正则表达式（Regular Experssion）使⽤单个字符串来描述、匹配⼀系列匹配某个句法规则的字符串，通常被⽤来检索、替换那些匹配某个模式的⽂本。
正则表达式匹配规则
单字符匹配规则：
| 字符 |
功能 |
| . |
匹配任意1个字符，除了\n换行符 |
| [] |
匹配[]中列举的字符 |
| \d |
匹配数字，即0-9 |
| \D |
匹配非数字 |
| \s |
匹配空白，即空格或tab键 |
| \S |
匹配非空白 |
| \w |
匹配单词字符，及a-z，A-Z，0-9，_ |
| \W |
匹配非单词字符 |
多个字符匹配规则：
| 字符 |
功能 |
| * |
匹配前⼀个字符出现0次或者⽆限次，即可有可⽆ |
| + |
匹配前⼀个字符出现1次或者⽆限次，即⾄少有1次 |
| ? |
匹配前⼀个字符出现1次或者0次，即要么有1次，要么没有 |
| {m} |
匹配前⼀个字符出现m次 |
| {m,} |
匹配前⼀个字符⾄少出现m次 |
| {m,n} |
匹配前⼀个字符出现从m到n次 |
表示边界的规则：
| 字符 |
功能 |
| ^ |
匹配字符串开头 |
| $ |
匹配字符串结尾 |
| \b |
匹配⼀个单词的边界 |
| \B |
匹配⾮单词边界 |
匹配分组：
可以用圆括号将要提取的数据包住，通过 .group()获取
| 字符 |
功能 |
| | |
匹配左右任意⼀个表达式 |
| (ab) |
将括号中字符作为⼀个分组 |
| \num |
引⽤分组num匹配到的字符串 |
| (?P) |
分组起别名 |
| (?P=name) |
引⽤别名为name分组匹配到的字符串 |
注意的知识点：
- Python中字符串前面加上r表示原生字符串，这样针对转义字符串就不用加”"了，不用担心是否漏写”"了。
1
2
3
4
5
6
| >>> ret = re.match("c:\\\\a",mm).group()
>>> print(ret)
c:\a
>>> ret = re.match(r"c:\\a",mm).group()
>>> print(ret)
c:\a
|
- python的贪婪模式
Python⾥数量词默认是贪婪的，总是尝试匹配尽可能多的字符；正则表达式模式中使⽤到通配字，那它在从左到右的顺序求值时，会尽量“抓取”满⾜匹配最⻓字符串
解决⽅式：⾮贪婪操作符“？”，这个操作符可以⽤在”*”,”+”,”?”,”{m,n}”的后⾯，要求正则匹配的越少越好。1
2
3
4
| >>> re.match(r"aa(\d+)","aa2343def").group(1)
'2343'
>>> re.match(r"aa(\d+?)","aa2343def").group(1)
'2'
|
Python之re模块的使用
在Python使用正则表达式，可调用re模块。
match方法
使用match方法进行匹配，若字符串匹配正则表达式，则match方法返回匹配对象，否则返回None（注意不是空字符串””）。匹配对象具有group方法，用来返回字符串的匹配部分。
re.match() 能够匹配出以xxx开头的字符串，即从头开始匹配字符串。
1
2
3
4
5
|
result = re.match(正则表达式,要匹配的字符串)
result.group()
|
1
2
3
4
5
6
7
8
9
10
| >>> result = re.match("\w*","Python666@126.com")
>>> result.group()
'Python666'
>>> ret = re.match("(\w*)@(\d*)","Python666@126.com")
>>> ret.group(1)
'Python666'
>>> ret.group(2)
'126'
>>> re.match(r"(\w*://[\w\.]*/)","https://movie.douban.com/cinema/nowplaying/beijing/").group(1)
'https://movie.douban.com/'
|
search方法
返回一个对象，可用group()取值。
1
2
3
4
5
| >>> ret = re.search(r"\d+", "阅读次数为 999")
>>> ret.group()
'999'
>>> re.search(r"\d+\.?\d*","Zero-point energy E_ZPE (eV): 0.45747").group()
'0.45747'
|
findall方法
返回包含匹配到的所有字符串的一个列表。
1
2
3
| >>> ret = re.findall(r"\d+", "python = 999, c = 890, c++ = 1245")
>>> print(ret)
['999', '890', '1245']
|
sub方法
re.sub(正则表达式, 替换字符串, 要匹配的字符串)，返回替换后的整个字符串。
1
2
3
| >>> ret = re.sub(r"\d+", '520', "python = 996")
>>> ret
'python = 520'
|
1
2
3
4
5
6
7
8
9
10
| >>> import re
>>> def add(temp):
... strNum = temp.group()
... num = int(strNum) + 2
... return str(num)
...
>>> ret = re.sub(r"\d+", add, "python = 997")
>>> ret
'python = 999'
>>>
|
split方法
根据匹配进⾏切割字符串，并返回⼀个列表
1
2
3
| >>> ret = re.split(r"：| ","个人信息：吒儿 3岁 陈塘关")
>>> ret
['个人信息', '吒儿', '3岁', '陈塘关']
|
compile方法
对于经常要用到的正则表达式，可以使用compile进行编译，后期可以直接调用。
1
2
3
4
| >>> text = "Zero-point energy E_ZPE (eV): 0.45747"
>>> digit = re.compile('\d+\.?\d*')
>>> re.search(digit,text).group()
'0.45747'
|
compile可以指定flag=re.VERBOSE，在写正则表达式时可以添加注释。在写多行的正则表达式时，可以用左右各三个双引号引起来。
1
2
3
4
5
6
7
8
| text = "Zero-point energy E_ZPE (eV): 0.45747"
digit = re.compile(r"""
\d+ # 小数点前面的数字
\.? # 小数点本身
\d* # 小数点后面的数字
""",re.VERBOSE)
result = re.search(digit,text)
print(result.group())
|