Python正则表达式(小结)

1. 什么是正则表达式?

正则表达式(regular expression,有时简写为RegEx 或 regex)就是用一组由字母和符号组成的“表达式”来描述一个特征,然后去验证另一个“字符串”是否符合/匹配这个特征。

2.应用场景?

(1)验证字符串是否符合指定特征,比如验证邮件地址是否符合特定要求等;

(2)用来查找字符串,从一个长的文本中查找符合指定特征的字符串;

(3)用来替换,比普通的替换更强大。

3.相应的模块--re

re模块是Python用来处理正则表达的模块,是Python处理文本的标准库。所谓的Python标准库,就是内置模块,不需要额外下载,使用时直接引入即可。

 4.常用函数

类别 函数 用途 表达式 remark
查找一个匹配项 re.search() 查找任意位置的匹配项. re.search(pattern,string,flags)

search函数是在字符串中任意位置匹配,只要有符合正则表达式的字符串就匹配成功,即使有两个匹配项,search函数也只返回一个。

pattern: 正则表达式的字符串或原生字符串表示;string待匹配字符串;flags:正则表达式使用时的控制标记。

返回Match对象。

re.match() 必须从字符串开头匹配. re.match(pattern,string,flags)

match函数是要从头开始匹配,如果开头不一样,一定无法匹配。

从一个字符串的开始位置匹配正则表达式,返回Match对象。

pattern: 正则表达式的字符串或原生字符串表示;string待匹配字符串;flags:正则表达式使用时的控制标记。

返回Match对象。

re.fullmatch() 整个字符串与正则完全匹配.

re.fullmatch(pattern,string,flags)

fullmatch函数需要完全相同,匹配整个字符串,返回Match对象。不匹配时,返回None。

返回Match对象。

查找多个匹配项 re.findall() 从字符串任意位置查找,返回一个列表.

 re.findall(pattern,string,flags)

搜索字符串,以列表形式返回全部能匹配的子串。

返回列表类型。

两个方法基本类似,只不过一个是返回列表,一个是返回迭代器。列表是一次性生成在内存中,而迭代器是需要使用时一点一点生成出来的,内存使用更优。
re.finditer() 从字符串任意位置查找,返回一个迭代器.

 re.finditer(pattern,string,flags)

搜索字符串,返回一个匹配结果的迭代类型,每个迭代元素是Match对象。

分割 re.re.split() 支持正则分割 re.split(pattern, string, maxsplit=0, flags=0) 

函数:将一个字符串按照正则表达式匹配结果进行分割,返回列表类型。

用 pattern 分开 string , maxsplit表示最多进行分割次数, flags表示模式。

返回列表类型。

替换 re.sub() 支持正则替换 re.sub(pattern, repl, string, count=0, flags=0)

函数:在一个字符串中替换所有匹配正则表达式的子串,返回替换后的字符串。

repl替换掉string中被pattern匹配的字符, count表示最大替换次数,flags表示正则表达式的常量。

re.subn() 支持正则替换 re.subn(pattern, repl, string, count=0, flags=0)  函数与 re.sub函数 功能一致,只不过返回一个元组 (字符串, 替换次数)。
编译正则对象 re.compile()  编译正则表达式  返回Pattern对象。

将正则表达式的样式编译为一个 正则表达式对象 (正则对象Pattern),这个对象与re模块有同样的正则函数。template()增加了re.TEMPLATE 模式。

re.template()    
其他 re.escape()   re.escape(pattern) re.escape(pattern) 可以转义正则表达式中具有特殊含义的字符,比如:.或者 *。使用是,应小心转义符的问题。
re.purge() 清除正则表达式缓存    

注意:查找一个匹配项(search、match、fullmatch)的函数返回值都是一个 匹配对象Match ,必须需要通过match.group() 获取匹配值。

5.什么是Match对象?有什么属性和方法?

在上面4的说明中,我们提到search、match、fullmatch函数的返回值是一个Match对象,这个对象中包含了很多匹配的信息。

类别 名称 解释
对象属性 string 待匹配的文本。
re 匹配时使用的Pattern对象(正则表达式)
pos 正则表达式搜索文本的开始位置。
endpos 正则表达式搜索文本的结束位置。
对象方法 start() 匹配字符串在原始字符串的开始位置。
end() 匹配字符串在原始字符串的结束位置。
span() 匹配区域,返回(start(),end())。
group() 获得匹配后的字符串。
groups() 获取每部分匹配的字符串,元组类型。

注意group()和groups()的区别,一个是返回匹配的字符串,一个是返回各部分匹配内容组成的元组。

6.表达式中的控制标记flags

flags:正则表达式使用时的控制标记

常用标记 标记功能说明

re.I(re.IGNORECASE)

 re.I是正则表达式中的一个flag,用于忽略大小写。当我们想要匹配的字符串中包含大小写不敏感的内容时,可以使用这个flag。

例如,我们想要匹配字符串中的"apple",不论是大写还是小写,都可以使用re.I来实现。

re.M(re.MULTILINE)

 re.M是正则表达式中的另一个flag,用于多行匹配。通常情况下,正则表达式默认只匹配字符串中的一行内容,但是当我们需要匹配多行内容时,就可以使用re.M。

例如,我们想要匹配字符串中的以数字开头的所有行,就可以使用re.M。

re.S(re.DOTALL)  re.S是正则表达式中的一个flag,用于匹配任意字符,包括换行符。如不设置re.DOTALL这个Flag标识位,符号“.”匹配除换行符外的一切。而一旦设置了这个标识位,符号“.”将啥都匹配。
re.X(re.VERBOSE)

