一篇文章彻底搞懂python正则表达式-偶像资源网

前言

有时候字符串匹配解决不了问题，这个时候就需要正则表达式来处理。因为每一次匹配（比如找以什么开头的，以什么结尾的字符串要写好多个函数）都要单独完成，我们可以给它制定一个规则。

主要应用：爬虫的时候需要爬取各种信息，使用正则表达式可以很方便的处理需要的数据。

1. 正则表达式的基本概念

2. python的正则表达式re模块

import re

匹配过程：r\’imooc\’是原字符串，先生成Pattern对象，从头开始找，得到一个Match（或Search等）实例，最后有一个匹配结果。

# 用find和startswith找字符串
str1 = \'imooc python\'
print(str1.find(\'11\'))
-1
print(str1.find(\'imooc\'))
0
print(str1.startswith(\'imooc\'))
True

使用正则表达式：

import re
pa = re.compile(r\'imooc\')   #  compile生成一个pattern对象，r\'imooc\'读原字符串，否则需要转义
ma = pa.match(str1)  # 匹配不到返回为None，返回一个对象
print(ma)

<re.Match object; span=(0, 5), match=\'imooc\'>

print(ma.group())  # 返回一个字符串或字符串组成的元组ma.groups()
imooc

print(ma.span())  # 返回所在字符串的位置
print(ma.string)  # 返回原字符串
print(ma.re)     # 返回实例

(0, 5)
imooc python
re.compile(\'imooc\')

# 匹配大小写，后面加上大写
pa = re.compile(r\'imooc\', re.I)
print(pa)

re.compile(\'imooc\', re.IGNORECASE)

ma = pa.match(\'imooc python\')
print(ma.group())

imooc
ma = pa.match(\'Imooc python\')
print(ma.group())

Imooc

# 如果只有一个，可以直接生成一个match对象，也可以达到同样的效果
ma = re.match(r\'imooc\', str1)
print(ma)
print(ma.group())

<re.Match object; span=(0, 5), match=\'imooc\'>
imooc

3. 正则表达式语法

基本语法：适用于多种语言。

（1）匹配单个字符

1）\’.\’ 的匹配，可以匹配除了\\n外所有字符

ma = re.match(r\'a\', \'a\')
print(ma.group())

ma = re.match(r\'a\', \'b\')
print(type(ma))  # 再调ma.group()则报错

a
<class \'NoneType\'>

# 用.匹配字符
ma = re.match(r\'.\', \'b\')
print(ma.group())

ma = re.match(r\'.\', \'0\')
print(ma.group())

b
0

# 匹配{}中的字符
ma = re.match(r\'{.}\', \'{0}\')
print(ma.group())
ma = re.match(r\'{..}\', \'{01}\')
print(ma.group())

{0}
{01}

2）[…]匹配字符集

# []匹配字符集
ma = re.match(r\'{[abc]}\', \'{a}\')
print(ma.group())
ma = re.match(r\'{[abc]]}\', \'{d}\')  # 匹配不到，则报错
print(ma.group())
ma = re.match(r\'{[a-z]]}\', \'{d}\')
print(ma.group()) # 匹配a-z中任意一个字符

{a}
{d}

ma = re.match(r\'{[a-zA-Z]}\', \'{A}\')
print(ma.group())

{A}

ma = re.match(r\'{[a-zA-Z0-9]}\', \'{0}\')
print(ma.group())

{0}

3） \\w 匹配a-zA-Z0-9， \\W匹配非单词字符

ma = re.match(r\'{[\\w]}\', \'{A}\')
print(ma.group())

ma = re.match(r\'{[\\w]}\', \'{ }\')
print(ma.group())  # 匹配不到

ma = re.match(r\'{[\\W]}\', \'{ }\')
print(ma.group())

{A}
{ }

4）字符集[]匹配

ma = re.match(r\'[[\\w]]\', \'[a]\')
print(ma.group())  # 匹配不到

# 匹配[]需要加转义\\
ma = re.match(r\'\\[[\\w]\\]\', \'[a]\')
print(ma.group())
[a]

（2）匹配多个字符

1） *匹配

ma = re.match(r\'[A-Z][a-z]\', \'Aa\')
print(ma.group())

ma = re.match(r\'[A-Z][a-z]\', \'A\')
print(ma.group()) # 匹配不到

ma = re.match(r\'[A-Z][a-z]*\', \'Aa\')
print(ma.group())

ma = re.match(r\'[A-Z][a-z]*\', \'Aagfagsagaha\')
print(ma.group())

ma = re.match(r\'[A-Z][a-z]*\', \'Aa123\')
print(ma.group())

Aa
A
Aagfagsagaha
Aa

2）+匹配

# 匹配下划线或字符开头的无限次
ma = re.match(r\'[_a-zA-Z]+[_\\w]*\', \'10\')
print(ma.group())   # 匹配不到
ma = re.match(r\'[_a-zA-Z]+[_\\w]*\', \'_hte10\')
print(ma.group())

