day5模塊學習--re正則模塊

来源:http://www.cnblogs.com/gengcx/archive/2017/07/26/7231973.html
-Advertisement-
Play Games

1. 正則表達式基礎 1.1. 簡單介紹 正則表達式並不是Python的一部分。正則表達式是用於處理字元串的強大工具，擁有自己獨特的語法以及一個獨立的處理引擎，效率上可能不如str自帶的方法，但功能十分強大。得益於這一點，在提供了正則表達式的語言里，正則表達式的語法都是一樣的，區別隻在於不同的編程語 ...


1. 正則表達式基礎

1.1. 簡單介紹

    正則表達式並不是Python的一部分。正則表達式是用於處理字元串的強大工具，擁有自己獨特的語法以及一個獨立的處理引擎，效率上可能不如str自帶的方法，但功能十分強大。得益於這一點，在提供了正則表達式的語言里，正則表達式的語法都是一樣的，區別隻在於不同的編程語言實現支持的語法數量不同；但不用擔心，不被支持的語法通常是不常用的部分。如果已經在其他語言里使用過正則表達式，只需要簡單看一看就可以上手了。

    下圖展示了使用正則表達式進行匹配的流程：  http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html

   

 

    正則表達式的大致匹配過程是：依次拿出表達式和文本中的字元比較，如果每一個字元都能匹配，則匹配成功；一旦有匹配不成功的字元則匹配失敗。如果表達式中有量詞或邊界，這個過程會稍微有一些不同，但也是很好理解的，看下圖中的示例以及自己多使用幾次就能明白。

    下圖列出了Python支持的正則表達式元字元和語法：

   

    1.”.“匹配任意除換行符以外的字元

    >>> string = "abafsdafd\nafdasfd"         #包含換行符
　　>>> string1 = "adfasdfadfasdfwer12345656耿"     #不包含換行符
　　>>> import re  
　　>>> m = re.search(".+",string)           #驗證是否可以匹配換行符
　　>>> m.group()
　　'abafsdafd'

    >>> n = re.search(".+",string1)
　　>>> n.group()
　　'adfasdfadfasdfwer12345656耿'
    從上面輸出結果可以看出，”.“是匹配任意除了換行符的字元。遇到"\n"換行符即終止匹配。

    2.”\"轉義字元

    轉義字元，使後一個字元改變原來的意思。如果字元串中有*號需要匹配，可以使用\*或者字元集[*],"a\.c"代表匹配a.c  "a\\c"代表匹配a\c

    >>> str_num = "22.567979mafdasdf"
　　>>> m = re.search("\d+\.\d+",str_num)
　　>>> m.group()
　　'22.567979'
    我們知道，"."在python中代表的含義是除了"\n"之外的所有字元，如果這裡不進行轉義的話，匹配出來的就是任意非"\n"字元，因此要使用"\"進行轉義。

    >>> string = "dfafdasfd\fafdasfda"
　　>>> string
　　'dfafdasfd\x0cafdasfda'
    在python中，如果字元串中包含"\"，有時候會顯示不出來，或者修改後面的內容，把別人改變了，這個不知道在Linux平臺上是怎麼回事。

    3.[...]字元集（字元類）   
    [...]：字元集（字元類）對應的位置可以是字元集中任意字元。字元集中的字元可以逐個列出[0,1,2,3,4,5,6,7,8,9]，也可以給出範圍[0-9]。第一個字元集如果是^表示取反，如[^abc]表示不是abc的其他字元。

    所有的特殊字元在字元集中都失去其原有的特殊意義。在字元集中如果要使用]、或^，可以在前面加上"\"反斜杠，或把]\、-放在第一個字元，把^放在非第一個字元。

    >>> string = "dafdafdasf[adfas^fad"

    >>> m = re.search("[a-z]+\[",string)
　　>>> m.group()
　　'dafdafdasf['
    從上面腳本可以看出，如果要匹配[要在前面加上"\"轉義字元。

    >>> m = re.search("\w+[[]",string)      （1）在字元集中匹配"["
　　>>> m.group()
　　'dafdafdasf['
    >>> n = re.search("w+[\[]",string)      （2）轉義匹配，驗證在字元集中匹配[是否需要加[\]
　　>>> n.group()
　　Traceback (most recent call last):
  　　File "<stdin>", line 1, in <module>
　　AttributeError: 'NoneType' object has no attribute 'group'
    在字元集中如果要使用]、或^，可以在前面加上"\"反斜杠，或把]\、-放在第一個字元，把^放在非第一個字元。
    預定義字元集

