Python正則表達式經典入門教程

2020-01-04 17:12:30

字體：大中小

來源：轉載

供稿：網友

本文實例總結了Python正則表達式基本用法。分享給大家供大家參考，具體如下：

正則表達式在平時做文本處理（爬蟲程序去解析html中的字段，在分析log文件的時候需要抓取一些關鍵數據）的時候經常會用到。一般我們會使用到Python的re庫。如果正則表達式自己代碼中反復被用到的時候，我們可以將這個正則表達式使用re.compile函數轉換成一個object方便調用。

match

將輸入的字符串從第一個字符開始匹配，如果不匹配將會直接返回空。

search

和match不同，search能自由的在字符串中任一開始位置開始匹配，直到匹配上了。

re中的選項

通常在flag里面可以設置.

re.I 忽略掉大小寫
re.L 讓/w,/W,/b,/B,/s和/S做本地化識別
re.M 當匹配的時候支持多行匹配.
re.DEBUG 顯示正則表達式的調試信息
re.S 讓.號匹配本行的全部字符。

sub 替換

import rephone='188-88-88 # this is my phone number'num = re.sub(r'#.*$','',phone)# num ==188-88-88num = re.sub(r'/D','',phone)# num = 1888888

還能使用這個來做代碼的轉義，有點像在 sublime text里面使用的查找替換。比如說我需要將C語言里面的宏定義轉換成lua里面的變量定義

import reprint( re.sub( r'#define/s+([a-zA-Z_]+)/s+([a-zA-Z_0-9]+)', r'_G./1 = /2', '#define MAX_RECV_SIZE 100' ) )#_G.MAX_RECV_SIZE = 100

subn函數類似，只是能定制替換的次數。

findall

將匹配到的內容返回成一個數組，這個應該是比較常用的方法。

print( re.findall( '/d+', '66,88,88,777' ) )# ['66', '88', '88', '777']

finditer

匹配的內容以迭代器的方式返回，我們可以對這個做循環，返回的時候MatchObject

for num in re.finditer( '/d+', '66,88,88,777' ): print num.group()'''668888777'''

split

re.split(pattern, string, maxsplit=0, flags=0) >>> re.split(',', 'Words, words, words.')['Words', ' words', ' words.']>>> re.split('/W+', 'Words, words, words.')['Words', 'words', 'words', '']>>> re.split('(/W+)', 'Words, words, words.')['Words', ', ', 'words', ', ', 'words', '.', '']

大寫的/W表示了非字串，這個在語法里面可以查到。如果加了括號，將不會省略掉匹配到的split的字串。最后這個在數組中作為字串分隔符的,.都被保留在數組中了。

escape

這個函數是一個輔助函數，當大量編寫正則表達式的時候，可能我們固定的一些字串中包含了正則的保留字串，但是我們不需要讓程序當它是re表達式的時候，可以使用這個函數將字串做轉換。

re.escape('1234@gmail.com')# result1234//@gmai//.com

備注語法：

模式	描述
^	匹配字符串的開頭
$	匹配字符串的末尾。
.	匹配任意字符，除了換行符，當re.DOTALL標記被指定時，則可以匹配包括換行符的任意字符。
[…]	用來表示一組字符,單獨列出：[amk] 匹配 ‘a'，'m'或'k'
[^…]	不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。
re*	匹配0個或多個的表達式。
re+	匹配1個或多個的表達式。
re?	匹配0個或1個由前面的正則表達式定義的片段，非貪婪方式re{ n}
re{ n,}	精確匹配n個前面表達式。
re{ n, m}	匹配 n 到 m 次由前面的正則表達式定義的片段，貪婪方式a
(re)	G匹配括號內的表達式，也表示一個組
(?imx)	正則表達式包含三種可選標志：i, m, 或 x 。只影響括號中的區域。
(?-imx)	正則表達式關閉 i, m, 或 x 可選標志。只影響括號中的區域。
(?: re)	類似 (…), 但是不表示一個組
(?imx: re)	在括號中使用i, m, 或 x 可選標志
(?-imx: re)	在括號中不使用i, m, 或 x 可選標志
(?#…)	注釋.
(?= re)	前向肯定界定符。如果所含正則表達式，以 … 表示，在當前位置成功匹配時成功，否則失敗。但一旦所含表達式已經嘗試，匹配引擎根本沒有提高；模式的剩余部分還要嘗試界定符的右邊。
(?! re)	前向否定界定符。與肯定界定符相反；當所含表達式不能在字符串當前位置匹配時成功
(?> re)	匹配的獨立模式，省去回溯。
/w	匹配字母數字
/W	匹配非字母數字
/s	匹配任意空白字符，等價于 [/t/n/r/f].
/S	匹配任意非空字符
/d	匹配任意數字，等價于 [0-9].
/D	匹配任意非數字
/A	匹配字符串開始
/Z	匹配字符串結束，如果是存在換行，只匹配到換行前的結束字符串。c
/z	匹配字符串結束
/G	匹配最后匹配完成的位置。
/b	匹配一個單詞邊界，也就是指單詞和空格間的位置。例如， ‘er/b' 可以匹配”never” 中的 ‘er'，但不能匹配 “verb” 中的 ‘er'。
/B	匹配非單詞邊界。'er/B' 能匹配 “verb” 中的 ‘er'，但不能匹配 “never” 中的 ‘er'。
/n, /t, 等.	匹配一個換行符。匹配一個制表符。等
/1…/9	匹配第n個分組的子表達式。
/10	匹配第n個分組的子表達式，如果它經匹配。否則指的是八進制字符碼的表達式。