Python--正则表达式
Python正则表达式
最近由于工作需要，在学习Python教程中的正则表达式。
参考书籍：《Python编程快速上手——让繁琐工作自动化》
正则表达式是用于字符串搜索和替换的一种强大工具。在 python中，通过 re 模块来实现正则表达式的功能。
基础用法
\d：匹配一个数字。\d\d\d\d：匹配连续的四个数字。\d{4}：与上面相同，是简写形式
编译正则表达式
import re
# 创建正则表达式对象
phoneNumberRegex = re.compile(r'\d{3}-\d{4}-\d{4}')
搜索和匹配
msg = 'my phone number is: 153-2025-8888, 133-8956-5585'
mo = phoneNumberRegex.search(msg)
print(mo.group()) # 输出匹配的号码
分组
使用括号可以创建分组，匹配的内容可以在分组中获取。
phoneNumberRegex = re.compile(r'(\d{3})-(\d{4})-(\d{4})')
mo = phoneNumberRegex.search(msg)
areaCode, mainNumber = mo.groups()
print(areaCode) # 输出区号
print(mainNumber) # 输出电话号码
高级特性
管道符 |
用于匹配多个表达式中的一个。
heroRegex = re.compile(r'Batman|Tina Fey')
mo = heroRegex.search('Bat and Tina Fey')
print(mo.group()) # 输出第一个匹配项
可选匹配 ?
匹配前面的子表达式零次或一次。
batRegex = re.compile(r'Bat(wo)?man')
mo = batRegex.search("The Adventure of Batman")
print(mo.group()) # 输出 Batman 或 Batwoman
星号 *
匹配前面的子表达式零次或多次。
batRegex = re.compile(r'Bat(wo)*man')
mo = batRegex.search("The Adventure of Batwowowoman")
print(mo.group()) # 输出 Batwoman 或 Batwowowoman
加号 +
匹配前面的子表达式一次或多次。
batRegex = re.compile(r'Bat(wo)+man')
mo = batRegex.search("The Adventure of Batwoman")
print(mo.group()) # 输出 Batwoman 或 Batwowowoman
指定次数 {}
匹配前面的子表达式特定次数。
batRegex = re.compile(r'Bat(wo){3}man')
mo = batRegex.search("The Adventure of Batwowowoman")
print(mo.group()) # 输出 Batwowowoman
贪心和非贪心匹配
正则表达式中的贪心匹配会尽可能多地匹配文本，而非贪心匹配则尽可能少地匹配。
# 贪心匹配
greedyHaRegex = re.compile(r'(Ha){3,5}')
mo1 = greedyHaRegex.search('HaHaHaHaHa')
print('贪心: ' + mo1.group()) # 输出 HaHaHaHaHa
# 非贪心匹配
non_greedyHaRegex = re.compile(r'(Ha){3,5}?')
mo1 = non_greedyHaRegex.search('HaHaHaHaHa')
print('非贪心: ' + mo1.group()) # 输出 HaHaHa
findall() 方法
findall() 方法返回一个包含所有匹配项的列表。
phoneNumberRegex = re.compile(r'\d{3}-\d{3}-\d{4}')
mo = phoneNumberRegex.findall('Cell: 415-555-1234, Work:215-555-9966')
for number in mo:
print(number)
分组
使用括号可以创建分组，匹配的内容可以在分组中获取。
phoneNumberRegex = re.compile(r'(\d{3})-(\d{3})-(\d{4})')
mo = phoneNumberRegex.findall('Cell: 415-555-1234, Work:215-555-9966')
for areaCode, mainNumber in mo:
print(f'Area Code: {areaCode}, Main Number: {mainNumber}')
特殊字符类
\d：匹配一个数字。\D：匹配除了数字外的任意字符。\w：匹配字母、数字和下划线。\W：匹配除了字母、数字和下划线外的任意字符。\s：匹配空白字符（空格、制表符、换行符等）。\S：匹配非空白字符。
vowelRegex = re.compile(r'[aeiouAEIOU]')
ret = vowelRegex.findall('RoboCop eats baby food. BABY FOOD')
print(ret)
rangeRegex = re.compile(r'[a-zA-Z0-9]')
ret = rangeRegex.findall('we~@@##jEoig012')
print(ret)
noneVowelRegex = re.compile(r'[^aeiouAEIOU]')
ret = noneVowelRegex.findall('RoboCop eats baby food. BABY FOOD')
print(ret)
定位符
^：匹配字符串的开头。$：匹配字符串的结尾。
beginWithHello = re.compile(r'^Hello')
ret = beginWithHello.search('Hello World')
print(ret.group())
endWithBye = re.compile(r'Bye$')
ret = endWithBye.search('Goodbye for now, Bye')
print(ret.group())
通配符
.：匹配除换行符以外的任意字符。*：匹配前面的子表达式零次或多次。
atRegex = re.compile(r'.at')
ret = atRegex.findall('The cat in that sat on the flat mat')
print(ret)
nameRegex = re.compile(r'First Name: (.*) Last Name: (.*)')
ret = nameRegex.search('First Name: Al Last Name: Sweigart')
print(ret.group(1))
print(ret.group(2))
re.DOTALL 标志
re.DOTALL 标志允许 . 匹配包括换行符在内的任意字符。
NewlineRegex = re.compile('.*', re.DOTALL)
ret = NewlineRegex.search('Serve the public trust. \nProtect the innocent.\nUphold the law.')
print(ret.group())