    1.\d數字

    >>> m = re.search("\d",string)
　　>>> m.group()
　　'1'
    \d是匹配數字，等價於[0-9]
    2.\D非數字       等價於[^\d]

    >>> string = "dfaMNA12581耿fa"
　　>>> m = re.search("\D",string)
　　>>> m.group()
　　'd'
　　>>> n = re.search("[^\d]",string)
　　>>> n.group()
　　'd'

    >>> l = re.search("[^0-9]",string)
　　>>> l.group()
　　'd'
    從上面可以看出,“\D”是用來匹配非數字的，匹配除了數字0-9意外的任意字元，等價於[^0-9]或[^\d]
    3.\s空白字元     [<空格>\r\t\n\f\v]

    “\s”是匹配任意非空字元，如[<空格>\r\t\n\f\v]等，實例如下：

    >>> m = re.search("\s+",string)     #\s進行匹配空白字元
　　>>> m.group()
　　' \t \n \x0c \x0b \r'
    從上面可以看出，\s是匹配任意空白字元，如空格、\r、\t、\n、\f、\v等

    4.\S非空白字元     \S與\s正好相反，是匹配任意非空字元。等價於[^\s]匹配任意非空字元

    >>> string = "faMM耿 \t \n \f \v \rDASDF"
    >>> n = re.search("\S+",string)
　　>>> n.group()
　　'faMM耿'
    從上面可以看出"\S"是匹配任意非空字元，遇到空的字元即停止了，匹配任意非空字元，"."匹配任意字元，除了換行符之外。

    >>> m = re.search(".+",string)
　　>>> m.group()
　　'faMM耿 \t '
    從上面看出，“\S”和“.”還是有差別的，一個是任意非空字元，一個是匹配任意除了"\n"意外任意非空字元。

    5.\w 單詞字元[A-Z0-9a-z_]   
    \w是匹配單詞字元，下麵來看下能不能匹配漢字或其他：

    >>> string = "faMM耿 \t \n \f \v \rDASDF"

    >>> m = re.search("\w+",string)
　　>>> m.group()
　　'faMM耿'                （1）腳本

    >>> format_string = "fdMM更KKMM長 /大MM \n \tMMKDSI"
　　>>> m = re.search("\w+",format_string)
　　>>> m.group()
　　'fdMM更KKMM長'          （2）腳本

    可以看出，"\w"是可以匹配漢字的，不能匹配空格，換行符這些，但是能夠匹配漢字。

    6.\W       等價於非單詞字元 [^\w]  

    >>> import re
　　>>> string = "naefda曾 LmKDS 1316547\n\t\r@@3$&^$"
　　>>> m = re.search("\W+",string)

    >>> m.group()
　　' '

    從上面可以看出"\W "匹配出來了空，說明" "不是單詞字元，"\W"是匹配非單詞字元。

    數量詞（用在字元或(...)之後）

    1."*"       匹配前一個字元0或無限次       前一個字元

    "*"是匹配前一個字元0或無限次

    >>> import re
　　>>> string = "naefda曾 LmKDS 1316547\n\t\r@@3$&^$"
    >>> m = re.search("\w*",string)
　　>>> m.group()
　　'naefda曾'
　　>>> n = re.search("\d*",string)
　　>>> n.group()
　　''

    >>> n = re.search("耿",string)
　　>>> n
　　>>> n.group()
　　Traceback (most recent call last):
　　  File "<stdin>", line 1, in <module>
　　AttributeError: 'NoneType' object has no attribute 'group'

    從上面腳本代碼可以看出，當使用*要查找的字元在開頭的時候就會匹配到，在中間就匹配不到。這種懶惰的匹配方式，如果其他情況下匹配不到，則會返回錯誤。

    2.“+”    匹配前一個字元一次或無限次    前一個字元（牢記，只是匹配前面一個）

    >>> import re
　　>>> string = "naefda曾 LmKDS 1316547\n\t\r@@3$&^$"
    >>> m = re.search("\w+",string)
　　>>> m.group()
　　'naefda曾'
　　>>> n = re.search("\s+",string)
　　>>> n.group()
　　' '
　　>>> d = re.search("更",string)
　　>>> d.group()
　　Traceback (most recent call last):
  　　File "<stdin>", line 1, in <module>
　　AttributeError: 'NoneType' object has no attribute 'group'
    從上面可以看出，"+"是匹配前一個字元一次或無限次，如果匹配不到，則返回None

