python学习使用正则表达式

正则表达式：

又称规则表达式，是处理字符串的有力工具，是对字符串操作的一种逻辑公式。

本质：使用事先定义好的一些特定字符组成的“规则字符串”的一种过滤逻辑

规则字符串：包括普通字符（如：a~z之间的英文字母，数字）和特殊字符（称为“元字符”)

例：

"0\d{2,3}-\d{7,8}"包括普通数字和匹配数字的元字符"\d"可以过滤或提取字符串中包含的固定电话号码，如：000-00000000

与python中提供的字符出处理函数相比，正则表达式提供了更强大的处理功能，可以快速、准确地完成复杂的查找、替换等处理任务，其逻辑性、灵活性、功能性强，而且能极简单的方式实现字符串的复杂控制

正则表达式处理字符过程：

1. 编写正则表达式

2. 使用正则表达式引擎对正则表达式进行编译，得到正则表达式对象

3. 通过正则表达式对象对字符串进行匹配或过滤，得到匹配的结果

   

例：正则表达式提取字符串中的日期

正则表达式语法：

正则表达式组成：

1. 正则表达式的构造方法和数学表达式的构造方法一样，使用多种元字符和运算符组合在一起创建一个表达式，组成表达式的可以是单字符，字符集合，字符范围、字符间的选择或者它们之间的任意组合

   • 普通字符：

     正则表达式中的普通字符：

     1. 英文字母：26个大小写英文字母共52个
     2. 汉字：Unicode字符集中包括的汉字
     3. 数字：0~9共十个数字
     4. 标点符号：如：”:” “,”等
     5. 其他符号：如：”\n（换行符）”\t（制表符）”等非打印字符

   • 特殊字符：

     有特殊含义的字符，特殊字符一般具有通用性：

     字符匹配模式：

     语法	解释
     .	匹配除换行符(\n)外的任意单个字符
     \	表示位于\之后的为转义字符
     |	匹配位于|之前或之后的字符
     []	匹配位于[]中的任意一个字符
     [a-b]或[abc]	匹配指定范围的任何字符
     [^a-c]或[^abc]	匹配指定范围外的任何字符
     ()	将()中的内容作为一个整体对待
     \d	匹配一位数字
     \D	与\d刚好相反
     \w	匹配一位数字、字母、下划线
     \s	匹配一位空白字符：<空格>，\t,\n,\r,\f,\v
     \S	与\s相反
     \W	与\w相反

     定位符：

     语法	解释
     ^	匹配以^后面的字符或模式开头的字符串
     $	匹配以$前面的字符或模式结束的字符串
     \b	匹配单词头或单词尾
     \B	与\b相反

     限定符：

     语法	解释
     *	匹配*前一个字符出现0次或多次
     +	匹配+前一个字符出现一次或多次
     ？	匹配？前一个字符只能出现一次或0次
     {m}	匹配前一个字符只能出现m次
     {m,}	匹配前一个字符出现至少m次
     {m,n}	匹配前一个字符至少出现m~n次

     扩展语法：

贪婪模式与非贪婪模式：

贪婪模式与非贪婪模式影响的是被量词修饰的子表达式的匹配行为

贪婪模式：在整个表达式匹配成功的前提下尽可能多的匹配

非贪婪模式：在整个表达式匹配成功的前提下，尽可能少的匹配

默认贪婪模式，在量词后面直接加上一个”？“就是非贪婪模式

字符串的贪婪模式与非贪婪模式：

str="<div>监督学习</div><div>非监督学西</div><div>半监督学习</div>"
pat1=re.compile('<div>.*</div>')
res1=pat1.findall(str)
print("贪婪匹配：",res1)
pat2=re.compile('<div>.*?</div>')
res2=pat2.findall(str)
print("非贪婪匹配：",res2)

使用正则表达式模块处理字符串

使用标准库Re模块可以使用正则表达式全部功能：

1. 直接调用re模块中的函数
2. 将正则表达式编译程成正则表达对象后再调用表达式对象中的函数、

re模块中常用的函数：

匹配函数：

1、res=re.match(pattern, str,flags=0):功能是尝试从字符串的起使位置匹配一个模式，若匹配成功则返回一个匹配对象，否则返回None。pattern为正则表达式，str为匹配字符串，flags是可选标志位，用于控制正则表达式匹配方式，如区分大小写，多行匹配等。