忽略空白,提高可读性。当该标志被指定时,在 RE 字符串中的空白符被忽略,除非该空白符在字符类中或在反斜杠之后。它也可以允许你将注释写入 RE,这些注释会被引擎忽略;注释用 “#”号 来标识,不过该符号不能在字符串或反斜杠之后。

7.在表达式中强调开始\结束位置的特殊字符

表达式用到的特殊字符 说明 举例
^ 与字符串开始的地方匹配,此字符不匹配任何字符. 表达式 "^aaa" 在匹配 "xxxaaaxxx" 时,匹配失败。只有当 "aaa" 位于字符串的开头的时候,"^aaa" 才能匹配,如:"aaaxxxxxx"。
$ 与字符串结束的地方匹配,此字符不匹配任何字符. 达式 "aaa$"在匹配 "xxxaaaxxx" 时,匹配失败。只有当"aaa"位于字符串的结尾的时候,"aaa$"才能匹配,比如:"xxxxxxaaa"。

8.表达式中的转义符(\) 

一些不便书写的字符和特殊用处的标点符号,采用在前面加“\” (转义符).

表达式 可匹配 表达式 可匹配
\n 匹配换行符 \? 匹配?符号本身
\t 匹配制表符 \* 匹配*符号本身
\\ 匹配\符号本身 \+ 匹配+符号本身
\^ 匹配^符号本身 \{、\} 匹配大括号
\$ 匹配$符号本身 \[、\] 匹配中括号
\. 匹配.符号本身 \(、\) 匹配小括号

9.能够与 '多种字符' 匹配的表达式

 正则表达式中的一些表示方法,可以匹配 ‘多种字符’ 中的任意一个字符。例如,表达式"\d" 可以匹配任意一个数字。虽然可以匹配其中任意字符,但是只能是一个,不是多个。

表达式 匹配功能
\d 任意一个数字,0~9中的任意一个
\w 任意一个字母或数字或下划线,也就是A~Z,a-z,0-9,_中任意一个
\s 包括空格\制表符\换页符等空白符的其中的任意一个
. 小数点可以匹配除了换行符(\n)以外的任意一个字符

10.表达匹配次数

表达式 匹配功能 例子
{n} 表达式重复n次 例如:"\w{2}"相当于"\w\w";"a{5}"相当于"aaaaa"
{m,n} 表达式至少重复m次,最多重复n次 例如:"ba{1,3}" 可以匹配"ba"或"baa"或"baaa"
{m,} 表达式至少重复m次 例如:"\w\d{2,}"可以匹配"a12","_456","M12344"
? 匹配表达式0次或1次,相当于{0,1} 例如:"a[cd]?"可以匹配"a","ac","ad"
+ 表达式至少出现1次,相当于{1,} 例如:"a+b" 可以匹配"ab","aab","aaab"
* 表达式不出现或出现任意次数,相当于{0,} 例如:"\^*b"可以匹配"b","^^^b"

11.借助[]和^自定义匹配关系

使用方括号 [ ] 包含一系列字符,能匹配其中任意一个字符。用 [^ ] 包含一系列字符,则能匹配其中字符之外的任意一个字符。

表达式案例 匹配功能
[abc5@] 匹配"a"或"b"或"5"或"@"
[^abc] 匹配"a","b","c"之外的任意一个字符
[f-k] 匹配"f"~"k"之间的任意一个字符
[^A-F0-3] 匹配"A"~"F","0"~"3"之外的任意一个字符。

注意:虽然可以匹配其中任意一个,但是只能是一个,不是多个。 

 12.字符串中关于IP的正则表达式

    ##字符串中关于IP地址的正则表达式
    ## ^:匹配字符串的开头。((25[0-5]|2[0-4]\d|[01]?\d\d?)\.):匹配一个数字和一个点号,这个数字的取值范围是0到255。
    ## {3}:匹配前面的表达式三次。(25[0-5]|2[0-4]\d|[01]?\d\d?):   配一个数字,这个数字的取值范围是0到255。$:匹配字符串的结尾。
    ## 使用正则表达式匹配IP地址
    # 字符串是IP地址
    ip_pattern = r'^((25[0-5]|2[0-4]\d|[01]?\d\d?)\.){3}(25[0-5]|2[0-4]\d|[01]?\d\d?)$'
    ##字符串是IP地址开头的
    ipstart_pattern = r'^((25[0-5]|2[0-4]\d|[01]?\d\d?)\.){3}(25[0-5]|2[0-4]\d|[01]?\d\d?)'
    ##字符串包含IP
    ipcontain_pattern = r'((25[0-5]|2[0-4]\d|[01]?\d\d?)\.){3}(25[0-5]|2[0-4]\d|[01]?\d\d?)'   
    ##字符串包含IP,并且IP地址是以': ['字符开头,以']'字符结尾
    ipcontain_pattern_plus = r'(\: \[)((25[0-5]|2[0-4]\d|[01]?\d\d?)\.){3}((25[0-5]|2[0-4]\d|[01]?\d\d?)\])' 

 

参考网址

https://zhuanlan.zhihu.com/p/479731754

https://zhuanlan.zhihu.com/p/127807805

https://www.bilibili.com/read/cv25901174/?jump_opus=1

https://www.bilibili.com/video/BV1TJ411Y7JX?p=156

热门相关:墨先生,乖乖娶我   傲娇总裁:蜜宠小甜妻!   百炼成仙   仙碎虚空   宝贝轻轻:总裁的独家宠爱