    3."?"   匹配前一個字元0次或一次        前一個字元（牢記，只是匹配前面一個）

    >>> import re
　　>>> string = "naefda曾 LmKDS 1316547\n\t\r@@3$&^$"
　　>>> m = re.search("\w?",string)
　　>>> m.group()
　　'n'
　　>>> n = re.search("f?",string)
　　>>> n.group()
　　''
    從上面可以看出，?是以貪婪的方式進行匹配。?是匹配前一個字元0次或1次。從上面的例子中發現一個問題，即"?"和"*"都是從頭開始進行匹配，如果開頭匹配不到，就返回""，等價於如果使用search()出現”?"和“*”等價於使用match()從頭開始匹配，找不到則不找了，不一樣的是match()返回的是None，而seach()返回的是""。

    4.{m}   代表匹配前一個字元m次        前一個字元（牢記，只是匹配前面一個）

    >>> import re

    >>> string = "dafMM\n更1134657Qqcd m,l#!"
　　>>> m = re.search("\d{4}",string)        #代表匹配數字四次
　　>>> m.group()
　　'1134'

    >>> n = re.search("\d{10}",string)
　　>>> n.group()
　　Traceback (most recent call last):
 　　 File "<stdin>", line 1, in <module>
　　AttributeError: 'NoneType' object has no attribute 'group'

    從上面可以看出，如果匹配不到，則返回None；{m}是代表匹配前一個字元m次，要註意在匹配的時候，我們可以像下麵一樣設定一個匹配區間，這樣就不會出現匹配超標的情況。

    5.{m,n}    匹配一個字元m次至n次         前一個字元（牢記，只是匹配前面一個）

    m和n可以省略，如省略m({,n})則匹配0到n次；若省略n（{m,}）,則匹配m至無限次。

    >>> import re

    >>> string = "dafMM\n更1134657Qqcd m,l#!"

   >>> m = re.search("\d{1,10}",string)
　　>>> m.group()
　　'1134657'
　　>>> n = re.search("\d{,5}",string)
　　>>> n.group()
　　''
　　>>> d = re.search("\d{4,}",string)
　　>>> d.group()
　　'1134657'
    從上面可以看出，{m,n}是匹配在一個範圍內的個數，但是我們也發現了一個問題，千萬不要讓正則表達式匹配包含0次的情況，一旦匹配0次，那麼就會出現如果開頭匹配不到之後，就不匹配的情況，直接返回""。

    *? +? ?? {m,n}?使*,+,?,{m,n}變成非貪婪模式。

    邊界匹配

    1.^  匹配字元串開頭，在多行模式中，匹配第一行的開頭

    >>> import re

    >>> string = "dafMM\n更1134657Qqcd m,l#!"

    >>> m = re.search("^da",string)
　　>>> m.group()
　　'da'

    開頭匹配，相當於使用match()進行匹配了。

    2.$    匹配字元串末尾，在多行模式中匹配每一行的末尾  

    >>> import re

    >>> string = "dafMM\n更1134657Qqcd m,l#!"

    >>> m = re.search("#!",string)
　　>>> m.group()
　　'#!'
    "$"是匹配字元串的末尾，不管前面，值匹配末尾是否是要匹配的內容。

    3.\A    僅匹配字元串開頭

    >>> import re

    >>> string = "dafMM\n更1134657Qqcd m,l#!"

    >>> m = re.search("\Adaf",string)
　　>>> m.group()
　　'daf'
    “\A”是僅匹配字元串開頭，即僅僅從字元串的開頭進行匹配。
    4.\Z    僅匹配字元串末尾

    >>> import re

    >>> string = "dafMM\n更1134657Qqcd m,l#!"

