在本教程中,您将学习正则表达式(RegEx),并使用Python的re模块与RegEx一起使用(在示例的帮助下)。
^a...s$
上面的代码定义了RegEx模式。模式是:以a开头并以s结尾的任何五个字母字符串。
使用RegEx定义的模式可用于与字符串匹配。
表达式 | 字符串 | 匹配? |
---|---|---|
^a...s$ | abs | 没有匹配 |
alias | 匹配 | |
abyss | 匹配 | |
Alias | 没有匹配 | |
An abacus | 没有匹配 |
Python有一个名为reRegEx 的模块。这是一个示例:
import re pattern = '^a...s$' test_string = 'abyss' result = re.match(pattern, test_string) if result: print("查找成功.") else: print("查找不成功.")
这里,我们使用re.match()函数来搜索测试字符串中的模式。如果搜索成功,该方法将返回一个匹配对象。如果没有,则返回None。
re模块中定义了其他一些函数,可与RegEx一起使用。在探讨之前,让我们学习正则表达式本身。
如果您已经了解RegEx的基础知识,请跳至Python RegEx。
为了指定正则表达式,使用了元字符。在上面的示例中,^和$是元字符。
元字符是RegEx引擎以特殊方式解释的字符。以下是元字符列表:
[] . ^ $ * + ? {} () \ |
[] - 方括号
方括号指定您要匹配的一组字符。
表达式 | 字符串 | 匹配? |
---|---|---|
[abc] | a | 1个匹配 |
ac | 2个匹配 | |
Hey Jude | 没有匹配 | |
abc de ca | 5个匹配 |
在这里,[abc]将匹配,如果你想匹配字符串中包含任何的a,b或c。
您也可以使用-方括号内的字符范围。
[a-e]与相同[abcde]。
[1-4]与相同[1234]。
[0-39]与相同[01239]。
您可以通过^在方括号的开头使用插入符号来补充(反转)字符集。
[^abc]表示除a或b或c之外的任何字符。
[^0-9] 表示任何非数字字符。
.- 句点
句点匹配任何单个字符(换行符除外'\n')。
表达式 | 字符串 | 匹配? |
---|---|---|
.. | a | 没有匹配 |
ac | 1个匹配 | |
acd | 1个匹配 | |
acde | 2个匹配项(包含4个字符) |
^- 插入符号
插入符号^用于检查字符串是否以某个字符开头。
表达式 | 字符串 | 匹配? |
---|---|---|
^a | a | 1个匹配 |
abc | 1个匹配 | |
bac | 没有匹配 | |
^ab | abc | 1个匹配 |
acb | 没有匹配项(以开头,a但之后没有b) |
$- 美元
美元符号$用于检查字符串是否以某个特定字符结尾。
表达式 | 字符串 | 匹配? |
---|---|---|
a$ | a | 1个匹配 |
formula | 1个匹配 | |
cab | 没有匹配 |
*- 星号
星号符号*匹配零个或多个剩余的模式。
表达式 | 字符串 | 匹配? |
---|---|---|
ma*n | mn | 1个匹配 |
man | 1个匹配 | |
maaan | 1个匹配 | |
main | 没有匹配项(a后面没有n) | |
woman | 1个匹配 |
+- 加号
加号会+匹配一个或多个剩余的模式。
表达式 | 字符串 | 匹配? |
---|---|---|
ma+n | mn | 没有匹配项(没有a字符) |
man | 1个匹配 | |
maaan | 1个匹配 | |
main | 没有匹配项(a后跟n) | |
woman | 1个匹配 |
?- 问号
问号符号会?匹配零或一出现的剩余模式。
表达式 | 字符串 | 匹配? |
---|---|---|
ma?n | mn | 1个匹配 |
man | 1个匹配 | |
maaan | 没有匹配项(超过一个a字符) | |
main | 没有匹配项(a后跟n) | |
woman | 1个匹配 |
{}- 大括号
考虑以下代码:{n,m}。这意味着至少要保留n个样式,并且最多重复m个样式。
表达式 | 字符串 | 匹配? |
---|---|---|
a{2,3} | abc dat | 没有匹配 |
abc daat | 1个匹配(在)daat | |
aabc daaat | 2个匹配项(位于aabc和)daaat | |
aabc daaaat | 2个匹配项(位于aabc和)daaaat |
让我们再尝试一个示例。RegEx [0-9]{2, 4}匹配至少2位但不超过4位
表达式 | 字符串 | 匹配? |
---|---|---|
[0-9]{2,4} | ab123csde | 1个匹配(在处匹配)ab123csde |
12 and 345673 | 2个匹配项(位于)12 and 345673 | |
1 and 2 | 没有匹配 |
|- 竖线
竖线|用于交替显示(or运算符)。
表达式 | 字符串 | 匹配? |
---|---|---|
a|b | cde | 没有匹配 |