_hte10

3）？匹配

# 匹配0-99，01则不对
 ma = re.match(r\'[1-9]?[0-9]\', \'90\')
print(ma.group())

ma = re.match(r\'[1-9]?[0-9]\', \'9\')
print(ma.group())

ma = re.match(r\'[1-9]?[0-9]\', \'09\')
print(ma.group())  # 只匹配到0

90
9
0

4）{m} / {mn}匹配

# 匹配邮箱，匹配6次
ma = re.match(r\'[a-zA-Z0-9]{6}\', \'abc123\')
print(ma.group())

abc123
ma = re.match(r\'[a-zA-Z0-9]{6}\', \'abc12\')
print(ma.group()) # 少一个则匹配不到

ma = re.match(r\'[a-zA-Z0-9]{6}\', \'abc1234\')
print(ma.group()) # 多则匹配前6个

abc123

ma = re.match(r\'[a-zA-Z0-9]{6}@163.com\', \'abc123@163.com\')
print(ma.group())

abc123@163.com

# 匹配6-10位的邮箱
ma = re.match(r\'[a-zA-Z0-9]{6, 10}@163.com\', \'abc123@163.com\')
print(ma.group())

4）*？ /+？ /??匹配 (尽可能少匹配)

ma = re.match(r\'[0-9][a-z]*\', \'1abc\')
print(ma.group())

ma = re.match(r\'[0-9][a-z]*?\', \'1abc\')
print(ma.group())  # 只匹配1

1abc
1

ma = re.match(r\'[0-9][a-z]+?\', \'1abc\')
print(ma.group()) # 只匹配一次

1a

（3）边界匹配

ma = re.match(r\'[\\w]{4,10}@163.com\', \'imooc@163.com\')
print(ma.group())

imooc@163.com

ma = re.match(r\'[\\w]{4,10}@163.com\', \'imooc@163.comabc\')  # 后面加上abc,match从头开始匹配，则可以找到
print(ma.group())

imooc@163.com

ma = re.match(r\'[\\w]{4,10}@163.com&\', \'imooc@163.comabc\')
print(ma.group())  # 匹配不到
ma = re.match(r\'^[\\w]{4,10}@163.com&\', \'imooc@163.comabc\')
print(ma.group())  # 匹配不到
ma = re.match(r\'^[\\w]{4,10}@163.com&\', \'imooc@163.com\')
print(ma.group())  # 加上^和$,限制开头结尾

imooc@163.com

# 指定开头结尾
ma = re.match(r\'\\Aimooc[\\w]*\', \'imoocpython\')
print(ma.group())
ma = re.match(r\'\\Aimooc[\\w]*\', \'iimoocpython\')
print(ma.group())  # 匹配不到

imoocpython

（4）分组匹配

这里不再举例。

4. re模块相关方法使用

以上举例都是match，从头到尾匹配，查找子串就不合适了

# 在一个字符串中查找匹配
1:search(pattern, string, flags=0)

# 找到匹配，返回所有匹配部分的列表
2:findall(pattern, string, flags=0)

# 将字符串中匹配正则表达式得部分替换为其它,repl可以替换函数
3:sub(pattern, repl, string, count=0, flags=0)

# 根据匹配分割字符串，返回分割字符串组成的列表
4:split(pattern, string, maxsplit=0, flags=0)

# search
import re
str1 = \'imooc videonum = 1000\'
print(str1.find(\'1000\'))  # 数字改变则失效

17

info = re.search(r\'\\d+\', str1)
print(info.group())

1000

str1 = \'imooc videonum = 10000\'
info = re.search(r\'\\d+\', str1)
print(info.group())

10000

# findall
# 当有多个数字时

str2 = \'a=100, b=200, c=300\'
info = re.search(r\'\\d+\', str2)
print(info.group())

100

info = re.findall(r\'\\d+\', str2)
print(info.group())

[100, 200, 300]

# sub 替换
str3 = \'imooc videonum = 1000\'
info = re.sub(r\'\\d+\', \'1001\', str3)
print(info)

imooc videonum = 1001

# split
# 分割
str3 = \'imooc：C C++ Java\'
print(re.split(r\':| \', str4))

[imooc, C, C, Java]

以上即为python中的正则表达式的一些知识总结。

总结

版权声明 1 本网站名称：偶像资源网
2 本站永久网址：https://www.ox520.com
3 本网站的文章部分内容可能来源于网络，仅供大家学习与参考，如有侵权，请联系站长 QQ593098775进行删除处理。
4 本站一切资源不代表本站立场，并不代表本站赞同其观点和对其真实性负责。
5 本站一律禁止以任何方式发布或转载任何违法的相关信息，访客发现请向站长举报
6 本站资源大多存储在云盘，如发现链接失效，请联系我们我们会第一时间更新。

THE END