    >>> n = re.search("l#!",string)
　　>>> n.group()
　　'l#!'
    "\Z"是僅匹配字元串末尾，僅從末尾進行匹配，可能\Z和$的區別就是，$是匹配每行的末尾，而\Z是僅匹配字元串的末尾。

    5.\b   匹配\w和\W之間的字元   

    6.\B    匹配非\w和\W之間的字元 即[^\b]   

    邏輯分組

    1.“|”   代表左右表達式任意匹配一個

    它總是先嘗試匹配左邊的表達式，一旦成功則跳過右邊的表達式。如果|沒有被包含在()中，則它的範圍是整個正則表達式

    >>> import re
　　>>> m = re.search("(?P<province>[0-9]{4})(?P<city>[0-9]{2})(?P<birthday>[0-9]{4})","371481199306143242").groupdict()
　　>>> m
　　{'city': '81', 'birthday': '1993', 'province': '3714'}

    可以依次分組匹配，生成一個字典，groupdict()，分組匹配，給匹配到的字元串起名字。

1.2. 數量詞的貪婪模式與非貪婪模式

　　正則表達式通常用於在文本中查找匹配的字元串。Python里數量詞預設是貪婪的（在少數語言里也可能是預設非貪婪），總是嘗試匹配儘可能多的字元；非貪婪的則相反，總是嘗試匹配儘可能少的字元。例如：正則表達式"ab*"如果用於查找"abbbc"，將找到"abbb"。而如果使用非貪婪的數量詞"ab*?"，將找到"a"。

1.3. 反斜杠的困擾

    與大多數編程語言相同，正則表達式里使用"\"作為轉義字元，這就可能造成反斜杠困擾。假如你需要匹配文本中的字元"\"，那麼使用編程語言表示的正則表達式里將需要4個反斜杠"\\\\"：前兩個和後兩個分別用於在編程語言里轉義成反斜杠，轉換成兩個反斜杠後再在正則表達式里轉義成一個反斜杠。Python里的原生字元串很好地解決了這個問題，這個例子中的正則表達式可以使用r"\\"表示。同樣，匹配一個數字的"\\d"可以寫成r"\d"。有了原生字元串，你再也不用擔心是不是漏寫了反斜杠，寫出來的表達式也更直觀。

 

1.4. 匹配模式

    正則表達式提供了一些可用的匹配模式，比如忽略大小寫、多行匹配等，這部分內容將在Pattern類的工廠方法re.compile(pattern[, flags])中一起介紹。

2. re模塊     
    2.1. 開始使用re   
    Python通過re模塊提供對正則表達式的支持。使用re的一般步驟是先將正則表達式的字元串形式編譯為Pattern實例，然後使用Pattern實例處理文本並獲得匹配結果（一個Match實例），最後使用Match實例獲得信息，進行其他的操作。  

import re

#將正則表達式編譯成Pattern對象
pattern = re.compile(r'hello')

#使用pattern匹配文本,獲得匹配結果，無法匹配時將返回None
match = pattern.match("hello world!")
if match:
    #使用match獲得分組信息
    print(match.group())

 

    上面正則匹配中，首先進行了編譯，編譯成正則格式，然後進行匹配。

    re.compile(strPattern[, flag]):

    這個方法是Pattern類的工廠方法，用於將字元串形式的正則表達式編譯為Pattern對象。 第二個參數flag是匹配模式，取值可以使用按位或運算符'|'表示同時生效，比如re.I | re.M。另外，你也可以在regex字元串中指定模式，比如re.compile('pattern', re.I | re.M)與re.compile('(?im)pattern')是等價的。
可選值有：

    re模塊還提供了一個方法escape(string)，用於將string中的正則表達式元字元如*/+/?等之前加上轉義符再返回，在需要大量匹配元字元時有那麼一點用。

    2.2. Match  
　　>>> string = "aafaaMMaaaa"
　　>>> m = re.search("aa?",string)
　　>>> m.group()
　　'aa'
　　>>> n = re.search("aaa?",string)
　　>>> n.group()
　　'aa'
　　>>> d = re.search("aaaa?",string)
　　>>> d.group()
　　'aaaa'
    上面代碼中，"?"的作用是匹配前一個字元，就是這個正則符號前面的那個字元0次或一次。