ade | 1个匹配(在处匹配ade) | |
acdbea | 3个匹配项(位于)acdbea |
在这里,a|b匹配任何包含a或b的字符串
()- 括号
括号()用于对子模式进行分组。例如,(a|b|c)xz匹配任何与a或b或c匹配且后跟xz的字符串
表达式 | 字符串 | 匹配? |
---|---|---|
(a|b|c)xz | ab xz | 没有匹配 |
abxz | 1个匹配(在处匹配)abxz | |
axz cabxz | 2个匹配项(位于)axzbc cabxz |
\- 反斜杠
反斜杠\用于转义包括所有元字符在内的各种字符。例如,
\$a如果字符串包含$后跟则匹配a。在此,$RegEx引擎不会以特殊方式对其进行解释。
如果不确定某个字符是否具有特殊含义,可以将其\放在前面。这样可以确保不对字符进行特殊处理。
特殊序列
特殊序列使常用模式更易于编写。以下是特殊序列的列表:
\A -如果指定字符在字符串的开头,则匹配。
表达式 | 字符串 | 匹配? |
---|---|---|
\Athe | the sun | 匹配 |
In the sun | 没有匹配 |
\b -如果指定的字符在单词的开头或结尾,则匹配。
表达式 | 字符串 | 匹配? |
---|---|---|
\bfoo | football | 匹配 |
a football | 匹配 | |
afootball | 没有匹配 | |
foo\b | the foo | 匹配 |
the afoo test | 匹配 | |
the afootest | 没有匹配 |
\B-与\b。如果指定的字符不在单词的开头或结尾,则匹配。
表达式 | 字符串 | 匹配? |
---|---|---|
\Bfoo | football | 没有匹配 |
a football | 没有匹配 | |
afootball | 匹配 | |
foo\B | the foo | 没有匹配 |
the afoo test | 没有匹配 | |
the afootest | 匹配 |
\d-匹配任何十进制数字。相当于[0-9]
表达式 | 字符串 | 匹配? |
---|---|---|
\d | 12abc3 | 3个匹配项(位于)12abc3 |
Python | 没有匹配 |
\D-匹配任何非十进制数字。相当于[^0-9]
表达式 | 字符串 | 匹配? |
---|---|---|
\D | 1ab34"50 | 3个匹配项(位于)1ab34"50 |
1345 | 没有匹配 |
\s-匹配字符串包含任何空格字符的地方。等同于[ \t\n\r\f\v]。
表达式 | 字符串 | 匹配? |
---|---|---|
\s | Python RegEx | 1个匹配 |
PythonRegEx | 没有匹配 |
\S-匹配字符串包含任何非空白字符的地方。等同于[^ \t\n\r\f\v]。
表达式 | 字符串 | 匹配? |
---|---|---|
\S | a b | 2个匹配项(位于) a b |
没有匹配 |
\w-匹配任何字母数字字符(数字和字母)。等同于[a-zA-Z0-9_]。顺便说一下,下划线_也被认为是字母数字字符。
表达式 | 字符串 | 匹配? |
---|---|---|
\w | 12&": ;c | 3个匹配项(位于)12&": ;c |
%"> ! | 没有匹配 |
\W-匹配任何非字母数字字符。相当于[^a-zA-Z0-9_]
表达式 | 字符串 | 匹配? |
---|---|---|
\W | 1a2%c | 1个匹配(在)1a2%c |
Python | 没有匹配 |
\Z -如果指定的字符在字符串的末尾,则匹配。
表达式 | 字符串 | 匹配? |
---|---|---|
\ZPython | I like Python | 1个匹配 |
I like Python | 没有匹配 | |
Python is fun. | 没有匹配 |
提示:要构建和测试正则表达式,可以使用RegEx测试器工具,例如regex。该工具不仅可以帮助您创建正则表达式,还可以帮助您学习它。
现在,您了解了RegEx的基础知识,让我们讨论如何在Python代码中使用RegEx。
Python有一个名为re正则表达式的模块。要使用它,我们需要导入模块。
import re
该模块定义了一些可与RegEx一起使用的函数和常量。
re.findall()方法返回包含所有匹配项的字符串列表。
# 从字符串中提取数字的程序 import re string = 'hello 12 hi 89. Howdy 34' pattern = '\d+' result = re.findall(pattern, string) print(result) # 输出: ['12', '89', '34']
如果找不到该模式,则re.findall()返回一个空列表。
split方法对匹配的字符串进行拆分,并返回发生拆分的字符串列表。
import re string = 'Twelve:12 Eighty nine:89.' pattern = '\d+' result = re.split(pattern, string) print(result) # 输出: ['Twelve:', ' Eighty nine:', '.']