正则表达式常用标志位：

可以使用匹配对象的函数：

1. group(0):返回包含整个表达式的字符串

2. group(n1,n2,……)：返回一个包含多个组号对应值的元组

3. groups():返回一个包含所有小组字符串的元组

4. groupdict():返回一个包含所有经命名匹配小组的字典

   #使用re.match()匹配 import re str = "0086-010-88668866" mat = re.match(r"(?P<nation>\d{4,})-(?P<zone>\d{3,4})-(?P<numper>\d{7,8})",str,re.M|re.I) if mat: print("mat.group(0)",mat.group(0)) print("mat.group(1)", mat.group(1)) print("mat.group(2)", mat.group(2)) print("mat.group(3)", mat.group(3)) print("mat.group(1,2,3)", mat.group(1,2,3)) print("mat.groups()", mat.groups()) print("mat.groupdict()", mat.groupdict()) else: print("match匹配不成功！")

   

2、res=re.search(pattern,str,flags=0):功能扫描整个字符串并返回第一个成功的匹配对象。用法和re.match()函数相同

#使用re.search()查找
import re
str="David的QQ电子邮箱：123456@qq.com"
sea=re.search(r"(?P<user>\d+)@(?P<website>\w+)\.(?P<extension>\w+)",str,re.M|re.I)
if sea:
    print("sea.group(0):",sea.group(0))
    print("sea.group(1,2,3):", sea.group(1,2,3))
    print("sea.groups():", sea.groups())
    print("sea.groupdict():", sea.groupdict())
else:
    print("search匹配不成功！")

查找函数：

1. res=re.findall(pattern,str,flags=0):功能使在字符串中找到正则表达式匹配的所有子字符串，并返回一个列表：如果没有找到匹配，则返回空列表。参数和re.match()函数相同

   注意：re.match()函数和re.search()函数就是返回一次匹配的结果，re.findall()返回所有匹配结果

   #使用re.findall函数 import re res=re.findall('\w+','liv well,love lots,and laugh often')#查找匹配字符串 print("匹配结果：",res)

   

2. res=re.finditer(pattern,str,flags):功能是在字符串中找到正则表达式匹配的所有子字符串，并作为一个迭代器返回，参数和之前一样

   #re.finditer函数： import re str="of the people,for the people,by the people" res=re.finditer("\w+ \w+ (people)",str) for match in res: print(match.group())

   

替换函数：

1. res=re.sub(pattern,repl,str,[,count=0]):功能是将pattern的匹配项用repl替换，返回新字符串，pattern为正则表达式，repl为替换字符串，str为被查字符串，conunt为模式匹配最大次数，默认0为替换所有的匹配
2. res=re.subn(pattern,repl,str,[,count=-0]):功能将pattern匹配项用repl替换返回包含新字符串和替换次数的二元组，参数和上方一样

#re.sub函数替换
import re
phoneNumber="400-669-5566#中国银行信用卡客服专线电话"
num1=re.sub('#.*$',"",phoneNumber)
print("使用sub（)替换结果：",num1)
num2=re.subn("#.*$","",phoneNumber)
print("使用subn（）替换结果：",num2)

分割函数：

res=re.split(pattern,str,[,maxsplit=0,flags=0]):功能通过指定分隔符对字符串进行分隔并返回分隔结果列表，pattern为正则表达式，包含指定的分隔符，str为待分隔的字符串，maxsplit为分隔次数，默认为0，不限制次数，flags为可选标志位

#re.split()分隔函数
import re
str="多少事，从来急;天地转，光阴迫。一万年太久,只争朝夕.毛泽东"
strlist=re.split('\W+',str)
print(strlist)

编译函数：

re.compile(pattern,[,flags]):用于编译正则表达式，生成一个正则表达是对象，pattern为正则表达式，flags参考上面正则表达式常用标志位表格。

#re.compile(）编译函数
import re
pattern=re.compile('wr\w+ \w+')#生成正则表达式对象
#匹配字符串
res=pattern.findall("Frankly,in the opinion of Joint Chiefs of Staff,this strategy would involve us in the wrong war,at the wrong place,at the wrong time,and with the wrong enemy.")
if res:
    print("匹配结果：",res)
else:
    print("匹配无结果！")

常用的正则表达式：