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 顏色擴展類--ColorExtensions
    /// /// 顏色擴展類 /// public static class ColorExtensions { /// /// .NET預定義的系統顏色緩存列表 /// private static readonly Dictionary ColorCache; /// /// 擁有相同顏色代碼值的... ...
  • C#設計模式——單例
    單例模式是設計模式中最簡單的形式之一。這一模式的目的是使得類的一個對象成為系統中的唯一實例。對於系統中的某些類來說，只有一個實例很重要，例如，一個系統中可以存在多個列印任務，但是只能有一個正在工作的任務；一個系統只能有一個視窗管理器或文件系統；一個系統只能有一個計時工具或ID(序號)生成器。 顯然單 ...
  • 大型網站架構演進(7)資料庫拆分
    能過資料庫的讀寫分離和使用NoSQL，以及搜索引擎後，能夠降低主庫的壓力，解決數據存儲方面的問題，不過隨著業務的繼續發展，我們的資料庫主庫還是會遇到性能瓶頸，所以為了減小資料庫主庫的壓力，我們有資料庫垂直拆分和水平拆分兩種方式。 資料庫拆分 資料庫拆分有兩種方法，垂直拆分和水平拆分。 垂直拆分 垂直 ...
  • Visual Studio 刪除空行
    Visual Studio 沒有提供此功能，只能用正則表達式，具體做法如下： 一、ctrl+ H 打開替換框 二、在替換框中的源中輸入 ^(?([^\r\n])\s)*\r?$\r?\n 圖如下： 完畢 ...
  • 分享一隻加密演算法
    這是什麼加密？可以吃嗎？ 今天的給大家分享的應該是BASE64、MD5、AES演算法共同實現的吧，不過加密後體積會變大些，他不可以吃 一、概述 加密的流程大概就是醬紫的: 原文→BASE64編碼 →AES加密 得到密文 密碼→MD5加密 解密的流程大概是醬紫: 密碼 → MD5加密 → BASE64解 ...
  • struts2返回結果類型
    java ee 中struts2中struts.xml中result標簽 ...
  • struts2的基本配置
    1.package標簽下主要的點在namespace和name,extend上 extend 一般繼承自struts-default.xml下,繼承其攔截器及一些功能,這個已在本人的攔截器一文中有講到 namespace，主要用於約束訪問地址action前的路徑,比如http://www.baidu ...
  • 電腦程式的思維邏輯 (92) - 函數式數據處理 (上)
    本節探討Java 8中的函數式數據處理 - Stream API，它能大大簡化常見的集合數據操作，怎麼做到的呢？ ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發（一）：使用.NET MAUI開發第一個安卓APP
    移動開發（一）：使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說，近來想嘗試開發一款安卓APP，考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP，畢竟是使用Visual Studio開發工具，使用起來也比較的順手，結合微軟官方的教程進行了安卓 ...
  • wpf ToggleButton選中效果和一個登錄界面
    前言 QuestPDF 是一個開源 .NET 庫，用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫，它徹底改變了我們生成 PDF 文檔的方 ...
  • 彈幕樹洞項目功能新增篇
    項目地址 項目後端地址： https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址： ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址： http://tree ...
  • 第27篇 sqlserver2022詳細安裝步驟
    話不多說，直接開乾 一.下載 1.官方鏈接下載： https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe，運行開始下載SQL server； 二. ...
  • .NET 開源高性能 MQTT 類庫
    前言 隨著物聯網（IoT）技術的迅猛發展，MQTT（消息隊列遙測傳輸）協議憑藉其輕量級和高效性，已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫，為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog文檔翻譯系列（六） - 可用的接收器、增強器、格式化輸出
    Serilog支持多種接收器用於日誌存儲，增強器用於添加屬性，LogContext管理動態屬性，支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項，適用於不同需求。 ...
  • 警惕 Visual Studio 屬性求值副作用導致邏輯不符合預期
    目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據，爬取信息時需要模擬瀏覽器行為，否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下： 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • [使用目前最新版]HybridCLR6.9.0+YooAsset2.2.4實現純C# Unity熱更新方案 (一)
    1.前言 什麼是熱更新 游戲或者軟體更新時，無需重新下載客戶端進行安裝，而是在應用程式啟動的情況下，在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR，Xlua，ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles，Addressable， ...
  • 在 ASP.NET Core Web API 中使用操作篩選器統一處理通用操作
    本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺，其實像阿裡雲，騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後，它會送 ...
  • 第28篇 如何.net中實現高效可靠數據同步api
    通過以下方式可以高效，並保證數據同步的可靠性 1.API設計 使用RESTful設計，確保API端點明確，並使用適當的HTTP方法（如POST用於創建，PUT用於更新）。 設計清晰的請求和響應模型，以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證，確保接收到的數據符合預期格 ...
所有分類