Python之正則表達式re模組（2）

  • 2019 年 12 月 24 日
  • 筆記

前言

開始正式介紹Python正則表達式re模組中的內容。R&Python Data Science系列:數據處理(9)–Python之正則表達式re模組(一)搭建好了如何介紹re模組的框架，後面內容會按照正則表達式常用的語法、正則表達式編譯函數compile()、re模組中RegexObject對象常用的方法、re模組中MatchObject實例的方法4部分往框架中填充內容。

5.2 Python之正則表達式re模組

Python中正則表達式使用re模組，re模組中的方法使用正則表達式來匹配字元串。

5.2.1 正則表達式的常用語法

工欲善其事，必先利其器。如何構造正則表達式？正則表達式像其他語言一樣，有自己獨有的語法，掌握其用法，就可以構造需要的正則表達式。常用的正則表達式語法有：

  • 特殊字元
  • 重複量詞
  • 分組與條件或
  • 特殊字元

特殊字元為比較特殊的字元，與本身並不匹配，而表示一些特定的匹配，常用的特殊字元有：

語法

說明

正則表達式實例

匹配的字元串

匹配成功結果的字元串

.‍

匹配除換行符之外的任意字元

r'Fla.'‍‍

'Flash'

'Flas'

[]

1、字符集[]，匹配字符集中的一個字元，從左到右匹配直到匹配成功2、字符集[^]表示取反，即只要不是字符集內的字元都可以匹配成功3、"-"表示範圍，當字符集有某種規則，例如[abcd]，可以寫成[a-d]，[0-5][0-9] 將匹配從 00 到 59 的兩位數字 4、所有特殊字元在[]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 等價於 ^ ；在 MULTILINE 模式：A 只是匹配字元串首，而 ^ 還可以匹配在換行符之後字元串的任何位置

r'AFlash'

'Flashs'

'Flash'

b

匹配空字元串，匹配單詞的詞首和詞尾，單詞被定義為一個字母數字序列，因此詞尾是用空白符或非字母數字元來表示的

r'Flashb

'Flashs'

''

r'Flashb

'Flash+'

'Flash'

B

與b相反，只在當前位置不在單詞邊界時候匹配

r'Flashb

'Flashs'

'Flash'

r'Flashb

'Flash+'

''

d

匹配單個數字字元0-9，等價於[0-9]

r'Flashd'

『Flash7a'

'Flash7'

D

匹配非數字字元，等價於[^0-9]

r'FlashD'

『Flasha'

'Flasha'

s

匹配任何空白字元，等價於 [ tnrfv]

r'Flashs'

『Flashn'

'Flashn'

S

匹配任何非空白字元，等價於 [^ tnrfv]

r'FlashS'

『Flash7'

'Flash7'

w

匹配任何字母數字字元，等價於 [a-zA-Z0-9]

r'Flashw'

『Flash7'

'Flash7'

W

匹配任何非字母數字字元，等價 [^a-zA-Z0-9]

r'FlashW'

『Flash*'

'Flash*'

^

匹配行首，在 MULTILINE 模式里，匹配在換行符之後字元串的任何位置

r'^Flash'

'Flashs'

'Flash'

$

匹配行位，行尾被定義為要麼是字元串尾，要麼是一個換行字元後面的任何位置

r's$'

'Flashs'

's'
  • 重複量詞

如果想要匹配前一個字元n次，總不能把前一個字元寫n次吧，正則表達式另一個強大的功能是可以指定重複的次數。

語法

說明

正則表達式實例

匹配的字元串

匹配成功結果的字元串

*

匹配前一字元0次到無限次(最大20億次),貪婪匹配，盡量多的匹配

r'Fla*'

'Flaaa'

'Flaaa'

+

匹配前一字元1次到無限次(最大20億次),貪婪匹配，盡量多的匹配

r'Fla+'

'Flaaa'

'Flaaa'

？

匹配前一字元0次或者1次,貪婪匹配，盡量多的匹配

r'Fla?'

