python3正则表达式 – Python3教程

上一章Python教程请查看：python3 @property的用法

在本教程中，你将了解正则表达式(RegEx)，并使用Python的re模块使用RegEx(通过示例的帮助你理解)。

正则表达式(RegEx)是定义搜索模式的字符序列，例如：

^a...s$

上面的代码定义了一个RegEx模式，这个模式是：任何五个字母的字符串，以a开头，以s结尾。

使用RegEx定义的模式可用于匹配字符串。

Python有一个名为re的模块来处理RegEx，这里有一个例子:

import re
pattern = '^a...s$'
test_string = 'abyss'
result = re.match(pattern, test_string)
if result:
  print("搜索成功")
else:
  print("搜索失败") 

这里，我们使用re.match()函数来搜索test_string中的模式，如果搜索成功，该方法将返回一个匹配对象，如果没有，则返回None。

在re模块中还定义了其他几个函数来使用RegEx，在探讨这个问题之前，让我们先了解一下正则表达式本身。

使用RegEx指定模式

要指定正则表达式，需要使用元字符，在上面的例子中，^和$是元字符。

元字符

元字符是由RegEx引擎以特殊方式解释的字符。以下是元字符列表：

[] . ^ $ * + ？{} () \ |

 [] -方括号

方括号指定要匹配的一组字符。

在这里，如果要匹配的字符串包含任何a、b或c，则[abc]将匹配。

还可以使用方括号内的-指定字符范围。

• [a-e]和[abcde]是一样的。
• [1-4]与[1234]相同。
• [0-39]与[01239]相同。

可以在方括号的开头使用插入符号^来补充(反)字符集。

• [^abc]指除a、b或c之外的任何字符。
• [^0-9]表示任何非数字字符。

点.——周期或次数

句点匹配任何单个字符(换行’\n’除外)。

^ –脱字符号

插入符号^用于检查字符串是否以某个字符开头。

$——美元符号

美元符号$用于检查字符串是否以某个字符结束。

*——星号

星号*匹配零次或多次出现的模式。

+ – 加号

“+”符号与留给它的一个或多个模式匹配。

？——问号

问号符号？匹配模式左移的零次或一次匹配。

{}-括号

考虑以下代码：{n,m}，这意味着至少要重复n次，最多要重复m次。

让我们再看一个例子，这个RegEx[0-9]{2,4}匹配至少2位，但不超过4位

| – 竖线

竖线|用于交替(或操作符)。

这里，a|b匹配任何包含a或b的字符串

()——组合

圆括号()用于分组子模式，例如，(a|b|c)xz匹配任何匹配a、b或c后面跟xz的字符串

\——反斜杠

反作用力用于转义各种字符，包括所有的元字符。例如,

如果一个字符串包含$后面跟一个，在这里，$不是由RegEx引擎以特殊的方式解释的。

如果你不确定一个字符是否有特殊含义，你可以把\放在它前面。这就确保了角色不会被特殊对待。

特殊的序列

特殊的序列使常用的模式更容易编写，下面是一些特殊的序列:

如果指定的字符位于字符串的开头，则匹配。

\b—如果指定的字符在单词的开头或结尾，则匹配。

提示：要构建和测试正则表达式，你可以使用RegEx测试工具，如regex101这个工具不仅可以帮助你创建正则表达式，还可以帮助你学习它。

现在你已经了解了RegEx的基础知识，接下来让我们讨论如何在Python代码中使用RegEx。

Python正则表达式

Python有一个名为re的模块来处理正则表达式，要使用它，我们需要导入模块。

import re

该模块定义了几个函数和常量来使用RegEx。

re.findall ()

findall()方法返回包含所有匹配项的字符串列表。

示例1：re.findall ()

# 从字符串中提取数字的程序
import re
string = 'hello 12 hi 89. Howdy 34'
pattern = '\d+'
result = re.findall(pattern, string) 
print(result)
# 输出: ['12', '89', '34']

如果没有找到模式，re.findall()将返回一个空列表。

re.split ()

split方法对匹配的字符串进行拆分，并返回发生拆分的字符串列表。

示例2：re.split ()

import re
string = 'Twelve:12 Eighty nine:89.'
pattern = '\d+'
result = re.split(pattern, string) 
print(result)
# 输出: ['Twelve:', ' Eighty nine:', '.']

