Python學習之正則

2021-09-11 17:32:26 字數 4650 閱讀 4514

python學習目錄

在mac下使用python3

python學習之資料型別

python學習之函式

python學習之高階特性

python學習之函式式程式設計

python學習之模組

python學習之物件導向程式設計

python學習之物件導向高階程式設計

python學習之錯誤除錯和測試

python學習之io程式設計

python學習之程序和執行緒

python學習之正則

python學習之常用模組

python學習之網路程式設計

正規表示式是一種用來匹配字串的強有力的**。它的設計思想是用一種描述性的語言來給字串定義乙個規則,凡是符合規則的字串,我們就認為它「匹配」了,否則,該字串就是不合法的。

在正規表示式中,如果直接給出字元,就是精確匹配。用\d可以匹配乙個數字,\w可以匹配乙個字母或數字,所以:

.可以匹配任意字元,所以:

要匹配變長的字元,在正規表示式中,用*表示任意個字元(包括0個),用+表示至少乙個字元,用?表示0個或1個字元,用表示n個字元,用表示n-m個字元:

來看乙個複雜的例子:\d\s+\d

我們來從左到右解讀一下:

\d表示匹配3個數字,例如'010'

\s可以匹配乙個空格(也包括tab等空白符),所以\s+表示至少有乙個空格,例如匹配' '' '等;

\d表示3-8個數字,例如'1234567'

綜合起來,上面的正規表示式可以匹配以任意個空格隔開的帶區號的**號碼。

如果要匹配'010-12345'這樣的號碼呢?由於'-'是特殊字元,在正規表示式中,要用'\'轉義,所以,上面的正則是\d\-\d

但是,仍然無法匹配'010 - 12345',因為帶有空格。所以我們需要更複雜的匹配方式。

要做更精確地匹配,可以用表示範圍,比如:

a|b可以匹配a或b,所以(p|p)ython可以匹配'python'或者'python'

^表示行的開頭,^\d表示必須以數字開頭。

$表示行的結束,\d$表示必須以數字結束。

你可能注意到了,py也可以匹配'python',但是加上^py$就變成了整行匹配,就只能匹配'py'了。

有了準備知識,我們就可以在python中使用正規表示式了。python提供re模組,包含所有正規表示式的功能。由於python的字串本身也用\轉義,所以要特別注意:

s = 'abc\\-001'

# python的字串

# 對應的正規表示式字串變成:

# 'abc\-001'

複製**

因此我們強烈建議使用python的r字首,就不用考慮轉義的問題了:

s = r'abc\-001'

# python的字串

# 對應的正規表示式字串不變:

# 'abc\-001'

複製**

先看看如何判斷正規表示式是否匹配:

>>> 

import re

>>> re.match(r'^\d\-\d$', '010-12345')

<_sre.sre_match object; span=(0, 9), match='010-12345'>

>>> re.match(r'^\d\-\d$', '010 12345')

>>>

複製**

match()方法判斷是否匹配,如果匹配成功,返回乙個match物件,否則返回none。常見的判斷方法就是:

test = '使用者輸入的字串'

if re.match(r'正規表示式', test):

print('ok')

else:

print('failed')

複製**

除了簡單地判斷是否匹配之外,正規表示式還有提取子串的強大功能。用()表示的就是要提取的分組(group)。比如:

^(\d)-(\d)$分別定義了兩個組,可以直接從匹配的字串中提取出區號和本地號碼:

>>> m = re.match(r'^(\d)-(\d)$', '010-12345')

>>> m

<_sre.sre_match object; span=(0, 9), match='010-12345'>

>>> m.group(0)

'010-12345'

>>> m.group(1)

'010'

>>> m.group(2)

'12345'

複製**

如果正規表示式中定義了組,就可以在match物件上用group()方法提取出子串來。

注意到group(0)永遠是原始字串,group(1)group(2)……表示第1、2、……個子串。

提取子串非常有用。來看乙個更**的例子:

>>> t = '19:05:30'

>>> m = re.match(r'^(0[0-9]|1[0-9]|2[0-3]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$', t)

>>> m.groups()

('19', '05', '30')

複製**

這個正規表示式可以直接識別合法的時間。但是有些時候,用正規表示式也無法做到完全驗證,比如識別日期:

'^(0[1-9]|1[0-2]|[0-9])-(0[1-9]|1[0-9]|2[0-9]|3[0-1]|[0-9])$'

複製**

對於'2-30''4-31'這樣的非法日期,用正則還是識別不了,或者說寫出來非常困難,這時就需要程式配合識別了。

最後需要特別指出的是,正則匹配預設是貪婪匹配,也就是匹配盡可能多的字元。舉例如下,匹配出數字後面的0

>>> re.match(r'^(\d+)(0*)$', '102300').groups()

('102300', '')

複製**

由於\d+採用貪婪匹配,直接把後面的0全部匹配了,結果0*只能匹配空字串了。

必須讓\d+採用非貪婪匹配(也就是盡可能少匹配),才能把後面的0匹配出來,加個?就可以讓\d+採用非貪婪匹配:

>>> re.match(r'^(\d+?)(0*)$', '102300').groups()

('1023', '00')

複製**

當我們在python中使用正規表示式時,re模組內部會幹兩件事情:

編譯正規表示式,如果正規表示式的字串本身不合法,會報錯;

用編譯後的正規表示式去匹配字串。

如果乙個正規表示式要重複使用幾千次,出於效率的考慮,我們可以預編譯該正規表示式,接下來重複使用時就不需要編譯這個步驟了,直接匹配:

>>> 

import re

# 編譯:

>>> re_telephone = re.compile(r'^(\d)-(\d)$')

# 使用:

>>> re_telephone.match('010-12345').groups()

('010', '12345')

>>> re_telephone.match('010-8086').groups()

('010', '8086')

複製**

編譯後生成regular expression物件,由於該物件自己包含了正規表示式,所以呼叫對應的方法時不用給出正則字串。

Python正則之再學習與實踐

昨天做網頁爬取的時候,感覺自己對正則不熟悉的很,故今天再花上午時間認真整理下,不可懈怠。1.常見正規表示式符號 1 literal 匹配文字字串的字面值literal 2 re1 re2 匹配正規表示式re1或者re2 foo bar 3 匹配任何字元 除 n b.b 4 匹配字串的起始部分 dea...

python 正則學習

常見萬用字元如下 匹配任何字元 換行符除外 匹配字串開始 匹配字串結尾 匹配前面出現的正規表示式0次或多次 匹配前面出現的正規表示式1次或多次 匹配前面出現的正規表示式0次或1次 匹配前面出現的正規表示式n次 匹配前面出現的正規表示式 m到n次 匹配字元組裡的任意乙個字元 不匹配字元組裡的任意乙個字...

python網路爬蟲學習筆記之之正規表示式

1.表達很多字串 可以直接使用乙個正規表示式 2.表達無窮多個字串時 比如 py 就表示p後邊跟乙個y或者無窮多個y時的情況 3.比如一組字串有某種特點,很難將它們列舉出來就可以使用正規表示式來進行 比如說 一組字串需要以 py 開頭 後續存在不多於10個字串,後續字串不得出現 p 或者 y 當然你...