'Flaaa'

'Fla'

{m}

匹配前一字元m次

r'Fla{2}'

'Flaaa'

'Flaa'

{m.n}

匹配前一字元m次至n次，m是下限，n是上限，m和n可以省略，所以{m,}匹配前一字元m次至無限次，{,n}匹配前一字元0次至n次，貪婪匹配

r'Fla{1,2}'

'Flaaa'

'Flaa'

r'Fla{1,}'

'Flaaa'

'Flaaa'

r'Fla{,2}'

'Flaaa'

'Flaa'

*？和+?和??和{m,n}？

貪婪匹配變成非貪婪匹配，盡量少的匹配

r'Fla*?'

'Flaaa'

'Fl'

r'Fla+?'

'Flaaa'

'Fla'

r'Fla??'

'Flaaa'

'Fl'

r'Fla{1,2}?'

'Flaaa'

'Fla'

r'Fla{1,}?'

'Flaaa'

'Fla'
  • 分組與條件或

上面特殊字元以及重複量詞都是只能對前一個字元匹配，如果需要將前面幾個字元作為一個整體（例如匹配以ab開頭的字元串）或者匹配指定無規則字元中的一個（例如匹配以字母a或者b開頭的字元串）。可以使用()來做分組，括弧內的字元為一個整體，使用|表示條件或，滿足分支條件中的任意一種條件時，都會成功匹配。

語法

說明

正則表達式實例

匹配的字元串

匹配成功結果的字元串

|

or的意思，優先順序很低

r'Fl|Wo'

'FlaWork'

['Fl', 'Wo']

()

括弧中的字元為一個整體，可以使用量詞或者|

r'(las)'

'Flash'

las'

r'(la|las)'

'Flash'

la'

註：以上正則表達式的語法，只列出一些常用到的語法，若沒有列出的語法可以參考re–正則表達式操作文檔(https://docs.python.org/zh-cn/3/library/re.html)

5.2.2 編譯正則表達式

已了解正則表達式的常用語法，在Python中如何使用正則表達式呢？re模組提供了一個正則表達式引擎介面，可以將正則表達式編譯成對象並用它們進行匹配。使用re.compile()將正則表達式編譯成RegexObject對象，可以使用編譯標誌修改正則表達式的一些運行方式，如不區分大小寫、多行匹配等。在re模組中標誌有兩種形式：全名與縮寫，如DoTALL和S等價，默認情況下為re.UNICODE標誌，多個標誌通過|來指定，例如re.IGNORECASE|re.UNICODE。

常用的標誌有：

標誌

含義

DOTALL或者S

使 . 匹配包括換行在內的所有字元

IGNORECASE或者I

使正則表達式忽略大小寫

LOCALE或者L

做本地化識別（locale-aware）匹配

MULTILINE或者M

多行匹配，使每個^在每個回車後，每個$在每個回車前匹配

VERBOSE或者X

該標誌通過給予你更靈活的格式（如跨行、添加註釋）以便你將正則表達式寫得更易於理解。

UNICODE或者U

特殊字符集 w, W, b, B, d, D, s, S 依賴於 Unicode 字元屬性資料庫

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

使用re.I標誌，忽略大小寫：

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()將正則表達式編譯成RegexObject，既然是對象，就有方法可以調用，RegexObject對象常用方法有match()、search()、findall()、finditer()、split()、sub()以及subn()。

RegexObject常用方法

方法/屬性

作用

match()

嘗試從字元串的起始位置匹配一個模式，如果不是起始位置匹配成功的話，match()就返回none

search()

掃描整個字元串並返回第一個成功的匹配，沒有匹配成功返回None

findall()

找到匹配成功的所有子串，並把它們作為一個列表返回，若沒有匹配成功，返回空列表

finditer()

找到匹配成功的所有子串，並把它們作為一個迭代器返回

split()

將字元串在匹配成功的地方分割並生成一個列表，

sub()

找到匹配成功的所有子串，並將其用一個不同的字元串替換

subn()

與 sub() 相同，但返回新的字元串和替換次數

VirMach 便宜 VPS

QNews

QNews