歡迎光臨
每天分享高質量文章

一文搞懂 Python 正則運算式用法

作者:楓葉雲

來源:見文末

Python 正則運算式

正則運算式是一個特殊的字符序列,它能幫助你方便的檢查一個字串是否與某種樣式匹配。

Python 自1.5版本起增加了re 模塊,它提供 Perl 風格的正則運算式樣式。

re 模塊使 Python 語言擁有全部的正則運算式功能。

compile 函式根據一個樣式字串和可選的標誌引數生成一個正則運算式物件。該物件擁有一系列方法用於正則運算式匹配和替換。

re 模塊也提供了與這些方法功能完全一致的函式,這些函式使用一個樣式字串做為它們的第一個引數。

正則運算式樣式

樣式字串使用特殊的語法來表示一個正則運算式:

字母和數字表示他們自身。一個正則運算式樣式中的字母和數字匹配同樣的字串。

多數字母和數字前加一個反斜杠時會擁有不同的含義。

標點符號只有被轉義時才匹配自身,否則它們表示特殊的含義。

反斜杠本身需要使用反斜杠轉義。

由於正則運算式通常都包含反斜杠,所以你最好使用原始字串來表示它們。樣式元素(如 r’\t’,等價於 ‘\\t’)匹配相應的特殊字符。

下表列出了正則運算式樣式語法中的特殊元素。如果你使用樣式的同時提供了可選的標誌引數,某些樣式元素的含義會改變。

樣式

描述

^

匹配字串的開頭

$

匹配字串的末尾。

.

匹配任意字符,除了換行符,當re.DOTALL標記被指定時,則可以匹配包括換行符的任意字符。

[…]

用來表示一組字符,單獨列出:[amk] 匹配 ‘a’,’m’或’k’

[^…]

不在[]中的字符:[^abc] 匹配除了a,b,c之外的字符。

re*

匹配0個或多個的運算式。

re+

匹配1個或多個的運算式。

re?

匹配0個或1個由前面的正則運算式定義的片段,非貪婪方式

re{ n}

精確匹配 n 個前面運算式。例如, o{2} 不能匹配 “Bob” 中的 “o”,但是能匹配 “food” 中的兩個 o。

re{ n,}

匹配 n 個前面運算式。例如, o{2,} 不能匹配”Bob”中的”o”,但能匹配 “foooood”中的所有 o。”o{1,}” 等價於 “o+”。”o{0,}” 則等價於 “o*”。

re{ n, m}

匹配 n 到 m 次由前面的正則運算式定義的片段,貪婪方式

a| b

匹配a或b

(re)

匹配括號內的運算式,也表示一個組

(?imx)

正則運算式包含三種可選標誌:i, m, 或 x 。隻影響括號中的區域。

(?-imx)

正則運算式關閉 i, m, 或 x 可選標誌。隻影響括號中的區域。

(?: re)

類似 (…), 但是不表示一個組

(?imx: re)

在括號中使用i, m, 或 x 可選標誌

(?-imx: re)

在括號中不使用i, m, 或 x 可選標誌

(?#…)

註釋.

(?= re)

前向肯定界定符。如果所含正則運算式,以 … 表示,在當前位置成功匹配時成功,否則失敗。但一旦所含運算式已經嘗試,匹配引擎根本沒有提高;樣式的剩餘部分還要嘗試界定符的右邊。

(?! re)

前向否定界定符。與肯定界定符相反;當所含運算式不能在字串當前位置匹配時成功

(?> re)

匹配的獨立樣式,省去回溯。

\w

匹配字母數字及下劃線

\W

匹配非字母數字及下劃線

\s

匹配任意空白字符,等價於 [\t\n\r\f].

\S

匹配任意非空字符

\d

匹配任意數字,等價於 [0-9].

\D

匹配任意非數字

\A

匹配字串開始

\Z

匹配字串結束,如果是存在換行,只匹配到換行前的結束字串。

\z

匹配字串結束

\G

匹配最後匹配完成的位置。

\b

匹配一個單詞邊界,也就是指單詞和空格間的位置。例如, ‘er\b’ 可以匹配”never” 中的 ‘er’,但不能匹配 “verb” 中的 ‘er’。

\B

匹配非單詞邊界。’er\B’ 能匹配 “verb” 中的 ‘er’,但不能匹配 “never” 中的 ‘er’。

\n, \t, 等.

匹配一個換行符。匹配一個製表符。等

\1…\9

匹配第n個分組的內容。

\10

匹配第n個分組的內容,如果它經匹配。否則指的是八進制字符碼的運算式。

正則運算式實體

字符匹配

實體

描述

python

匹配 “python”.

