Python正規表示式re模組詳解(建議收藏!)

2022-07-05 18:02:36

前言

正規表示式是對字串提取的一套規則，我們把這個規則用正則裡面的特定語法表達出來，去匹配滿足這個規則的字串。正規表示式具有通用型，不僅python裡面可以用，其他的語言也一樣適用。

python中re模組提供了正規表示式的功能，常用的有四個方法(match、search、findall)都可以用於匹配字串

match

匹配字串

re.match()必須從字串開頭匹配！match方法嘗試從字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。主要引數如下：

re.match(pattern, string)
# pattern     匹配的正規表示式
# string      要匹配的字串

例子

import re
a = re.match('test','testasdtest')  
print(a)                             #返回一個匹配物件
print(a.group())                     #返回test，獲取不到則報錯
print(a.span())           #返回匹配結果的位置，左閉右開區間
print(re.match('test','atestasdtest'))  #返回None

從例子中我們可以看出，re.match()方法返回一個匹配的物件，而不是匹配的內容。如果需要返回內容則需要呼叫group()。通過呼叫span()可以獲得匹配結果的位置。而如果從起始位置開始沒有匹配成功，即便其他部分包含需要匹配的內容，re.match()也會返回None。

單字元匹配

以下字元，都匹配單個字元資料。且開頭（從字串0位置開始）沒匹配到，即使字串其他部分包含需要匹配的內容，.match也會返回none

. 匹配任意一個字元

使用幾個點號就代表幾個字元

import re
a = re.match('..','testasdtest')  
print(a.group())   #輸出te                             
b = re.match('ab.','testasdtest')  
print(b) #返回none，因為表示式是以固定的ab開頭然後跟上萬用字元. 所以必須要先匹配上ab才會往後進行匹配

d 匹配數位

一個d代表一個數位。開頭沒匹配到，即使字串其他部分包含需要匹配的內容，.match也會返回none

import re
a = re.match('dd','23es12testasdtest')  
print(a)                               
b = re.match('ddd','23es12testasdtest')   
print(b)   #要求匹配三個數位，匹配不到返回none
c = re.match('d','es12testasdtest')   
print(c)   #起始位置沒有匹配成功，一樣返回none

D 匹配非數位

開頭沒匹配到，即使字串其他部分包含需要匹配的內容，.match也會返回none

import re
a = re.match('D','23es12testasdtest')  
print(a)     #開頭為數位所以返回none                          
b = re.match('DD','*es12testasdtest')   
print(b)   #返回*e

s 匹配特殊字元，如空白，空格，tab等

import re
print(re.match('s',' 23es 12testasdtest'))   #匹配空格
print(re.match('s','   23es 12testasdtest')) #匹配tab
print(re.match('s','r23es 12testasdtest')) #匹配r換行
print(re.match('s','23es 12testasdtest')) #返回none

S 匹配非空白

import re
print(re.match('S',' 23es 12testasdtest'))   #返回none
print(re.match('S','r23es 12testasdtest'))   #none
print(re.match('S','23es 12testasdtest'))

w 匹配單詞、字元，如大小寫字母，數位，_ 下劃線

import re
print(re.match('w','23es 12testasdtest'))   #返回none
print(re.match('www','aA_3es 12testasdtest'))   #返回none
print(re.match('www','n12testasdtest'))   #返回none

W 匹配非單詞字元

import re
print(re.match('W','23es 12testasdtest'))   #返回none
print(re.match('W',' 23es 12testasdtest'))   #匹配空格

[ ] 匹配[ ]中列舉的字元

只允許出現[ ]中列舉的字元

import re
print(re.match('12[234]','232s12testasdtest'))  #因為開頭的12沒匹配上，所以直接返回none
print(re.match('12[234]','1232s12testasdtest')) #返回123

[^2345] 不匹配2345中的任意一個

import re
print(re.match('12[^234]','232s12testasdtest'))  #因為開頭的12沒匹配上，所以直接返回none
print(re.match('12[^234]','1232s12testasdtest')) #返回none
print(re.match('12[^234]','1252s12testasdtest')) #返回125

[a-z3-5] 匹配a-z或者3-5中的字元

import re
print(re.match('12[1-3a-c]','1232b12testasdtest'))  #123
print(re.match('12[1-3a-c]','12b2b12testasdtest'))  #12b
print(re.match('12[1-3a-c]','12s2b12testasdtest'))  #返回none