如果找不到该模式,则re.split()返回一个包含空字符串的列表。
您可以将maxsplit参数传递给re.split()方法。这是将要发生的最大拆分次数。
import re string = 'Twelve:12 Eighty nine:89 Nine:9.' pattern = '\d+' # maxsplit = 1 # split only at the first occurrence result = re.split(pattern, string, 1) print(result) # 输出: ['Twelve:', ' Eighty nine:89 Nine:9.']
顺便说一下,maxsplit默认值为0;默认值为0。意味着拆分所有匹配的结果。
re.sub()的语法:
re.sub(pattern, replace, string)
该方法返回一个字符串,其中匹配的匹配项被替换为replace变量的内容。
# 删除所有空格的程序 import re # 多行字符串 string = 'abc 12\ de 23 \n f45 6' # 匹配所有空白字符 pattern = '\s+' # 空字符串 replace = '' new_string = re.sub(pattern, replace, string) print(new_string) # 输出: abc12de23f456
如果找不到该模式,则re.sub()返回原始字符串。
您可以将count作为第四个参数传递给该re.sub()方法。如果省略,则结果为0。这将替换所有出现的匹配项。
import re # 多行字符串 string = 'abc 12\ de 23 \n f45 6' # 匹配所有空白字符 pattern = '\s+' replace = '' new_string = re.sub(r'\s+', replace, string, 1) print(new_string) # 输出: # abc12de 23 # f45 6
re.subn()与re.sub()类似,期望它返回一个包含2个项目的元组,其中包含新字符串和进行替换的次数。
# 删除所有空格的程序 import re # 多行字符串 string = 'abc 12\ de 23 \n f45 6' # 匹配所有空白字符 pattern = '\s+' # 空字符串 replace = '' new_string = re.subn(pattern, replace, string) print(new_string) # 输出: ('abc12de23f456', 4)
re.search()方法采用两个参数:模式和字符串。 该方法寻找RegEx模式与字符串匹配的第一个位置。
如果搜索成功,则re.search()返回一个匹配对象。如果不是,则返回None。
match = re.search(pattern, str)
import re string = "Python is fun" # 检查“Python”是否在开头 match = re.search('\APython', string) if match: print("pattern found inside the string") else: print("pattern not found") # 输出: pattern found inside the string
在这里,match包含一个match对象。
您可以使用dir()函数获取匹配对象的方法和属性。
匹配对象的一些常用方法和属性是:
group()方法返回字符串中匹配的部分。
import re string = '39801 356, 2102 1111' # 三位数字,后跟空格,后两位数字 pattern = '(\d{3}) (\d{2})' # match变量包含一个Match对象。 match = re.search(pattern, string) if match: print(match.group()) else: print("pattern not found") # 输出: 801 35
在这里,match变量包含一个match对象。
我们的模式(\d{3}) (\d{2})有两个子组(\d{3})和(\d{2})。您可以获取这些带括号的子组的字符串的一部分。就是这样:
>>> match.group(1) '801' >>> match.group(2) '35' >>> match.group(1, 2) ('801', '35') >>> match.groups() ('801', '35')
start()函数返回匹配的子字符串的开头的索引。同样,end()返回匹配的子字符串的结束索引。
>>> match.start() 2 >>> match.end() 8
span()函数返回一个包含匹配部分的开始和结束索引的元组。
>>> match.span() (2, 8)
匹配对象的re属性返回一个正则表达式对象。 同样,string属性返回传递的字符串。
>>> match.re re.compile('(\\d{3}) (\\d{2})') >>> match.string '39801 356, 2102 1111'
我们已经介绍了re模块中定义的所有常用方法。如果您想了解更多信息,请访问Python 3 re模块。
如果在正则表达式之前使用r或R前缀,则表示原始字符串。例如,'\n'是一个新行,而r'\n'表示两个字符:反斜杠\后跟n。
反斜杠\用于转义包括所有元字符在内的各种字符。但是,使用r前缀\会将其视为普通字符。
import re string = '\n and \r are escape sequences.' result = re.findall(r'[\n\r]', string) print(result) # 输出: ['\n', '\r']