十分钟python入门 正则表达式

正则常见的三种功能,它们分别是:校验数据的有效性、查找符合要求的文本以及对文本进行切割和替换等操作。

1.元字符

所谓元字符就是指那些在正则表达式中具有特殊意义的专用字符

元字符大致分成这几类:表示单个特殊字符的,表示空白符的,表示某个范围的,表示次数的量词,另外还有表示断言的

1.1特殊单字符

英文的点(.)表示换行以外的任意单个字符,d 表示任意单个数字,w 表示任意单个数字或字母或下划线,s 表示任意单个空白符。另外,还有与之对应的三个 D、W 和 S,分别表示着和原来相反的意思

import re

#匹配所有数字

txt = "123d5sdf23"
result = re.findall('d', txt)
print(result)
#输出:['1', '2', '3', '5', '2', '3']
#匹配所有的数字、字母和下划线

txt = 'sdfw234_sdf12'
result = re.findall('w', txt)
print(result)
#输出:['s', 'd', 'f', 'w', '2', '3', '4', '_', 's', 'd', 'f', '1', '2']

1.2. 空白符

不同的系统在每行文本结束位置默认的“换行”会有区别。比如在 Windows 里是 rn,在 Linux 和 MacOS 中是 n

r 回车符

n 换行符

f 换页符

t 制表符

v 垂直制表符

s 任意空白字符

#获取每一行的开头
f = open('hello.txt', 'r', encoding='utf-8')
txt = f.read()
print(txt)
#输出:
#小明
#小红
#小月
result = re.findall('nw*', txt)
print(result)
#输入:['n小红', 'n小月']

1.3. 量词

在正则中,英文的星号(*)代表出现 0 到多次,加号(+)代表 1 到多次,问号(?)代表 0 到 1 次,{m,n}代表 m 到 n 次

* :0到多次

+ :1到多次

?:0到1次

{m}:出现m次

{m,} :出现至少m次

{m,n} :m到n次

#寻找3个数字组合
txt = '123 1 sfd 2342 aa 23g 342'
result = re.findall('d{3}s', txt)
print(result)
#输出:['123 ', '342 ']

4. 范围

| :或,如ab|bc 代表ab或者bc

[...] :多选一,括号中任意单个元素

[a-z]:匹配a-z之间任意单个元素

[^...] :取反,不能包括括号中的任意单个元素


#某个资源可能以 http:// 开头,或者 https:// 开头,也可能以 ftp:// 开头
txt = 'http://www.baidu.com'
result = re.match('(https?|ftp)://', txt)
print(result.span())
#输出:(0, 7)

2.量词与贪婪

2.1 贪婪模式

在正则中,表示次数的量词默认是贪婪的,在贪婪模式下,会尝试尽可能最大长度去匹配

#贪婪匹配
txt = 'aaabb'
result = re.findall(r'a*', txt)
print(result)
#输出:['aaa', '', '', '']

a* 在匹配开头的 a 时,会尝试尽量匹配更多的 a,直到第一个字母 b 不满足要求为止,匹配上三个 a,后面每次匹配时都得到了空字符串。

贪婪模式的特点就是尽可能进行最大长度匹配。

2.2 非贪婪模式

量词后面加上英文的问号 (?),正则就变成了 a*?,这就是非贪婪模式

#非贪婪匹配
txt = 'aaabb'
result = re.findall(r'a*?', txt)
print(result)
#输出:['', 'a', '', 'a', '', 'a', '', '', '']

非贪婪模式会尽可能短地去匹配

3.函数

3.1findall() 函数

findall() 函数返回包含所有匹配项的列表。

#findall() 这个列表以被找到的顺序包含匹配项

txt = "China is a great country"
x = re.findall("China", txt)
print(x)
#输出:['China']

3.2 search() 函数

search() 函数搜索字符串中的匹配项,如果存在匹配则返回 Match 对象。

如果有多个匹配,则仅返回首个匹配项,如果未找到匹配,则返回值 None

#search() 函数搜索字符串中的匹配项,如果存在匹配则返回 Match 对象
txt = "China is a great country"
x = re.search(r"s", txt)

print("第一个空格位置", x.start())
#输出:第一个空格位置 5

3.3 split() 函数

split() 函数返回一个列表,其中字符串在每次匹配时被拆分:

#spilt 分割
txt = "China is a great country"
x = re.split(r"s", txt)
print(x)
#输出:['China', 'is', 'a', 'great', 'country']

通过指定 maxsplit 参数来控制出现次数:

#通过指定 maxsplit 参数来控制出现次数:
txt = "China is a great country"
x = re.split(r"s", txt, 2)
print(x)
['China', 'is', 'a great country']

3.4 sub() 函数

sub() 函数把匹配替换为您选择的文本:

#sub() 函数把匹配替换为您选择的文本:
txt = "China is a great country"
x = re.sub("is", "IS", txt)
print(x)
#输出:China IS a great country

3.5 Match 对象

Match 对象是包含有关搜索和结果信息的对象。

注释:如果没有匹配,则返回值 None,而不是 Match 对象。

Match 对象提供了用于取回有关搜索及结果信息的属性和方法:

  • span() 返回的元组包含了匹配的开始和结束位置
  • .string 返回传入函数的字符串
  • group() 返回匹配的字符串部分
#正则表达式查找以大写 "C" 开头的任何单词
txt = "China is a great country"
x = re.search(r"bCw+", txt)
print(x.span())
#输出:(0, 5)
#打印匹配的字符串部分
print(x.group())
#输出:China

源码下载

若此文档不够详细,​可以参考十分钟学会python_哔哩哔哩_bilibili​