小馬哥正在為Python的所有常見知識進行匯總,更會有大量實戰項目
點擊--> 全棧工程師養成---Python內容導航頁 <--查看所有Python內容
導語
正則表達式本質是一種字符串模式或者叫字符串模板,用來匹配一些列的字符串,找到目標字符串的過程就是匹配或者搜索,找到這些目標字符串之后,就可以對其進行提取,進行拆分,進行替換等等. 這也就是正則表達式和編程語言的邏輯關系,正則表達式規定了如何定義模式,編程語言使用正則表達式確定的邏輯模式,進行功能實現(匹配,搜索,提取,查分,替換等功能).
主要內容:
- (2)先使用Python的re模塊,實現正則表達式編程
- (1)正則表達式基本知識點
我故意把順序倒過來,雖然先有正則再有Python對正則表達式的支持, 我們先把知識用起來,然后不用太多解釋,你已經清楚正則是用來干什么了.目的還是保證: 一篇文章精通正則表達式,以及Python使用正則表達式熟練編程.
(一)用Python針對正則表達式編程
先把"見豬跑",直觀認識正則表達式與Python利用正則表達式實現一定功能,介紹常用的函數或者方法
1.1 match()函數
作用: 匹配正則表達式,如果匹配成功就返回一個匹配對象;如果匹配失敗,就返回None. 匹配對象的group()方法用于顯示成功的匹配.
例1,實現最簡單的正則表達式,
import re
# 正則表達式模式
pattern = 'China'
# 字符串文本
data = 'China'
# 通過re模塊的的match方法,從data的起始部分開始,對正則表達式模式進行比對,如果匹配,返回一個匹配對象;否則返回None
result = re.match(pattern,data)
print(type(result)) # 返回 <class 're.Match'>
print(result.group()) # Match對象的group()會返回成功的匹配.
例2,最簡單的正則表達式模式,之如果匹配失敗是什么樣子的
import re
pattern = 'China'
datas= 'Chinese','Python','China is a great country'
for data in datas:
result = re.match(pattern,data)
if result is not None:
print("匹配成功: ",result)
else:
print('匹配失敗: ',data)
匹配失敗: Chinese
匹配失敗: Python
匹配成功: <re.Match object; span=(0, 5), match='China'>
上面的模式(或者認為是模板)中,pattern就是一個簡單的字符串,但是這樣的模式只能匹配一個單詞,如果想匹配更多的情況,模式應該怎么寫?
例3,能夠匹配一個范圍的字符
import re
pattern = '[abc]' #使用[]括起來的內容,代表一個集合,代表匹配集合內的任意一個字符,[abc]代表可以匹配a或者b或者c
datas = 'a','b','c','e','xay'
for data in datas:
result = re.match(pattern,data)
if result is not None:
print('Match Successfully: ',result.group()) # group()函數的作用: 返回Match對象匹配到的字符內容
else:
print('Match Failed: ',data)
例4,上面的例子中[abc]指代了一個集合,元素之間是或的關系,也可以把這個集合看做一個范圍,
還有一種表示方法[a-z][A-Z][0-9],也是指代范圍,[a-c]也是同樣的意思
import re
pattern = '[a-e]' #[a-e]代表了a到e這個字符范圍內的任何一個字符
datas = 'a','b','c','e','xay'
for data in datas:
result = re.match(pattern,data)
if result is not None:
print('Match Successfully: ',result.group()) # group()函數的作用: 返回Match對象匹配到的字符內容
else:
print('Match Failed: ',data)
例5,點號'.' 匹配任意的單個字符(換行符和非字符除外)
import re
pattern = '李.'
names='李逵','李鬼','小李'
for name in names:
isMatched = re.match(pattern,name)
if isMatched:
print('Match Successfully: ',isMatched)
else:
print('Match Faied: ',name)
Match Successfully: <re.Match object; span=(0, 2), match='李逵'>
Match Successfully: <re.Match object; span=(0, 2), match='李鬼'>
Match Faied: 小李
1.2 search()函數
作用: 在字符串中查找指定的模式,返回第一次出現的位置
match()函數的作用是在目標字符串的起始位置開始匹配,是否符合正則表達式模式. 我們很多場景可能不一定在字符串起始位置,更多情況是在字符內搜索是否有匹配正則模式的字符串存在,這就是search()函數的存在意義了.