表示數量

像上面寫的那些都是匹配單個字元，如果我們要匹配多個字元的話，只能重複寫匹配符。這樣顯然是不人性化的，所以我們還需要學習表達數量的字元

* 出現0次或無數次

import re
a = re.match('..','testasdtest')  
print(a.group())   #輸出te                             
a = re.match('.*','testasdtest')  
print(a.group())   #全部輸出

import re
print(re.match('a*','aatestasdtest')) #匹配跟隨在字母a後面的所有a字元
print(re.match('d*','23aatestasdtest')) #匹配前面為數位的字元
print(re.match('ad*','ad23aatestasdtest')) #輸出a, 因為*也可以代表0次

+ 至少出現一次

import re
print(re.match('a+','aaatestasdtest')) #匹配前面為字母a的字元，且a至少有1一個
print(re.match('a+','atestasdtest'))   #a
print(re.match('a+','caaatestasdtest'))  #none

? 1次或則0次

import re
print(re.match('a?','abatestasdtest')) #匹配a出現0次或者1次數
print(re.match('a?','batestasdtest'))  #輸出空，因為a可以為0次
print(re.match('a?','aaatestasdtest')) #a出現0次或者1次，輸出1個a

{m}指定出現m次

import re
print(re.match('to{3}','toooooabatestasdtest')) #匹配t以及跟隨在後面的三個ooo
print(re.match('to{3}','tooabatestasdtest')) #只有兩個0,返回none

{m,} 至少出現m次

import re
print(re.match('to{3}','toooooabatestasdtest')) #匹配t以及跟隨在後面的三個ooo
print(re.match('to{3}','tooabatestasdtest')) #只有兩個0,返回none

{m,n} 指定從m-n次的範圍

import re
print(re.match('to{3,4}','toooabatestasdtest')) #剛好有三個ooo，成功匹配
print(re.match('to{3,4}','tooabatestasdtest'))  #只有兩個o,返回none
print(re.match('to{3,4}','toooooabatestasdtest')) #提取最多四個o

匹配邊界

$ 匹配結尾字元

定義整個字串必須以指定字串結尾

import re
print(re.match('.*d$','2testaabcd')) #字串必須以d結尾 
print(re.match('.*c','2testaabcd'))  #字串不是以c結尾，返回none

^ 匹配開頭字元

定義整個字串必須以指定字元開頭

import re
print(re.match('^2','2stoooabatestas')) #規定必須以2開頭，否則none 
print(re.match('^2s','2stoooabatestas')) #必須以2s開頭

b 匹配一個單詞的邊界

b：表示字母數位與非字母數位的邊界，非字母數位與字母數位的邊界。即下面ve的右邊不能有字母和數位

import re
print(re.match(r'.*veb','ve.2testaabcd'))  #因為在python中代表跳脫，所以前面加上r消除跳脫
print(re.match(r'.*veb','ve2testaabcd'))

B 匹配非單詞邊界

import re
print(re.match(r'.*veB','2testaavebcdve'))  #ve的右邊需要有字母或者數位 
print(re.match(r'.*veB','2testaave3bcdve'))

匹配分組

| 匹配左右任意一個表示式

只要|兩邊任意一個表示式符合要求就行

import re
print(re.match(r'd[1-9]|D[a-z]','2233'))  #匹配|兩邊任意一個表示式
print(re.match(r'd[1-9]|D[a-z]','as'))

(ab) 將括號中字元作為一個分組

()中的內容會作為一個元組字元裝在元組中

import re
a = re.match(r'<h1>(.*)<h1>','<h1>你好啊<h1>')
print(a.group())    #輸出匹配的字元
print(a.groups())   #會將()中的內容會作為一個元組字元裝在元組中
print('`````````````')
b = re.match(r'<h1>(.*)(<h1>)','<h1>你好啊<h1>')
print(b.groups()) #有兩括號就分為兩個元組元素
print(b.group(0))  #group中預設是0
print(b.group(1))  #你好啊
print(b.group(2))  #h1

search

和match差不多用法，從字串中進行搜尋

import re
print(re.match(r'dd','123test123test'))
print(re.search(r'dd','123test123test'))

findall

從字面意思上就可以看到，findall是尋找所有能匹配到的字元，並以列表的方式返回

import re
print(re.match(r'dd','123test123test'))
print(re.search(r'dd','123test123test'))

re.s

findall中另外一個屬性re.S

在字串a中，包含換行符n，在這種情況下

如果不使用re.S引數，則只在每一行內進行匹配，如果一行沒有，就換下一行重新開始。
而使用re.S引數以後，正規表示式會將這個字串作為一個整體，在整體中進行匹配。