字符類

實體

描述

[Pp]ython

匹配 “Python” 或 “python”

rub[ye]

匹配 “ruby” 或 “rube”

[aeiou]

匹配中括號內的任意一個字母

[0-9]

匹配任何數字。類似於 [0123456789]

[a-z]

匹配任何小寫字母

[A-Z]

匹配任何大寫字母

[a-zA-Z0-9]

匹配任何字母及數字

[^aeiou]

除了aeiou字母以外的所有字符

[^0-9]

匹配除了數字外的字符

特殊字符類

實體

描述

.

匹配除 “\n” 之外的任何單個字符。要匹配包括 ‘\n’ 在內的任何字符,請使用象 ‘[.\n]’ 的樣式。

\d

匹配一個數字字符。等價於 [0-9]。

\D

匹配一個非數字字符。等價於 [^0-9]。

\s

匹配任何空白字符,包括空格、製表符、換頁符等等。等價於 [ \f\n\r\t\v]。

\S

匹配任何非空白字符。等價於 [^ \f\n\r\t\v]。

\w

匹配包括下劃線的任何單詞字符。等價於'[A-Za-z0-9_]’。

\W

匹配任何非單詞字符。等價於 ‘[^A-Za-z0-9_]’。

re模塊

1.Re模塊簡介

re模塊是python中處理正則運算式的一個模塊,通過re模塊的方法,把正則運算式pattern編譯成正則物件,以便使用正則物件的方法

效率問題:

#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time    : 2018/4/29 22:02# @Author  : Feng Xiaoqing# @File    : test.py# @Function: -----------import reimport timeit print(timeit.timeit(setup='''import re; reg = re.compile('\w*)>.*')''', stmt='''reg.match('

xxx

')''', number=1000000)) print(timeit.timeit(setup='''import re''', stmt='''re.match('\w*)>.*', '

xxx

')'''
, number=1000000)) reg = re.compile('\w*)>.*') reg.match('

xxx

'
)

執行結果:

0.42296138327572711.0246964437151256

常用方法:先申明一個正則物件,在通過正則物件去匹配。這樣的效率高。

1 re.compile(pattern[, flags])方法

re.I(re.IGNORECASE): 忽略大小寫(括號內是完整寫法,下同)

M(MULTILINE): 多行樣式,改變’^’和’$’的行為

S(DOTALL): 點任意匹配樣式,改變’.’的行為

L(LOCALE): 使預定字符類 \w \W \b \B \s \S 取決於當前區域設定

U(UNICODE): 使預定字符類 \w \W \b \B \s \S \d \D 取決於unicode定義的字符屬性

X(VERBOSE): 詳細樣式。這個樣式下正則運算式可以是多行,忽略空白字符,並可以加入註釋。以下兩個正則運算式是等價的:

compile 函式用於編譯正則運算式,生成一個正則運算式( Pattern )物件,供 match() 和 search() 這兩個函式使用。

語法格式為:

re.compile(pattern[, flags])

引數:

  • pattern : 一個字串形式的正則運算式

  • flags : 可選,表示匹配樣式,比如忽略大小寫,多行樣式等,具體引數為:

  1. re.I 忽略大小寫

  2. re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依賴於當前環境

  3. re.M 多行樣式

  4. re.S 即為 . 並且包括換行符在內的任意字符(. 不包括換行符)

  5. re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依賴於 Unicode 字符屬性資料庫

  6. re.X 為了增加可讀性,忽略空格和 # 後面的註釋

實體

>>>import re>>> pattern = re.compile(r'\d+')                    # 用於匹配至少一個數字>>> m = pattern.match('one12twothree34four')        # 查找頭部,沒有匹配>>> print mNone>>> m = pattern.match('one12twothree34four', 2, 10) # 從'e'的位置開始匹配,沒有匹配>>> print mNone>>> m = pattern.match('one12twothree34four', 3, 10) # 從'1'的位置開始匹配,正好匹配>>> print m                                         # 傳回一個 Match 物件<_sre.sre_match object="" at="" class="hljs-number" style="box-sizing: inherit;-webkit-tap-highlight-color: transparent;color: rgb(140, 208, 211);">0x10a42aac0>>>> m.group(0)   # 可省略 0'12'>>> m.start(0)   # 可省略 03>>> m.end(0)     # 可省略 05>>> m.span(0)    # 可省略 0(3, 5)

