Python之正则表达式re模块（2）

  • 2019 年 12 月 24 日
  • 筆記

前言

开始正式介绍Python正则表达式re模块中的内容。R&Python Data Science系列:数据处理(9)–Python之正则表达式re模块(一)搭建好了如何介绍re模块的框架，后面内容会按照正则表达式常用的语法、正则表达式编译函数compile()、re模块中RegexObject对象常用的方法、re模块中MatchObject实例的方法4部分往框架中填充内容。

5.2 Python之正则表达式re模块

Python中正则表达式使用re模块，re模块中的方法使用正则表达式来匹配字符串。

5.2.1 正则表达式的常用语法

工欲善其事，必先利其器。如何构造正则表达式？正则表达式像其他语言一样，有自己独有的语法，掌握其用法，就可以构造需要的正则表达式。常用的正则表达式语法有：

  • 特殊字符
  • 重复量词
  • 分组与条件或
  • 特殊字符

特殊字符为比较特殊的字符，与本身并不匹配，而表示一些特定的匹配，常用的特殊字符有：

语法

说明

正则表达式实例

匹配的字符串

匹配成功结果的字符串

.‍

匹配除换行符之外的任意字符

r'Fla.'‍‍

'Flash'

'Flas'

[]

1、字符集[]，匹配字符集中的一个字符，从左到右匹配直到匹配成功2、字符集[^]表示取反，即只要不是字符集内的字符都可以匹配成功3、"-"表示范围，当字符集有某种规则，例如[abcd]，可以写成[a-d]，[0-5][0-9] 将匹配从 00 到 59 的两位数字 4、所有特殊字符在[]中都失去原有的意思

r'Fl[abc]'‍

'Flash'

'Fla'

r'Fl[^bcf]'

'Flash'

'Fla'

r'Fl[a-c]'‍

'Flash'

'Fla'

r'Fl[+*]'‍

'Fl*sh'

'Fl*'

A

不在MULTILINE 模式下，A 等价于 ^ ；在 MULTILINE 模式：A 只是匹配字符串首，而 ^ 还可以匹配在换行符之后字符串的任何位置

r'AFlash'

'Flashs'

'Flash'

b

匹配空字符串，匹配单词的词首和词尾，单词被定义为一个字母数字序列，因此词尾是用空白符或非字母数字符来表示的

r'Flashb

'Flashs'

''

r'Flashb

'Flash+'

'Flash'

B

与b相反，只在当前位置不在单词边界时候匹配

r'Flashb

'Flashs'

'Flash'

r'Flashb

'Flash+'

''

d

匹配单个数字字符0-9，等价于[0-9]

r'Flashd'

‘Flash7a'

'Flash7'

D

匹配非数字字符，等价于[^0-9]

r'FlashD'

‘Flasha'

'Flasha'

s

匹配任何空白字符，等价于 [ tnrfv]

r'Flashs'

‘Flashn'

'Flashn'

S

匹配任何非空白字符，等价于 [^ tnrfv]

r'FlashS'

‘Flash7'

'Flash7'

w

匹配任何字母数字字符，等价于 [a-zA-Z0-9]

r'Flashw'

‘Flash7'

'Flash7'

W

匹配任何非字母数字字符，等价 [^a-zA-Z0-9]

r'FlashW'

‘Flash*'

'Flash*'

^

匹配行首，在 MULTILINE 模式里，匹配在换行符之后字符串的任何位置

r'^Flash'

'Flashs'

'Flash'

$

匹配行位，行尾被定义为要么是字符串尾，要么是一个换行字符后面的任何位置

r's$'

'Flashs'

's'
  • 重复量词

如果想要匹配前一个字符n次，总不能把前一个字符写n次吧，正则表达式另一个强大的功能是可以指定重复的次数。

语法

说明

正则表达式实例

匹配的字符串

匹配成功结果的字符串

*

匹配前一字符0次到无限次(最大20亿次),贪婪匹配，尽量多的匹配

r'Fla*'

'Flaaa'

'Flaaa'

+

匹配前一字符1次到无限次(最大20亿次),贪婪匹配，尽量多的匹配

r'Fla+'

'Flaaa'

'Flaaa'

？

匹配前一字符0次或者1次,贪婪匹配，尽量多的匹配

r'Fla?'