例1,在一段文本中查找目標字符串
import re
data = '我愛偉大的祖國,I love China,China is a great country' #China在data字符串中的位置區間為[15,20) 半開半閉區間
pattern = 'China'
result = re.search(pattern,data)
print(result.group())
print(data[19])
China
a
例2,點號"."的使用,搜索除去換行符之外的任意字符
import re
sentence='華為是華人的驕傲' #1,通過這個句子1可以體會點號的作用;2,search()函數會返回第一次匹配
pattern='華.'
result = re.search(pattern,sentence)
if result:
print(result.group())
華為
who laughs last laughs best
1.3 findall()和finditer()函數
作用:
- findall()查詢字符串中某個正則表達式全部的非重復出現情況,返回的是一個列表.
- finditer()返回的是一個迭代器,所以相比findall()更加節省內存
import re
sentence='華為是華人的驕傲'
pattern = '華.'
result = re.findall(pattern,sentence)
print(result)
['華為', '華人']
import re
sentence = '華為是華人的驕傲'
pattern = '華.'
result = re.finditer(pattern,sentence)
print(type(result))
<class 'callable_iterator'>
1.4 group()和groups()方法
作用: 匹配對象的兩個方法
匹配對象: match()或者search()成功調用后返回的對象
子組: 圓括號對匹配模式的各個部分進行分組和提取操作,子組可以帶來的方便是,不用通過match之后,再來對特定字符串進行抽取
group(): 返回整個匹配對象或者返回特定的子組
groups(): 返回一個包含唯一或者全部子組的元組
如果沒有子組的要求,那么當group()仍然返回整個匹配時,groups()返回一個空元組.
例1,無子組的模式返回使用group()匹配對象
import re
pattern = 'a'
data = 'abcd'
result = re.match(pattern,data)
print(result)
print(result.group())
print(result.groups())
<re.Match object; span=(0, 1), match='a'>
a
()
import re
pattern = '(華.)\w(華.)'
sentence = '華為是華人的驕傲'
result = re.search(pattern,sentence)
print(result)
print(result.group()) #返回整個匹配對象
print(result.group(0)) #返回整個匹配對象
print(result.group(1)) #返回子組1
print(result.group(2)) #返回子組2
print(result.groups()) #返回包含所有子組的元組
<re.Match object; span=(0, 5), match='華為是華人'>
華為是華人
華為是華人
華為
華人
('華為', '華人')
1.5 compile()函數
作用: 編譯正則表達式
import re
pattern = '(華.)\w(華.)'
sentence = '華為是華人的驕傲'
compiled_pattern = re.compile(pattern) #<class 're.Pattern'>
print(type(compiled_pattern))
# result = re.match(compiled_pattern,sentence) #(-1-)這樣做,
result = re.match(pattern,sentence) # (-2-)<class 're.Match'>
print(result)#(-1-)(-2-)得到的結果都是一樣的,但是在多次用到compiled_pattern的時候,會節省了編譯pattern的這個過程
<class 're.Pattern'>
<re.Match object; span=(0, 5), match='華為是華人'>
1.6 sub()和subn()函數
作用: 實現搜索和替換(找到目標字符串,然后替換掉)
sub()完成替換,返回一個被替換完成之后的字符串
subn()完成替換,還返回被替換的數量,字符串和數組,組成元組返回
