正则作为处理字符串的一个实用工具,在Python中经常会用到,比如爬虫爬取数据时常用正则来检索字符串等等。正则表达式已经内嵌在Python中,通过导入re模块就可以使用,作为刚学Python的新手大多数都听说”正则“这个术语。
今天来给大家分享一份关于比较详细的Python正则表达式宝典,学会之后你将对正则表达式达到精通的状态。
一、re模块
在讲正则表达式之前,我们首先得知道哪里用得到正则表达式。正则表达式是用在findall()方法当中,大多数的字符串检索都可以通过findall()来完成。
1.导入re模块
在使用正则表达式之前,需要导入re模块。
import re
2.findall()的语法:
导入了re模块之后就可以使用findall()方法了,那么我们必须要清楚findall()的语法是怎么规定的。
findall(正则表达式,目标字符串)
不难看出findall()的是由正则表达式和目标字符串组成,目标字符串就是你要检索的东西,那么如何检索则是通过正则表达式来进行操作,也就是我们今天的重点。
使用findall()之后返回的结果是一个列表,列表中是符合正则要求的字符串
二、正则表达式
(一).字符串的匹配
1.普通字符
大多数的字母和字符都可以进行自身匹配。
import rea = "abc123+-*"b = re.findall('abc',a)print(b)
输出结果:
['abc']
2.元字符
元字符指的是. ^ $ ? + {} \\ []之类的特殊字符,通过它们我们可以对目标字符串进行个性化检索,返回我们要的结果。
这里我给大家介绍10个常用的元字符以及它们的用法,这里我先给大家做1个简单的汇总,便于记忆,下面会挨个讲解每一个元字符的使用。
(1) []
[] 的使用方式主要有以下三种:
- 常用来指定一个字符集。
s = "a123456b"rule = "a[0-9][1-6][1-6][1-6][1-6][1-6]b" #这里暂时先用这种麻烦点的方法,后面有更容易的,不用敲这么多[1-6]l = re.findall(rule,s)print(l)
输出结果为:
['a123456b']
- 可以表示一个范围。
例如要在字符串"abcabcaccaac"中选出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)
输出结果为:
['abc', 'abc', 'acc', 'aac']
- [] 内的元字符不起作用,只表示普通字符。
例如要在字符串“caabcabcaabc”中选出“caa”:
print(re.findall("caa[a,^]", "caa^bcabcaabc"))
输出结果为:
['caa^']
注意点:当在[]的第一个位置时,表示除了a以外的都进行匹配,例如把[]中的和a换一下位置:
print(re.findall("caa[^,a]", "caa^bcabcaabc"))
输出:
['caa^', 'caab']
(2)^
^ 通常用来匹配行首,例如:
print(re.findall("^abca", "abcabcabc"))
输出结果:
['abca']
(3) $
$ 通常用来匹配行尾,例如:
print(re.findall("abc$", "accabcabc"))
输出结果:
['abc']
(4)\\
反斜杠后面可以加不同的字符表示不同的特殊含义,常见的有以下3种。
- \\d:匹配任何十进制数等价于[0-9]
print(re.findall("c\\d\\d\\da", "abc123abc"))
输出结果为:
['c123a']
\\可以转义成普通字符,例如:
print(re.findall("\\^abc", "^abc^abc"))
输出结果:
['^abc', '^abc']
- s
匹配任何的空白字符例如:
print(re.findall("\\s\\s", "a c"))
输出结果:
[' ', ' ']
- \\w
匹配任何字母数字和下划线,等价于[a-zA-Z0-9_],例如:
print(re.findall("\\w\\w\\w", "abc12_"))
输出:
['abc', '12_']
(5){n}
{n}可以避免重复写,比如前面我们用\\w时写了3次\\w,而这里我们这需要用用上{n}就可以,n表示匹配的次数,例如:
print(re.findall("\\w{2}", "abc12_"))
输出结果:
['ab', 'c1', '2_']
(6)*
*表示匹配零次或多次(尽可能的多去匹配),例如:
print(re.findall("010-\\d*", "010-123456789"))
输出:
['010-123456789']
**(7) + **
+表示匹配一次或多次,例如
print(re.findall("010-\\d+", "010-123456789"))
输出:
['010-123456789']
(8) .
.是个点,这里不是很明显,它用来操作除了换行符以外的任何字符,例如:
print(re.findall(".", "010\\n?!"))
