Python正則表達(dá)式

正則作為處理字符串的一個(gè)實(shí)用工具，在Python中經(jīng)常會(huì)用到，比如爬蟲爬取數(shù)據(jù)時(shí)常用正則來檢索字符串等等。正則表達(dá)式已經(jīng)內(nèi)嵌在Python中，通過導(dǎo)入re模塊就可以使用，作為剛學(xué)Python的新手大多數(shù)都聽說”正則“這個(gè)術(shù)語。

一、re模塊

在講正則表達(dá)式之前，我們首先得知道哪里用得到正則表達(dá)式。正則表達(dá)式是用在findall()方法當(dāng)中，大多數(shù)的字符串檢索都可以通過findall()來完成。

1.導(dǎo)入re模塊

在使用正則表達(dá)式之前，需要導(dǎo)入re模塊。

import re	

2.findall（）的語法：

導(dǎo)入了re模塊之后就可以使用findall（）方法了，那么我們必須要清楚findall（）的語法是怎么規(guī)定的。

findall(正則表達(dá)式，目標(biāo)字符串)

不難看出findall（）的是由正則表達(dá)式和目標(biāo)字符串組成，目標(biāo)字符串就是你要檢索的東西，那么如何檢索則是通過正則表達(dá)式來進(jìn)行操作，也就是我們今天的重點(diǎn)。

使用findall（）之后返回的結(jié)果是一個(gè)列表，列表中是符合正則要求的字符串

二、正則表達(dá)式

1.字符串的匹配

1.1普通字符

大多數(shù)的字母和字符都可以進(jìn)行自身匹配。

import re
a = "abc123+-*"
b = re.findall('abc',a)
print(b)

輸出結(jié)果：

['abc']

1.2元字符

元字符指的是. ^ $ ? + {} \ []之類的特殊字符，通過它們我們可以對目標(biāo)字符串進(jìn)行個(gè)性化檢索，返回我們要的結(jié)果。

這里我給大家介紹10個(gè)常用的元字符以及它們的用法，這里我先給大家做1個(gè)簡單的匯總，便于記憶，下面會(huì)挨個(gè)講解每一個(gè)元字符的使用。

（1） []

[] 的使用方式主要有以下三種：

• 常用來指定一個(gè)字符集。
  

s = "a123456b"
rule = "a[0-9][1-6][1-6][1-6][1-6][1-6]b" #這里暫時(shí)先用這種麻煩點(diǎn)的方法，后面有更容易的，不用敲這么多[1-6]
l = re.findall(rule,s)
print(l)

輸出結(jié)果為：

['a123456b']

• 可以表示一個(gè)范圍。

例如要在字符串"abcabcaccaac"中選出abc元素：

s = "abcabcaccaac"
rule = "a[a,b,c]c"  # rule = "a[a-z0-9][a-z0-9][a-z0-9][a-z0-9]c" 
l = re.findall(rule, s)
print(l)

輸出結(jié)果為：

['abc', 'abc', 'acc', 'aac']

• [] 內(nèi)的元字符不起作用，只表示普通字符。
  

例如要在字符串“caabcabcaabc”中選出“caa”：

print(re.findall("caa[a，^]", "caa^bcabcaabc"))

輸出結(jié)果為：

['caa^']

注意：當(dāng)在[]的第一個(gè)位置時(shí)，表示除了a以外的都進(jìn)行匹配，例如把[]中的和a換一下位置：

print(re.findall("caa[^,a]", "caa^bcabcaabc")) 

輸出：

['caa^', 'caab'] 

（2）^

^ 通常用來匹配行首，例如：

print(re.findall("^abca", "abcabcabc"))

輸出結(jié)果：

['abca']

(3) $

$ 通常用來匹配行尾，例如：

print(re.findall("abc$", "accabcabc"))

輸出結(jié)果：

['abc']

（4）\

​ 反斜杠后面可以加不同的字符表示不同的特殊含義，常見的有以下3種。

• \d:匹配任何十進(jìn)制數(shù)等價(jià)于[0-9]

print(re.findall("c\d\d\da", "abc123abc"))

輸出結(jié)果為：

['c123a']

\可以轉(zhuǎn)義成普通字符，例如：

print(re.findall("\^abc", "^abc^abc"))

輸出結(jié)果：

['^abc', '^abc']

• s
  

匹配任何的空白字符例如：

print(re.findall("\s\s", "a     c"))

輸出結(jié)果：

['  ', '  ']

• \w
  

匹配任何字母數(shù)字和下劃線，等價(jià)于[a-zA-Z0-9_]，例如：

print(re.findall("\w\w\w", "abc12_"))

輸出：

['abc', '12_']

（5）{n}

{n}可以避免重復(fù)寫，比如前面我們用\w時(shí)寫了3次\w，而這里我們這需要用用上{n}就可以，n表示匹配的次數(shù)，例如：

print(re.findall("\w{2}", "abc12_"))

輸出結(jié)果：

['ab', 'c1', '2_']

（6）*

*表示匹配零次或多次（盡可能的多去匹配），例如：

print(re.findall("010-\d*", "010-123456789"))

輸出：

['010-123456789']

（7） + **

+表示匹配一次或多次，例如

print(re.findall("010-\d+", "010-123456789"))

輸出：

['010-123456789']

（8） .