'Flaaa'

'Fla'

{m}

匹配前一字符m次

r'Fla{2}'

'Flaaa'

'Flaa'

{m.n}

匹配前一字符m次至n次，m是下限，n是上限，m和n可以省略，所以{m,}匹配前一字符m次至无限次，{,n}匹配前一字符0次至n次，贪婪匹配

r'Fla{1,2}'

'Flaaa'

'Flaa'

r'Fla{1,}'

'Flaaa'

'Flaaa'

r'Fla{,2}'

'Flaaa'

'Flaa'

*？和+?和??和{m,n}？

贪婪匹配变成非贪婪匹配，尽量少的匹配

r'Fla*?'

'Flaaa'

'Fl'

r'Fla+?'

'Flaaa'

'Fla'

r'Fla??'

'Flaaa'

'Fl'

r'Fla{1,2}?'

'Flaaa'

'Fla'

r'Fla{1,}?'

'Flaaa'

'Fla'
  • 分组与条件或

上面特殊字符以及重复量词都是只能对前一个字符匹配，如果需要将前面几个字符作为一个整体（例如匹配以ab开头的字符串）或者匹配指定无规则字符中的一个（例如匹配以字母a或者b开头的字符串）。可以使用()来做分组，括弧内的字符为一个整体，使用|表示条件或，满足分支条件中的任意一种条件时，都会成功匹配。

语法

说明

正则表达式实例

匹配的字符串

匹配成功结果的字符串

|

or的意思，优先级很低

r'Fl|Wo'

'FlaWork'

['Fl', 'Wo']

()

括弧中的字符为一个整体，可以使用量词或者|

r'(las)'

'Flash'

las'

r'(la|las)'

'Flash'

la'

注：以上正则表达式的语法，只列出一些常用到的语法，若没有列出的语法可以参考re–正则表达式操作文档(https://docs.python.org/zh-cn/3/library/re.html)

5.2.2 编译正则表达式

已了解正则表达式的常用语法，在Python中如何使用正则表达式呢？re模块提供了一个正则表达式引擎接口，可以将正则表达式编译成对象并用它们进行匹配。使用re.compile()将正则表达式编译成RegexObject对象，可以使用编译标志修改正则表达式的一些运行方式，如不区分大小写、多行匹配等。在re模块中标志有两种形式：全名与缩写，如DoTALL和S等价，默认情况下为re.UNICODE标志，多个标志通过|来指定，例如re.IGNORECASE|re.UNICODE。

常用的标志有：

标志

含义

DOTALL或者S

使 . 匹配包括换行在内的所有字符

IGNORECASE或者I

使正则表达式忽略大小写

LOCALE或者L

做本地化识别（locale-aware）匹配

MULTILINE或者M

多行匹配，使每个^在每个回车后，每个$在每个回车前匹配

VERBOSE或者X

该标志通过给予你更灵活的格式（如跨行、添加注释）以便你将正则表达式写得更易于理解。

UNICODE或者U

特殊字符集 w, W, b, B, d, D, s, S 依赖于 Unicode 字符属性数据库

 
import rep = re.compile(r'Fla{1,}')p
import rep = re.compile(r'Fla{1,}')p.findall('Flaaa')

使用re.I标志，忽略大小写：

import rep = re.compile(r'Fla{1,}', re.I)p
import rep = re.compile(r'Fla{1,}', re.I)p.findall('FlAAA')

使用re.compile()将正则表达式编译成RegexObject，既然是对象，就有方法可以调用，RegexObject对象常用方法有match()、search()、findall()、finditer()、split()、sub()以及subn()。

RegexObject常用方法

方法/属性

作用

match()

尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none

search()

扫描整个字符串并返回第一个成功的匹配，没有匹配成功返回None

findall()

找到匹配成功的所有子串，并把它们作为一个列表返回，若没有匹配成功，返回空列表

finditer()

找到匹配成功的所有子串，并把它们作为一个迭代器返回

split()

将字符串在匹配成功的地方分割并生成一个列表，

sub()

找到匹配成功的所有子串，并将其用一个不同的字符串替换

subn()

与 sub() 相同，但返回新的字符串和替换次数

VirMach 便宜 VPS

QNews

QNews