import re
sentence = 'Java是很受歡迎的編程語言'
pattern = '[a-zA-Z]+' # [字符集范圍] " + "代表: 前面的模式出現1次以上
result = re.sub(pattern,'Python',sentence) # 使用新的Python替代
print(result)
resultn = re.subn(pattern,'Python',sentence)
print(resultn)
Python是很受歡迎的編程語言
('Python是很受歡迎的編程語言', 1)
import re
sentence = 'Java是一門強大的語言,Go前途不錯'
pattern = 'Java|Go' # 或關系
result = re.sub(pattern,'Python',sentence)
print(result)
Python是一門強大的語言,Python前途不錯
1.7 split()
作用: 實現分隔字符串
import re
data = '百度,騰訊,阿里,華為,智能天下'
pattern = ','
result = re.split(pattern,data)
print(type(result))
print(result)
<class 'list'>
['百度', '騰訊', '阿里', '華為', '智能天下']
(二) 正則表達式的知識點匯總
介紹正則的知識點,用于編輯正則表達式,
2.1 正則模式中的字符
最簡單的,任意一個字符串都是一個正則表達式的模式(但是這樣的通用性不強,只能匹配一個特定字符串,沒有什么意義)
匹配一定范圍內的單個字符1[abc]: 中括號里面的內容即"或"的關系
匹配一定范圍內的單個字符2[a-c]: 使用連接符,代表范圍,[a-z][0-9]
-
代表單個字符的特殊符號:
"."點號: 匹配任意字符(字母,數字,特殊字符,但是換行符除外)
\w: 匹配任意字母,數字(比上面的"."少了特殊字符)
\d: 匹配任意十進制數字(比上面的\w少了字母)
\s: 匹配空白
\b: 匹配邊界
^: 匹配開始
$: 匹配結尾
注意: 如果要在模式中匹配上面出現的特殊字符,例如: ".","","^","$",需要使用轉義字符:\
2.2 正則中頻數的表示
概括的表示頻數
- *: 代表匹配0次或者多次
- +: 代表匹配1次或者多次
- ?: 代表匹配0次或者一次
精確的表示頻數
- {n}: 代表前面的模式出現n次
- {m,n}: 代表前面的模式出現m到n次之間
2.3 其它重要知識點
分組
模式中被"()"括起來的內容,是可以被提取的,Python以及各種語言實現了這種功能,group()
模式的邏輯或與否定
-
"|" 代表兩個模式的或關系
例如: bat|tmd 可以匹配:bt,bm,bd,at,am,ad,tt,tm,td
同: [bat][tmd]
-
"^" 除匹配字符串的開始之外,如果用在[]中,代表否定的意思
例如: [\d]代表的是一個十進制數,[^\d]代表除十進制數之外的其它模式
正則表達式的擴展表示法
2.4 轉義字符與原始字符串
轉義字符: \ 在字符串中,轉義字符用于輸出一些特殊字符,例如:\b,代表的是退格,\n代表換行,\t代表制表符,本質上,字符串的轉義字符,是為了打印準備的,所以我們暫且定義: 字面量和打印量
原始字符串: 把字母"r"放在字符串開頭,代表這是一個原始字符串,它的作用在于消除字符串和正則表達式之間各自關于轉義的歧義,例如: \b在正則中表示邊界
在cmd窗口里面,定義一個字符串data = '\',輸入data與print(data)得到的是不一樣的結果,前者是'\',后者是'',這就是字面量和打印量的區別
這個時候再來解釋轉義在字符串中和正則中的歧義問題就明了了
data = 'ab\cd' # 現在需要要匹配出data中的\怎么處理
首先,data的字面量,也就是字符串的真實值看似是'ab\cd',其實,你用cmd窗口,直接輸出data而不是print(data),會發現,字符串的字面顯示: ab\cd
所以要匹配出來data的'',pattern要如何寫呢?
pattern1 = ''
pattern2 = '\'
pattern3 = '\\'
結果是第三個,首先pattern是一個字符串,雖然要交給正則表達式引擎去解析,但是終歸是一個字符串,那么就要經過字符串的轉義處理,第一個語法錯誤,這個''首先轉義了結尾的"'",字符串沒有結尾了;第二個,'\'是正確的字符串,經過字符串轉義后,字面量是\,傳遞給正則引擎的時候和打印的時候一樣,是'',但是真實的data字面量是'\',肯定匹配不到,于是只能用第三種
小馬哥正在為Python的所有常見知識進行匯總, 更會有大量實戰項目
點擊--> 全棧工程師養成---Python內容導航頁 <--查看所有Python內容