在上面,當匹配成功時傳回一個 Match 物件,其中:

  • group([group1, …]) 方法用於獲得一個或多個分組匹配的字串,當要獲得整個匹配的子串時,可直接使用 group()或 group(0)

  • start([group]) 方法用於獲取分組匹配的子串在整個字串中的起始位置(子串第一個字符的索引),引數預設值為 0;

  • end([group]) 方法用於獲取分組匹配的子串在整個字串中的結束位置(子串最後一個字符的索引+1),引數預設值為 0;

  • span([group]) 方法傳回 (start(group), end(group))

再看看一個例子:

實體

>>>import re>>> pattern = re.compile(r'([a-z]+) ([a-z]+)', re.I)   # re.I 表示忽略大小寫>>> m = pattern.match('Hello World Wide Web')>>> print m                               # 匹配成功,傳回一個 Match 物件<_sre.sre_match object="" at="" class="hljs-number" style="box-sizing: inherit;-webkit-tap-highlight-color: transparent;color: rgb(140, 208, 211);">0x10bea83e8>>>> m.group(0)                            # 傳回匹配成功的整個子串'Hello World'>>> m.span(0)                             # 傳回匹配成功的整個子串的索引(0, 11)>>> m.group(1)                            # 傳回第一個分組匹配成功的子串'Hello'>>> m.span(1)                             # 傳回第一個分組匹配成功的子串的索引(0, 5)>>> m.group(2)                            # 傳回第二個分組匹配成功的子串'World'>>> m.span(2)                             # 傳回第二個分組匹配成功的子串(6, 11)>>> m.groups()                            # 等價於 (m.group(1), m.group(2), ...)('Hello', 'World')>>> m.group(3)                            # 不存在第三個分組Traceback (most recent call last):  File "", line 1, in <module>IndexError: no such group

2.findall方法

在字串中找到正則運算式所匹配的所有子串,並傳回一個串列,如果沒有找到匹配的,則傳回空串列。

註意: match 和 search 是匹配一次 findall 匹配所有。

語法格式為:

findall(string[, pos[, endpos]])

引數:

  • string : 待匹配的字串。

  • pos : 可選引數,指定字串的起始位置,預設為 0。

  • endpos : 可選引數,指定字串的結束位置,預設為字串的長度。

查找字串中的所有數字:

實體

#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time    : 2018/4/29 22:15# @Author  : Feng Xiaoqing# @File    : test2.py# @Function: -----------import re pattern = re.compile(r'\d+')   # 查找數字result1 = pattern.findall('runoob 123 google 456') result2 = pattern.findall('run88oob123google456', 0, 10) print(result1) print(result2)

輸出結果:

['123', '456'] ['88', '12']

Re模塊的方法:

(1)re.match函式

re.match 嘗試從字串的起始位置匹配一個樣式,如果不是起始位置匹配成功的話,match()就傳回none。

函式語法

re.match(pattern, string, flags=0)

函式引數說明:

引數

描述

pattern

匹配的正則運算式

string

要匹配的字串。

flags

標誌位,用於控制正則運算式的匹配方式,如:是否區分大小寫,多行匹配等等。參見:正則運算式修飾符 – 可選標誌

匹配成功re.match方法傳回一個匹配的物件,否則傳回None。

我們可以使用group(num) 或 groups() 匹配物件函式來獲取匹配運算式。

匹配物件方法

描述

group(num=0)

匹配的整個運算式的字串,group() 可以一次輸入多個組號,在這種情況下它將傳回一個包含那些組所對應值的元組。

groups()

傳回一個包含所有小組字串的元組,從 1 到 所含的小組號。

實體

#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time    : 2018/4/29 22:15# @Author  : Feng Xiaoqing# @File    : test2.py# @Function: -----------import re pattern = re.compile(r'\d+')  # 查找數字result1 = pattern.findall('runoob 123 google 456') result2 = pattern.findall('run88oob123google456', 0, 10) print(result1) print(result2)

以上實體運行輸出結果為:

(0, 3) None

實體

#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time    : 2018/4/29 22:55# @Author  : Feng Xiaoqing# @File    : test2.py# @Function: -----------import re line = "Cats are smarter than dogs" matchObj = re.match( r'(.*) are (.*?) .*', line, re.M|re.I) if matchObj:   print "matchObj.group() : ", matchObj.group()   print "matchObj.group(1) : ", matchObj.group(1)   print "matchObj.group(2) : ", matchObj.group(2)else:   print "No match!!"