如下要尋找test.*123的資料，因為test和123在不同的行，如果沒加re.s的話，他會在每一個進行匹配查詢而不是將字串作為一個整體進行查詢

import re
a = """aaatestaa     
aaaa123"""
print(re.findall(r'test.*123',a))       
print(re.findall(r'test.*123',a,re.S))

sub

查詢字串中所有相匹配的資料進行替換

sub(要替換的資料，替換成什麼，要替換的資料所在的資料)

import re
print(re.sub('php','python','php是世界上最好的語言——php'))  
#輸出 "python是世界上最好的語言——python"

split

對字串進行分割，並返回一個列表

import re
s = "itcase,java:php-php3;html"
print(re.split(r",",s))           #以,號進行分割
print(re.split(r",|:|-|;",s))     #以,或者：或者-或者;進行分割
print(re.split(r",|:|-|%",s))    #找不到的分隔符就忽略

貪婪與非貪婪

python裡的數量詞預設是貪婪的，總是嘗試儘可能的匹配更多的字元。python中使用?號關閉貪婪模式

如

import re
print(re.match(r"aad+","aa2323"))   #會盡可能多的去匹配d
print(re.match(r"aad+?","aa2323"))  #儘可能少的去匹配d

import re
s = "this is a number 234-235-22-423"
# 1.貪婪模式
resule = re.match(r"(.+)(d+-d+-d+-d)",s)   #我們本想數位和字母拆解成兩個分組
print(resule.groups())  #('this is a number 23', '4-235-22-4')但我們發現輸出的結果中23的數位竟然被弄到前面去了
 
#因為+它會盡可能多的進行匹配，d，只需要一個4就能滿足，所以前面就儘可能多的匹配
# 2.關閉貪婪模式
#在數量詞後面加上 ?，進入非貪婪模式，儘可能少的進行匹配
result = re.match(r"(.+?)(d+-d+-d+-d)",s)
print(result.groups())   #('this is a number ', '234-235-22-4')

案例

匹配手機號

要求，手機號為11位，必須以1開頭，且第二個數位為35678其種一個

import re
result = re.match(r'1[35678]d{9}','13111111111')
print(result.group())   #匹配成功
result = re.match(r'1[35678]d{9}','12111111111')
print(result)     #none，第二位為2
result = re.match(r'1[35678]d{9}','121111111112')
print(result)     #none，有12位元

提取網頁原始碼中所有的文字

如下，將其中的所有文字提取出來，去掉標籤。思路就是運用sub方法，將標籤替換為空

s = """<div>
<p>崗位職責:</p>
<p>完成推薦演演算法、資料統計、介面、後臺等伺服器端相關工作</p>
<p><br></p>
<P>必備要求:</p>
<p>良好的自我驅動力和職業素養，工作積極主動、結果導向</p>
<p>&nbsp;<br></p>
<p>技術要求:</p>
<p>1、一年以上 Python開發經驗，掌握物件導向分析和設計，瞭解設計模式</p>
<p>2、掌握HTTP協定，熟悉NVC、MVVM等概念以及相關wEB開發框架</p>
<p>3、掌握關聯式資料庫開發設計，掌握SQL，熟練使用 MySQL/PostgresQL中的一種<br></p>
<p>4、掌握NoSQL、MQ，熟練使用對應技術解決方案</p>
<p>5、熟悉 Javascript/cSS/HTML5，JQuery,React.Vue.js</p>
<p>&nbsp;<br></p>
<p>加分項:</p>
<p>巨量資料，數理統計，機器學習，sklearn，高效能，大並行。</p>
</div>"""

要提取出來最重要的就是關閉貪婪模式，

result = re.sub(r'<.*?>|&nbsp','',s)  #
print(result)

如果關閉貪婪模式，<xx>中的內容會盡可能多的匹配，只要能夠滿足後面的>就行，然後<>xxx<>中xxx內容也替換掉了

提取圖片地址

import re
s = """<img data-original="https://img02.sogoucdn.com/app/a/100520024/36189693dc8db6bd7c0be389f8aaddbd.jpg" src="https://img02.sogoucdn.com/app/a/100520024/36189693dc8db6bd7c0be389f8aaddbd.jpg" width="250" height="375" .jpg>"""
result1 = re.search(r"src="https.*.jpg"",s)   
print(result1.group())
 
result2 = re.search(r"src="(https.*.jpg)"",s) #我只是想將網址提取出來，所以httpxx加括號，這樣我就可以把它單獨提取出來，src則不會出來
print(result2.groups()[0])

總結

到此這篇關於Python正規表示式re模組詳解的文章就介紹到這了,更多相關Python正規表示式re模組內容請搜尋it145.com以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援it145.com！