输出:
['0', '1', '0', '?', '!']
(9) ?
?表示匹配一次或零次
print(re.findall("010-\\d?", "010-123456789"))
输出:
['010-1']
这里要注意一下贪婪模式和非贪婪模式。
贪婪模式:尽可能多的去匹配数据,表现为\\d后面加某个元字符,例如\\d*:
print(re.findall("010-\\d*", "010-123456789"))
输出:
['010-123456789']
非贪婪模式:尽可能少的去匹配数据,表现为\\d后面加?,例如\\d?
print(re.findall("010-\\d*?", "010-123456789"))
输出为:
['010-']
(10){m,n}
m,n指的是十进制数,表示最少重复m次,最多重复n次,例如:
print(re.findall("010-\\d{3,5}", "010-123456789"))
输出:
['010-12345']
加上?表示尽可能少的去匹配
print(re.findall("010-\\d{3,5}?", "010-123456789"))
输出:
['010-123']
{m,n}还有其他的一些灵活的写法,比如:
- {1,} 相当于前面提过的 + 的效果
- {0,1} 相当于前面提过的 ? 的效果
- {0,} 相当于前面提过的 * 的效果
关于常用的元字符以及使用方法就先到这里,我们再来看看正则的其他知识。
(二)正则的使用
1.编译正则
在Python中,re模块可通过compile() 方法来编译正则,re.compile(正则表达式),例如:
s = "010-123456789"rule = "010-\\d*"rule_compile = re.compile(rule) #返回一个对象# print(rule_compile)s_compile = rule_compile.findall(s)print(s_compile) #打印compile()返回的对象是什么
输出结果:
['010-123456789']
2.正则对象的使用方法
正则对象的使用方法不仅仅是通过我们前面所介绍的 findall() 来使用,还可以通过其他的方法进行使用,效果是不一样的,这里我做个简单的总结:
(1)findall()
找到re匹配的所有字符串,返回一个列表
(2)search()
扫描字符串,找到这个re匹配的位置(仅仅是第一个查到的)
(3)match()
决定re是否在字符串刚开始的位置(匹配行首)
就拿上面的 compile()编译正则之后返回的对象来做举例,我们这里不用 findall() ,用 match() 来看一下结果如何:
s = "010-123456789"rule = "010-\\d*"rule_compile = re.compile(rule) # 返回一个对象# print(rule_compile)s_compile = rule_compile.match(s)print(s_compile) # 打印compile()返回的对象是什么
输出:
<re.Match object; span=(0, 13), match='010-123456789'>
可以看出结果是1个match 对象,开始下标位置为0~13,match为 010-123456789 。既然返回的是对象,那么接下来我们来讲讲这个match 对象的一些操作方法。
3.Match object 的操作方法
这里先介绍一下方法,后面我再举例,Match对象常见的使用方法有以下几个:
(1)group()
返回re匹配的字符串
(2)start()
返回匹配开始的位置
(3)end()
返回匹配结束的位置
(4)span()
返回一个元组:(开始,结束)的位置
举例:用span()来对search()返回的对象进行操作:
s = "010-123456789"rule = "010-\\d*"rule_compile = re.compile(rule) # 返回一个对象s_compile = rule_compile.match(s)print(s_compile.span()) #用span()处理返回的对象
结果为:
(0, 13)
4.re模块的函数
re模块中除了上面介绍的findall()函数之外,还有其他的函数,来做一个介绍:
(1)findall()
根据正则表达式返回匹配到的所有字符串,这个我就不多说了,前面都是在介绍它。
(2)sub(正则,新字符串,原字符串)
sub() 函数的功能是替换字符串,例如:
s = "abcabcacc" #原字符串l = re.sub("abc","ddd",s) #通过sub()处理过的字符串print(l)
输出:
ddddddacc #把abc全部替换成ddd
(3)subn(正则,新字符串,原字符串)
subn()的作用是替换字符串,并返回替换的次数
s = "abcabcacc" #原字符串l = re.subn("abc","ddd",s) #通过sub()处理过的字符串print(l)
输出:
('bbbbbbacc', 2)
(4)split()
split()分割字符串,例如:
s = "abcabcacc"l = re.split("b",s)print(l)
输出结果:
['a', 'ca', 'cacc']
关于正则,我就讲这么多了,正则几乎是Python所有方向中是必不可少的一个基础,祝你的Python之旅学有所成!