以上實體執行結果如下:

matchObj.group() :  Cats are smarter than dogsmatchObj.group(1) :  CatsmatchObj.group(2) :  smarter

(2)re.search方法

re.search 掃描整個字串並傳回第一個成功的匹配。

函式語法:

re.search(pattern, string, flags=0)

函式引數說明:

引數

描述

pattern

匹配的正則運算式

string

要匹配的字串。

flags

標誌位,用於控制正則運算式的匹配方式,如:是否區分大小寫,多行匹配等等。

匹配成功re.search方法傳回一個匹配的物件,否則傳回None。

我們可以使用group(num) 或 groups() 匹配物件函式來獲取匹配運算式。

匹配物件方法

描述

group(num=0)

匹配的整個運算式的字串,group() 可以一次輸入多個組號,在這種情況下它將傳回一個包含那些組所對應值的元組。

groups()

傳回一個包含所有小組字串的元組,從 1 到 所含的小組號。

實體

#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time    : 2018/4/29 22:15# @Author  : Feng Xiaoqing# @File    : test2.py# @Function: -----------import re print(re.search('www', 'www.runoob.com').span())  # 在起始位置匹配print(re.search('com', 'www.runoob.com').span())         # 不在起始位置匹配

以上實體運行輸出結果為:

(0, 3) (11, 14)

實體

#!/usr/bin/pythonimport re line = "Cats are smarter than dogs"; searchObj = re.search( r'(.*) are (.*?) .*', line, re.M|re.I) if searchObj:   print "searchObj.group() : ", searchObj.group()   print "searchObj.group(1) : ", searchObj.group(1)   print "searchObj.group(2) : ", searchObj.group(2)else:   print "Nothing found!!"

以上實體執行結果如下:

searchObj.group() :  Cats are smarter than dogssearchObj.group(1) :  CatssearchObj.group(2) :  smarter

re.match與re.search的區別

re.match只匹配字串的開始,如果字串開始不符合正則運算式,則匹配失敗,函式傳回None;而re.search匹配整個字串,直到找到一個匹配。

實體

#!/usr/bin/pythonimport re line = "Cats are smarter than dogs"; matchObj = re.match( r'dogs', line, re.M|re.I)if matchObj:   print "match --> matchObj.group() : ", matchObj.group()else:   print "No match!!" matchObj = re.search( r'dogs', line, re.M|re.I)if matchObj:   print "search --> matchObj.group() : ", matchObj.group()else:   print "No match!!"

以上實體運行結果如下:

No match!! search --> matchObj.group() :  dogs

Match從開頭開始匹配,匹配不到,傳回空

Search從開頭開始匹配,然後第第二個開始匹配,只匹配一個結果。

Match的效率是最高的,就要求我們正則運算式要寫正確

(3)Split方法

re.split

split 方法按照能夠匹配的子串將字串分割後傳回串列,它的使用形式如下:

re.split(pattern, string[, maxsplit=0, flags=0])

引數:

引數

描述

pattern

匹配的正則運算式

string

要匹配的字串。

maxsplit

分隔次數,maxsplit=1 分隔一次,預設為 0,不限制次數。

flags

標誌位,用於控制正則運算式的匹配方式,如:是否區分大小寫,多行匹配等等。參見:正則運算式修飾符 – 可選標誌

實體

>>>import re >>> re.split('\W+', 'runoob, runoob, runoob.') ['runoob', 'runoob', 'runoob', ''] >>> re.split('(\W+)', ' runoob, runoob, runoob.') ['', ' ', 'runoob', ', ', 'runoob', ', ', 'runoob', '.', ''] >>> re.split('\W+', ' runoob, runoob, runoob.', 1) ['', 'runoob, runoob, runoob.'] >>> re.split('a*', 'hello world') # 對於一個找不到匹配的字串而言,split 不會對其作出分割 ['hello world']

split(string[, maxsplit])

按照能夠匹配的子串將string分割後傳回串列。maxsplit用於指定最大分割次數,不指定將全部分割。

#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time    : 2018/4/29 22:15# @Author  : Feng Xiaoqing# @File    : test2.py# @Function: -----------import re p = re.compile(r'\d+') print(p.split('one1two2three3four4'))

結果:

[‘one’, ‘two’, ‘three’, ‘four’, ”]

(4)sub檢索和替換

Python 的 re 模塊提供了re.sub用於替換字串中的匹配項。

語法:

re.sub(pattern, repl, string, count=0, flags=0)

引數:

  • pattern : 正則中的樣式字串。

  • repl : 替換的字串,也可為一個函式。

  • string : 要被查找替換的原始字串。

  • count : 樣式匹配後替換的最大次數,預設 0 表示替換所有的匹配。

實體

#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time    : 2018/4/29 22:33# @Author  : Feng Xiaoqing# @File    : test2.py# @Function: ----------- import re phone = "2004-959-559 # 這是一個國外電話號碼" # 刪除字串中的 Python註釋 num = re.sub(r'#.*$', "", phone)print "電話號碼是: ", num # 刪除非數字(-)的字串 num = re.sub(r'\D', "", phone)print "電話號碼是 : ", num

以上實體執行結果如下:

電話號碼是:  2004-959-559 電話號碼是 :  2004959559

repl 引數是一個函式

以下實體中將字串中的匹配的數字乘以 2:

實體

#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time    : 2018/4/29 22:15# @Author  : Feng Xiaoqing# @File    : test2.py# @Function: -----------import re pattern = re.compile(r'\d+')   # 查找數字result1 = pattern.findall('runoob 123 google 456') result2 = pattern.findall('run88oob123google456', 0, 10) print(result1) print(result2)

執行輸出結果為:

A46G8HFD1134

(5)findall方法

在字串中找到正則運算式所匹配的所有子串,並傳回一個串列,如果沒有找到匹配的,則傳回空串列。

註意: match 和 search 是匹配一次 findall 匹配所有。

語法格式為:

findall(string[, pos[, endpos]])

引數:

  • string : 待匹配的字串。

  • pos : 可選引數,指定字串的起始位置,預設為 0。

  • endpos : 可選引數,指定字串的結束位置,預設為字串的長度。

查找字串中的所有數字:

實體

#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time    : 2018/4/29 22:15# @Author  : Feng Xiaoqing# @File    : test2.py# @Function: ----------- import re pattern = re.compile(r'\d+')   # 查找數字result1 = pattern.findall('runoob 123 google 456') result2 = pattern.findall('run88oob123google456', 0, 10) print(result1) print(result2)

輸出結果:

['123', '456'] ['88', '12']

(6)finditer方法

和 findall 類似,在字串中找到正則運算式所匹配的所有子串,並把它們作為一個迭代器傳回。

re.finditer(pattern, string, flags=0)

引數:

引數

描述

pattern

匹配的正則運算式

string

要匹配的字串。

flags

標誌位,用於控制正則運算式的匹配方式,如:是否區分大小寫,多行匹配等等。參見:正則運算式修飾符 – 可選標誌

實體

#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time    : 2018/4/29 22:15# @Author  : Feng Xiaoqing# @File    : test2.py# @Function: -----------import re it = re.finditer(r"\d+","12a32bc43jf3") for match in it:    print (match.group() )

輸出結果:

12 32 43 3

group()

group(0)       group(1)     group(“tagname”)

gourps()

groupdict()

findall

import re

p = re.compile(r’\d+’)

print(findall(‘one1two2three3four4’))

結果:

[‘1’, ‘2’, ‘3’, ‘4’]

 

finditer

sub

Split  \d+

‘one1two2three3four4’

#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time    : 2018/4/29 20:24# @Author  : fengxiaoqing# @File    : test.py'''

xxx

  查看不同匹配規則的效率'''import reimport timeit# print(timeit.timeit(setup='''import re; reg = re.compile('\w*)>.*')''', stmt='''reg.match('

xxx

')''', number=1000000))# print(timeit.timeit(setup='''import re''', stmt='''re.match('\w*)>.*', '

xxx

')''', number=1000000))
s = "ab

xxx

dsafasdfsdfads"
reg = re.compile(r"(\w+)>(.*))") print(reg.match(s)) print(reg.search(s).group(3)) print(reg.findall(s))# print(reg.findall(s)[1])# print(reg.findall(s)[2])# reg.split(s)# reg.findall(s)# reg.groups(s)x = '1one2two3three4four'reg1 = re.compile("\d") print(reg1.findall(x)) print(reg1.split(x))

作者:楓葉雲

來源:見文末https://my.oschina.net/u/3804957/blog/1803227

《Python人工智慧和全棧開發》2018年07月23日即將在北京開課,120天衝擊Python年薪30萬,改變速約~~~~

*宣告:推送內容及圖片來源於網絡,部分內容會有所改動,版權歸原作者所有,如來源信息有誤或侵犯權益,請聯繫我們刪除或授權事宜。

– END –


更多Python好文請點擊【閱讀原文】哦

↓↓↓

赞(0)

分享創造快樂