Python 培训（通用）正则表达式

正则表达式

通配符：.

• 句点与除换行符外所有字符都匹配，如 '.ython' 与 '+ython'、'jython' 都匹配。

转义符

• \\ 表示转义符，因为 . 表示通配符，那么 \\. 表示真正的句点。
• 在字符串前面加一个 r 就可以用一个 \ 表示转义，如 r'hhh\.'

字符集

• [] 中的字符表示一个字符集，即其中的任意一个字符都匹配，如 '[pj]ython' 与 'python' 和 'jython' 匹配。
• 字符集中还可以使用 - 表示范围。比如 '[a-zA-Z0-9]' 表示所有字母和数字。
• 在开头加一个 ^ 表示除此之外的字符，比如 '[^ab]' 表示除了 ab 以外的字符。

预定义字符集

字符	说明
\d	数字
\D	非数字
\s	空白字符
\S	非空白字符
\w	单词字符
\W	非单词字符

数量词

• 以下数量词指定前一个字符出现的次数

字符	说明
*	0到无限次
+	1到无限次
？	0或1次
m	m次
{m,n}	m到n次

• 如果想要指定多个字符出现次数，加上圆括号，比如 'TT(python)+JQ' 指定 python 可以出现多次。
• 中括号里面的字符集可以任意出现，比如 '[pj]+ython' 可以匹配 'pjpython'。

数量词的贪婪与非贪婪

• 数量词是默认贪婪的，也就是能尽可能多地匹配
• 如果要设定为非贪婪的，可以在数量词后面加一个 ？ 表示非贪婪。

匹配开头和结尾

• 在字符串最前面加 ^ 表示只匹配字符串的开头，在字符串最后加 $ 表示只匹配字符串的结尾。

多选一模式

• 用 （|）表示可以选择其中的任意一个，比如 '(apple|lemon|orange)juice' 可以匹配三种口味的果汁。与上述中括号区别是，中括号里面的可选字符都是单字符。

主要函数

• 上面只介绍了如何用正则表达式表示想要处理的字符串，至于怎么去处理，就需要用到 re 模块的函数了。
• 以下具有查询功能的函数，查询结果返回一个对象（逻辑真），如果没有匹配则返回 none（逻辑假）

compile(pattern)

• 上述正则表达式是字符串形式，通过 compile 以后就可以转换成正则表达式的一个模式对象。
• 是否转换为模式对象，都可以调用正则的函数，如下：

result = re.search(pattern, string)		#直接得到结果

obj = re.compile(pattern)
result = obj.search(string)				#先通过 compile 转换

• 为方便起见，以下函数均按照转化后的调用方式。

search(string)

• 查找第一个与正则表达式匹配的子串。

match(string)

• 在字符串开头匹配正则表达式
• 如果在正则表达式后面加 $ 说明必须要开头符合并且结尾也符合，也就是完全相同。

split(string, maxSplit)

• 这个函数是提取数据的神器，可以根据正则表达式分割字符串，返回一个列表。

string = "alpha ,  , beta,,,  ,gamma"
result = re.split('[, ]+', string)
print(result)
# ['alpha', 'beta', 'gamma']

• maxSplit 可以指定最多分割几次，如下：

string = "alpha ,  , beta,,,  ,gamma"
result = re.split('[, ]+', string, 1)
print(result)
# ['alpha', 'beta,,,  ,gamma']

findall(string)

• 返回一个列表，其中包含字符串中所有与模式匹配的子串。
• 注意这个函数虽然也是匹配查找，但是并不是返回对象。
• 比如以下程序可以分割一篇文章的文字。

string = "waou, you can really dance !"
words = re.findall(r'\w+',string)
# ['waou', 'you', 'can', 'really', 'dance']

escape(string)

• 将 string 中含有的所有正则表达式特殊字符进行转义。
• 比如 'www.python' 就变成了 'www\.python'

sub(repl, string)

• 将匹配字符全部转换为 repl
• 这个方法基本操作与字符串的方法 replace 功能相同，但是在匹配对象编组后将会更加强大。

匹配对象编组

• 上述函数返回的对象就是匹配对象，匹配对象会进行编组。我们在写正则表达式的时候，可以用 () 括起来一部分，这就是进行编组。
• 比如 'there (was a (wee) (cooper) who (lived in Fyfe))' 就会被编成 0-4 组，根据从左到右第一次出现 ( 确定
  • 0 There was a wee cooper who lived in Fyfe
  • 1 was a wee cooper
  • 2 wee
  • 3 cooper
  • 4 lived in Fyfe
• 匹配对象可以根据编组，有如下可以调用的方法（group 默认为 0）：

方法	描述
group(group)	获取匹配子串
start(group)	获取匹配子串起始位置
end(goup)	获取匹配子串终止位置（与切片一样，不包括终止位置）
span(group)	获取起始和终止位置

替换中的组号

• 最后我们看一下替换中组号的应用。
• 先看一下很绕的定义：在替换字符串中，任何类似于 '\\n' 的转义序列都将被替换为与模式中编组 n 匹配的字符串。

string = '*this* is *it*'
pattern = r'\*(.+?)\*'
result = re.sub(pattern, r'<em>\1</em>', string)
print(result)
#  <em>this</em> is <em>it</em>

• 用例子和人话解释一下，pattern 是识别 * * 的，并将 * 中间的字符串编为1组，后面是替换的字符串，将替换匹配的内容，中间 \1 由匹配的编号为1的内容替代。

---

本文章使用limfx的vsocde插件快速发布