如果没有找到模式，则re.split()返回一个包含空字符串的列表。

你可以将maxsplit参数传递给re.split()方法，这是发生分割的最大数目。

import re
string = 'Twelve:12 Eighty nine:89 Nine:9.'
pattern = '\d+'
# maxsplit = 1
# 只在第一次出现时分拆
result = re.split(pattern, string, 1) 
print(result)
# 输出: ['Twelve:', ' Eighty nine:89 Nine:9.']

顺便说一下，maxsplit的默认值是0;意味着所有可能的分裂。

re.sub ()

re.sub()的语法是:

re.sub(pattern, replace, string)

该方法返回一个字符串，其中匹配的事件被替换为replace变量的内容。

示例3：re.sub ()

# 程序删除所有空白
import re
# 多行字符串
string = 'abc 12\
de 23 \n f45 6'
# 匹配所有空白字符
pattern = '\s+'
# 空字符串
replace = ''
new_string = re.sub(pattern, replace, string) 
print(new_string)
# 输出: abc12de23f456

如果没有找到模式，re.sub()将返回原始字符串。

你可以将count作为第四个参数传递给re.sub()方法，如果省略，结果是0，这将替换所有发生的事件。

import re
# 多行字符串
string = 'abc 12\
de 23 \n f45 6'
# 匹配所有空白字符
pattern = '\s+'
replace = ''
new_string = re.sub(r'\s+', replace, string, 1) 
print(new_string)
# 输出:
# abc12de 23
# f45 6

re.subn ()

subn()类似于re.sub()，期望它返回一个元组，包含2个条目，其中包含新字符串和替换的数量。

示例4：re.subn ()

# 程序删除所有空白
import re
# 多行字符串
string = 'abc 12\
de 23 \n f45 6'
# 匹配所有空白字符
pattern = '\s+'
# 空字符串
replace = ''
new_string = re.subn(pattern, replace, string) 
print(new_string)
# 输出: ('abc12de23f456', 4)

re.search ()

search()方法接受两个参数：一个模式和一个字符串，该方法查找RegEx模式生成与字符串匹配的第一个位置。

如果搜索成功，re.search()返回一个匹配对象，如果没有，则返回None。

match = re.search(pattern, str)

示例5：re.search ()

import re
string = "Python is fun"
# 检查’Python’是否在首部
match = re.search('\APython', string)
if match:
  print("在字符串中发现模式")
else:
  print("找不到模式")  
# 输出: 在字符串中发现模式

在这里，match包含一个match对象。

匹配对象

可以使用dir()函数获取匹配对象的方法和属性。

一些常用的方法和属性的匹配对象是：

match.group ()

方法的作用是：返回字符串中匹配的部分。

示例6：匹配对象

import re
string = '39801 356, 2102 1111'
# 三位数，空格，两位数
pattern = '(\d{3}) (\d{2})'
# 匹配变量包含一个匹配对象。
match = re.search(pattern, string) 
if match:
  print(match.group())
else:
  print("找不到模式")
# 输出: 801 35

这里，match变量包含一个match对象。

我们的模式(\ d {3}) (\ d{2})有两个子组(\ d{3})和(\ d {2})，你可以得到这些带括号的子组的字符串部分。方法如下：

>>> match.group(1)
'801'
>>> match.group(2)
'35'
>>> match.group(1, 2)
('801', '35')
>>> match.groups()
('801', '35')

match.start()、match.end()和match.span()

start函数的作用是：返回匹配子字符串开头的索引。类似地，end()返回匹配的子字符串的结束索引。

>>> match.start()
2
>>> match.end()
8

span函数的作用是：返回一个包含匹配部分的开始和结束索引的元组。

>>> match.span()
(2, 8)

match.re and match.string

匹配对象的re属性返回一个正则表达式对象，类似地，string属性返回传递的字符串。

>>> match.re
re.compile('(\\d{3}) (\\d{2})')
>>> match.string
'39801 356, 2102 1111'

我们已经介绍了re模块中定义的所有常用方法，如果你想了解更多，请访问Python 3 re模块。

在正则表达式前使用r前缀

当在正则表达式前使用r或r前缀时，它表示原始字符串。例如，’\n’是一个新行，而r’\n’表示两个字符：一个反斜杠\后跟n。

反作用力用于转义各种字符，包括所有的元字符。但是，使用r前缀会使\视为正常字符。