(正則表達式，目標字符串)

不難看出findall（）的是由正則表達式和目標字符串組成，目標字符串就是你要檢索的東西，那么如何檢索則是通過正則表達式來進行操作，也就是我們今天的重點。

使用findall（）之后返回的結果是一個列表，列表中是符合正則要求的字符串

二、正則表達式

1.字符串的匹配

1.1普通字符

大多數的字母和字符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']

1.2元字符

元字符指的是. ^ $ ? + {} \ []之類的特殊字符，通過它們我們可以對目標字符串進行個性化檢索，返回我們要的結果。

這里我給大家介紹10個常用的元字符以及它們的用法，這里我先給大家做1個簡單的匯總，便于記憶，下面會挨個講解每一個元字符的使用。

（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" #這里暫時先用這種麻煩點的方法，后面有更容易的，不用敲這么多[1-6]
l = re.findall(rule,s)
print(l)

輸出結果為：

['a123456b']

• 可以表示一個范圍。

例如要在字符串"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']

• [] 內的元字符不起作用，只表示普通字符。
  

例如要在字符串“caabcabcaabc”中選出“caa”：

print(re.findall("caa[a，^]", "caa^bcabcaabc"))

輸出結果為：

['caa^']

注意：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）\

​ 反斜杠后面可以加不同的字符表示不同的特殊含義，常見的有以下3種。

• \d:匹配任何十進制數等價于[0-9]

print(re.findall("c\d\d\da", "abc123abc"))

輸出結果為：

['c123a']

\可以轉義成普通字符，例如：

print(re.findall("\^abc", "^abc^abc"))

輸出結果：

['^abc', '^abc']

• s
  

匹配任何的空白字符例如：

print(re.findall("\s\s", "a     c"))

輸出結果：

['  ', '  ']

• \w
  

匹配任何字母數字和下劃線，等價于[a-zA-Z0-9_]，例如：

print(re.findall("\w\w\w", "abc12_"))

輸出：

['abc', '12_']

（5）{n}

{n}可以避免重復寫，比如前面我們用\w時寫了3次\w，而這里我們這需要用用上{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（盡可能的多去匹配），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，這里不是很明顯，它用來操作除了換行符以外的任何字符，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']

這里要注意一下貪婪模式和非貪婪模式。

貪婪模式：盡可能多的去匹配數據，表現為\d后面加某個元字符，例如\d*：

print(re.findall("010-\d*", "010-123456789"))

輸出：

['010-123456789']

非貪婪模式：盡可能少的去匹配數據，表現為\d后面加？，例如\d?

print(re.findall("010-\d*?", "010-123456789"))

輸出為：

['010-']

(10) {m,n}

m,n指的是十進制數,表示最少重復m次，最多重復n次，例如：

print(re.findall("010-\d{3,5}", "010-123456789"))

輸出：

['010-12345']

加上？表示盡可能少的去匹配

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,} 相當于前面提過的 + 的效果
• {0，1} 相當于前面提過的 ？ 的效果
• {0，} 相當于前面提過的 * 的效果

關于常用的元字符以及使用方法就先到這里，我們再來看看正則的其他知識。

2、正則的使用

2.1編譯正則

在Python中，re模塊可通過compile() 方法來編譯正則，re.compile(正則表達式),例如：

 s = "010-123456789"
 rule = "010-\d*"
 rule_compile = re.compile(rule) #返回一個對象
 # print(rule_compile)
 s_compile = rule_compile.findall(s)
 print(s_compile) #打印compile()返回的對象是什么

輸出結果：

['010-123456789']

2.2正則對象的使用方法

正則對象的使用方法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，這里我做個簡單的總結：

（1）findall()

找到re匹配的所有字符串，返回一個列表

（2）search()

掃描字符串，找到這個re匹配的位置（僅僅是第一個查到的）

（3）match()

決定re是否在字符串剛開始的位置（匹配行首）

就拿上面的 compile()編譯正則之后返回的對象來做舉例，我們這里不用 findall() ,用 match() 來看一下結果如何：

s = "010-123456789"
rule = "010-\d*"
rule_compile = re.compile(rule)  # 返回一個對象
# print(rule_compile)
s_compile = rule_compile.match(s)
print(s_compile)  # 打印compile()返回的對象是什么

輸出：

re.Match object; span=(0, 13), match='010-123456789'>

可以看出結果是1個match 對象，開始下標位置為0~13，match為 010-123456789 。既然返回的是對象，那么接下來我們來講講這個match 對象的一些操作方法。

2.3Match object 的操作方法

這里先介紹一下方法，后面我再舉例，Match對象常見的使用方法有以下幾個：

（1）group()

返回re匹配的字符串

（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()返回的對象進行操作：

s = "010-123456789"
rule = "010-\d*"
rule_compile = re.compile(rule)  # 返回一個對象
s_compile = rule_compile.match(s)
print(s_compile.span())  #用span()處理返回的對象

結果為：

(0, 13)

2.4re模塊的函數

re模塊中除了上面介紹的findall()函數之外，還有其他的函數，來做一個介紹：

（1）findall()

根據正則表達式返回匹配到的所有字符串，這個我就不多說了，前面都是在介紹它。

（2）sub(正則,新字符串,原字符串)

sub() 函數的功能是替換字符串，例如：

s = "abcabcacc" #原字符串
l = re.sub("abc","ddd",s)   #通過sub()處理過的字符串
print(l)

輸出：

ddddddacc #把abc全部替換成ddd

(3)subn(正則,新字符串,原字符串)

subn()的作用是替換字符串，并返回替換的次數

s = "abcabcacc" #原字符串
l = re.subn("abc","ddd",s)   #通過sub()處理過的字符串
print(l)

輸出：

('bbbbbbacc', 2)

（4）split()

split()分割字符串，例如：

s = "abcabcacc"
l = re.split("b",s)
print(1)

輸出結果：

['a', 'ca', 'cacc']

到此這篇關于帶你精通Python正則表達式的文章就介紹到這了,更多相關Python正則表達式內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！