Python正则表达式经典入门教程

2020-01-04 17:12:30

字体：大中小

来源：转载

供稿：网友

本文实例总结了Python正则表达式基本用法。分享给大家供大家参考，具体如下：

正则表达式在平时做文本处理（爬虫程序去解析html中的字段，在分析log文件的时候需要抓取一些关键数据）的时候经常会用到。一般我们会使用到Python的re库。如果正则表达式自己代码中反复被用到的时候，我们可以将这个正则表达式使用re.compile函数转换成一个object方便调用。

match

将输入的字符串从第一个字符开始匹配，如果不匹配将会直接返回空。

search

和match不同，search能自由的在字符串中任一开始位置开始匹配，直到匹配上了。

re中的选项

通常在flag里面可以设置.

re.I 忽略掉大小写
re.L 让/w,/W,/b,/B,/s和/S做本地化识别
re.M 当匹配的时候支持多行匹配.
re.DEBUG 显示正则表达式的调试信息
re.S 让.号匹配本行的全部字符。

sub 替换

import rephone='188-88-88 # this is my phone number'num = re.sub(r'#.*$','',phone)# num ==188-88-88num = re.sub(r'/D','',phone)# num = 1888888

还能使用这个来做代码的转义，有点像在 sublime text里面使用的查找替换。比如说我需要将C语言里面的宏定义转换成lua里面的变量定义

import reprint( re.sub( r'#define/s+([a-zA-Z_]+)/s+([a-zA-Z_0-9]+)', r'_G./1 = /2', '#define MAX_RECV_SIZE 100' ) )#_G.MAX_RECV_SIZE = 100

subn函数类似，只是能定制替换的次数。

findall

将匹配到的内容返回成一个数组，这个应该是比较常用的方法。

print( re.findall( '/d+', '66,88,88,777' ) )# ['66', '88', '88', '777']

finditer

匹配的内容以迭代器的方式返回，我们可以对这个做循环，返回的时候MatchObject

for num in re.finditer( '/d+', '66,88,88,777' ): print num.group()'''668888777'''

split

re.split(pattern, string, maxsplit=0, flags=0) >>> re.split(',', 'Words, words, words.')['Words', ' words', ' words.']>>> re.split('/W+', 'Words, words, words.')['Words', 'words', 'words', '']>>> re.split('(/W+)', 'Words, words, words.')['Words', ', ', 'words', ', ', 'words', '.', '']

大写的/W表示了非字串，这个在语法里面可以查到。如果加了括号，将不会省略掉匹配到的split的字串。最后这个在数组中作为字串分隔符的,.都被保留在数组中了。

escape

这个函数是一个辅助函数，当大量编写正则表达式的时候，可能我们固定的一些字串中包含了正则的保留字串，但是我们不需要让程序当它是re表达式的时候，可以使用这个函数将字串做转换。

re.escape('1234@gmail.com')# result1234//@gmai//.com

备注语法：

模式	描述
^	匹配字符串的开头
$	匹配字符串的末尾。
.	匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。
[…]	用来表示一组字符,单独列出：[amk] 匹配 ‘a'，'m'或'k'
[^…]	不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。
re*	匹配0个或多个的表达式。
re+	匹配1个或多个的表达式。
re?	匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式re{ n}
re{ n,}	精确匹配n个前面表达式。
re{ n, m}	匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式a
(re)	G匹配括号内的表达式，也表示一个组
(?imx)	正则表达式包含三种可选标志：i, m, 或 x 。只影响括号中的区域。
(?-imx)	正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的区域。
(?: re)	类似 (…), 但是不表示一个组
(?imx: re)	在括号中使用i, m, 或 x 可选标志
(?-imx: re)	在括号中不使用i, m, 或 x 可选标志
(?#…)	注释.
(?= re)	前向肯定界定符。如果所含正则表达式，以 … 表示，在当前位置成功匹配时成功，否则失败。但一旦所含表达式已经尝试，匹配引擎根本没有提高；模式的剩余部分还要尝试界定符的右边。
(?! re)	前向否定界定符。与肯定界定符相反；当所含表达式不能在字符串当前位置匹配时成功
(?> re)	匹配的独立模式，省去回溯。
/w	匹配字母数字
/W	匹配非字母数字
/s	匹配任意空白字符，等价于 [/t/n/r/f].
/S	匹配任意非空字符
/d	匹配任意数字，等价于 [0-9].
/D	匹配任意非数字
/A	匹配字符串开始
/Z	匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串。c
/z	匹配字符串结束
/G	匹配最后匹配完成的位置。
/b	匹配一个单词边界，也就是指单词和空格间的位置。例如， ‘er/b' 可以匹配”never” 中的 ‘er'，但不能匹配 “verb” 中的 ‘er'。
/B	匹配非单词边界。'er/B' 能匹配 “verb” 中的 ‘er'，但不能匹配 “never” 中的 ‘er'。
/n, /t, 等.	匹配一个换行符。匹配一个制表符。等
/1…/9	匹配第n个分组的子表达式。
/10	匹配第n个分组的子表达式，如果它经匹配。否则指的是八进制字符码的表达式。