正則表達式

• 2020 年 6 月 23 日
• 筆記
• Python, re, 正則, 正則表達式

正則表達式

概念：又稱規則表達式，常用來描述、匹配、替換符合某個句法規則的字符串。

理解：特殊字符———>規則———->過濾字符串

目的：1.匹配給定的字符串，2.從字符串中過濾出我們需要的特定部分

Python re模塊

re模塊是python獨有的匹配字符串的模塊，該模塊中提供的很多功能是基於正則表達式實現的，而正則表達式是對字符串進行模糊匹配，提取自己需要的字符串部分，他對所有的語言都通用。

• re模塊是python獨有的
• 正則表達式所有編程語言都可以使用
• re模塊、正則表達式是對字符串進行操作

注意點：正則表達式會對特殊字符進行轉義，如果要保持原模樣，只需加個r前綴。例如：r'\thello-\rworld'

禁止轉義！反斜杠不會被任何特殊方式處理。
Python編譯器用『\』（反斜杠）來表示字符串常量中的轉義字符。
如果反斜杠後面跟着一串編譯器能夠識別的特殊字符，那麼整個轉義序列將被替換成對應的特殊字符（例如，『\n』將被編譯器替換成換行符）
本質上來講，使用r，你在告訴編譯器完全不要去干涉你的字符串
常見轉義符

元字符

元字符就是指那些在正則表達式中具有特殊意義的專用字符，可以用來規定其前導字符（即位於元字符前面的字符）在目標對象中的出現模式。

限定符(重複)

限定符用來限定一個目標子表達式要重複出現多少次才匹配成功

字符串轉義：\

www.baidu.com

www\.baodu\.com

貪婪與非貪婪

貪婪匹配:正則表達式一般趨向於最大長度匹配，也就是所謂的貪婪匹配。

非貪婪匹配：就是匹配到結果就好，最少的匹配字符。

默認是貪婪模式；在量詞後面直接加上一個問號？就是非貪婪模式。

轉義符

標誌位

1. re.I 使匹配對大小寫不敏感，如下：

   # re.I 的學習，忽略大小寫
   S1 = 'CoN'   #定義字符串i1
   S2 = 'www.xiao.con'    #定義字符串i2
   #print(re.search('CoN','www.xiao.con').group())  #區分大小寫的子組輸出,報有錯
   print(re.search(S1,S2,re.I).group())  #不區分大小寫的子組輸出
   # con
   

2. re.M 使用^ 和 $ 符號，實現多行多行匹配。如將所有行的末尾字符串輸出得：

   # re.M 的學習，將所有行的尾字母或者首部輸出
   S3 = '''I am girl
           you are boy
           we are friends
           '''                   #定義初始字符串
   print(re.findall(r"\w+$",S3,re.M))   #輸出S3的每行最後一個字符串
   # ['girl', 'boy', 'friends']
   

3. re.S匹配包括換行在內的所有字符。如下：

   s1 = '''jduedhhelloworld：    
           11630
           passgrthgdg
           '''                     #初始字符串，有換行所以用三引號
   b = re.findall('hello(.*?)pass',s1)   #findal返回字符串中某個正則表達式模式全部的非重複出現的情況，不包含換行,返回列表
   c = re.findall('hello(.*?)pass',s1,re.S)  #包含換行
   print('b is',b)  #輸出B匹配的結果 b is []
   print('c is',c)   #輸出C，包行匹配輸出的結果 c is ['world：    \n        11630\n        ']
   

正則表達式常用函數

1、re.findall()函數

語法：re.findall(pattern, string, flags=0) ——> list(列表)

pattern 匹配的正則表達式
string 要匹配的字符串。
flags 標誌位，用於控制正則表達式的匹配方式

列出字符串中模式的所有匹配項，並作為一個列表返回。如果無匹配，則返回空列表！

import re
print(re.findall(r"ab","abcaaaab"))
['ab', 'ab']               #匹配的值作為一個列表範圍

2、re.compile()函數

語法：re.compile(pattern, flags=0) ——> pattern object

根據包含正則表達式的字符串創建模式對象，可以實現更有效率地匹配！用了re.compile以後，正則對象會得到保留，這樣在需要多次運用這個正則對象的時候，效率會有較大的提升

import re
s=r"^010-\d{8}$"
print(re.findall(s,"010-12345678"))
# ['010-12345678']
p_tel=re.compile(s)     #對s這個正則表達式創建模式對象p_tel
print(p_tel)
# <_sre.SRE_Pattern object at 0x7f3ab3776d78>
print(p_tel.findall("010-12345678"))  
#經過compile轉換的正則表達式對象也能用於普通的re函數，跟上面的re.findall(s,"010-12345678")一樣的效果
# ['010-12345678']

3、re.match()函數

語法：re.match(pattern, string, flags=0) ——> match object or None

在字符串的開始位置匹配正則！如果無匹配，則返回 None 。

import re
s=r"abc"
com=re.compile(s)
com.match("abcdef")                          #abc在開始的位置，可以匹配
# <_sre.SRE_Match object at 0x7f3ab3480cc8>
print(com.match("hhhabc"))                    #abc不在開始的位置，不可以匹配
# None

# 使用group()-返回匹配的數據
com.match("abcddddd").group()   			 #使用group()返回匹配的對象
# 'abc'

4、re.search()函數

語法：re.search(pattern, string, flags=0) ——> match object or None

re.search函數會在字符串內查找模式匹配,只要找到第一個匹配然後返回，如果字符串沒有匹配，則返回None

re.match與re.search的區別：re.match只匹配字符串的開始，如果字符串開始不符合正則表達式，則匹配失敗，函數返回None；而re.search匹配整個字符串，直到找到一個匹配。

5、re.sub()函數

語法:re.sub(pattern, repl, string, count=0, flags=0) ——> string

將字符串中所有 pattern 的匹配項用 repl 替換！

import re
re.sub(r"abc","123","abcdefabc")
# '123def123'

6、re.split()函數

語法：re.split(pattern, string, maxsplit=0, flags=0) ——> list

根據模式的匹配項來分割字符串

import re
re.split(r"\d+","aa11bb22cc")  #以正則表達式\d+為分割符
['aa', 'bb', 'cc']
re.split(r"\d","aa11bb22cc")   #以正則表達式\d+為分割符
['aa', '', 'bb', '', 'cc']