.是個(gè)點(diǎn)，這里不是很明顯，它用來操作除了換行符以外的任何字符，例如：

print(re.findall(".", "010\n?!"))

輸出：

['0', '1', '0', '?', '!']

(9) ？

？表示匹配一次或零次

print(re.findall("010-\d?", "010-123456789"))

輸出：

['010-1']

這里要注意一下貪婪模式和非貪婪模式。

貪婪模式：盡可能多的去匹配數(shù)據(jù)，表現(xiàn)為\d后面加某個(gè)元字符，例如\d*：

print(re.findall("010-\d*", "010-123456789"))

輸出：

['010-123456789']

非貪婪模式：盡可能少的去匹配數(shù)據(jù)，表現(xiàn)為\d后面加？，例如\d?

print(re.findall("010-\d*?", "010-123456789"))

輸出為：

['010-']

(10) {m,n}

m,n指的是十進(jìn)制數(shù),表示最少重復(fù)m次，最多重復(fù)n次，例如：

print(re.findall("010-\d{3,5}", "010-123456789"))

輸出：

['010-12345']

加上？表示盡可能少的去匹配

print(re.findall("010-\d{3,5}?", "010-123456789"))

輸出：

['010-123']

{m,n}還有其他的一些靈活的寫法，比如：

• {1,} 相當(dāng)于前面提過的 + 的效果
• {0，1} 相當(dāng)于前面提過的 ？ 的效果
• {0，} 相當(dāng)于前面提過的 * 的效果

關(guān)于常用的元字符以及使用方法就先到這里，我們再來看看正則的其他知識。

2、正則的使用

2.1編譯正則

在Python中，re模塊可通過compile() 方法來編譯正則，re.compile(正則表達(dá)式),例如：

 s = "010-123456789"
 rule = "010-\d*"
 rule_compile = re.compile(rule) #返回一個(gè)對象
 # print(rule_compile)
 s_compile = rule_compile.findall(s)
 print(s_compile) #打印compile()返回的對象是什么

輸出結(jié)果：

['010-123456789']

2.2正則對象的使用方法

正則對象的使用方法不僅僅是通過我們前面所介紹的 findall() 來使用，還可以通過其他的方法進(jìn)行使用，效果是不一樣的，這里我做個(gè)簡單的總結(jié)：

（1）findall()

找到re匹配的所有字符串，返回一個(gè)列表

（2）search()

掃描字符串，找到這個(gè)re匹配的位置（僅僅是第一個(gè)查到的）

（3）match()

決定re是否在字符串剛開始的位置（匹配行首）

就拿上面的 compile()編譯正則之后返回的對象來做舉例，我們這里不用 findall() ,用 match() 來看一下結(jié)果如何：

s = "010-123456789"
rule = "010-\d*"
rule_compile = re.compile(rule)  # 返回一個(gè)對象
# print(rule_compile)
s_compile = rule_compile.match(s)
print(s_compile)  # 打印compile()返回的對象是什么

輸出：

re.Match object; span=(0, 13), match='010-123456789'>

可以看出結(jié)果是1個(gè)match 對象，開始下標(biāo)位置為0~13，match為 010-123456789 。既然返回的是對象，那么接下來我們來講講這個(gè)match 對象的一些操作方法。

2.3Match object 的操作方法

這里先介紹一下方法，后面我再舉例，Match對象常見的使用方法有以下幾個(gè)：

（1）group()

返回re匹配的字符串

（2）start()

返回匹配開始的位置

（3）end()

返回匹配結(jié)束的位置

（4）span()

返回一個(gè)元組：（開始,結(jié)束）的位置

舉例：用span()來對search()返回的對象進(jìn)行操作：

s = "010-123456789"
rule = "010-\d*"
rule_compile = re.compile(rule)  # 返回一個(gè)對象
s_compile = rule_compile.match(s)
print(s_compile.span())  #用span()處理返回的對象

結(jié)果為：

(0, 13)

2.4re模塊的函數(shù)

re模塊中除了上面介紹的findall()函數(shù)之外，還有其他的函數(shù)，來做一個(gè)介紹：

（1）findall()

根據(jù)正則表達(dá)式返回匹配到的所有字符串，這個(gè)我就不多說了，前面都是在介紹它。

（2）sub(正則,新字符串,原字符串)

sub() 函數(shù)的功能是替換字符串，例如：

s = "abcabcacc" #原字符串
l = re.sub("abc","ddd",s)   #通過sub()處理過的字符串
print(l)

輸出：

ddddddacc #把a(bǔ)bc全部替換成ddd

(3)subn(正則,新字符串,原字符串)

subn()的作用是替換字符串，并返回替換的次數(shù)

s = "abcabcacc" #原字符串
l = re.subn("abc","ddd",s)   #通過sub()處理過的字符串
print(l)

輸出：

('bbbbbbacc', 2)

（4）split()

split()分割字符串，例如：

s = "abcabcacc"
l = re.split("b",s)
print(1)

輸出結(jié)果：

['a', 'ca', 'cacc']

到此這篇關(guān)于帶你精通Python正則表達(dá)式的文章就介紹到這了,更多相關(guān)Python正則表達(dá)式內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！