zl程序教程

您现在的位置是:首页 >  Python

当前栏目

Python Re 正则表达式 数据匹配提取 基本使用

2023-02-18 16:28:13 时间

Python re 正则表达式 数据匹配提取 基本使用

小洲提示:代码可直接复制在编译器中运行,方便更好的理解


文章目录


前言


提示:以下是本篇文章正文内容,下面案例可供参考

一、导入库,内置模块无需安装

import re

二、语法介绍

模式字符串使用特殊的语法来表示一个正则表达式:
字母和数字表示他们自身。一个正则表达式模式中的字母和数字匹配同样的字符串。
多数字母和数字前加一个反斜杠时会拥有不同的含义。
标点符号只有被转义时才匹配自身,否则它们表示特殊的含义。
反斜杠本身需要使用反斜杠转义。
正则表达式通常都包含反斜杠"\\"以及小括号"\(\)",模式元素(如 r'\t',等价于 '\\t')匹配相应的特殊字符。

表达式

描述

^

匹配字符串的开头

$

匹配字符串的末尾

[…]

用来表示一组字符,单独列出:[abc] 匹配 ‘a’,‘b’,‘c’

[^…]

取反,匹配不在[]中的字符:[^abcd] 匹配除了a,b,c,d之外的字符

.

匹配任意字符,除了换行符,可通过flag参数设置匹配任意字符

*

匹配0次或多次

+

匹配1次或多次,贪婪

?

匹配0次或1次,非贪婪

a I b

匹配a或b

{ n}

匹配n次

{ n, m}

匹配n-m次

(表达式)

对正则表达式分组并记住匹配的文本,常用

[0-9]

匹配任何数字

\d

匹配任意数字,等价于 [0-9]

[a-z]

匹配任何小写字母

[A-Z]

匹配任何大写字母

[a-zA-Z0-9]

匹配任何字母及数字

\w

匹配字母数字及下划线

\W

匹配非字母数字及下划线

\s

匹配任意空白字符,等价于 [ \t\n\r\f]。

\S

匹配任意非空字符

\D

匹配任意非数字

re.S

flags参数,使 “.” 特殊字符完全匹配任何字符

re.L

flags参数,匹配忽略字母大小写

三、常用的方法

3.1 re.compile()

re.compile()  # 预编译, 编译后生成Regular Expression对象,由于该对象自己包含了正则表达式,所以调用对应的方法时不用给出正则字符串。
match object对象有以下方法:
group() 返回被 RE 匹配的字符串
start() 返回匹配开始的位置
end() 返回匹配结束的位置
span()返回一个元组包含匹配 (开始,结束) 的位置
re_obj = re.compile('[0-9]+')  
result = re_obj.search(string='asda123fs1231')  # 匹配数字,匹配第一次查找到的内容,返回match object对象
print(result.group())  # 123  # 123

3.2 re.match()

re.match()  # 从头匹配一个符合规则的字符串,从起始位置开始匹配,匹配成功返回一个对象,否则返回None。
参数如下:
pattern: 正则规则
string : 要匹配的字符串
falgs : 匹配模式(这个是可选的,可写,可不写),re.S,re.L 
match() 方法一旦匹配成功,就是一个match object对象
import re
str_text = "Python is a good language"  # 要匹配的内容, 对应match 里面的string
result = re.match(pattern="Python.{10,15}", string=str_text, flags=re.S)  # 使 "." 特殊字符完全匹配任何字符
print(result.group())  # 输出结果:Python is a good lang

3.3 re.search()

re.search()  # 会在整个字符串内查找匹配,只要找到第一个匹配则返回一个match object对象,否则返回None。
str_text = "Python is a good language I am xiaozhou1 ! I am xiaozhou2 !"
result = re.search(pattern='I.*?!', string=str_text, flags=re.S)  # 非贪婪
print(result.group())  # I am xiaozhou1 !
result = re.search(pattern='I.+!', string=str_text, flags=re.S)  # 贪婪
print(result.group())  # I am xiaozhou1 ! I am xiaozhou2 !

3.4 re.findall()

re.findall()  # 会在整个字符串内查找匹配,返回所有匹配的结果,list类型,否则返回[]
str_text = "Python is a good language I am xiaozhou1 ! I am xiaozhou2 ! I am xiaozhou3 ! I am xiaozhou4 !"
result = re.findall(pattern='I.*?!', string=str_text, flags=re.S)
print(result)  # ['I am xiaozhou1 !', 'I am xiaozhou2 !', 'I am xiaozhou3 !', 'I am xiaozhou4 !']

3.5 re.sub()

re.sub()  # 会在整个字符串内查找匹配,将匹配的内容替换为设置(repl)的内容
参数如下:
pattern : 正则中的模式字符串。
repl : 替换的字符串,也可为一个函数。
string : 要被查找替换的原始字符串。
count : 模式匹配后替换的最大次数,默认 0 表示替换所有的匹配。
falgs : 匹配模式(这个是可选的,可写,可不写),re.S,re.L 
str_text = 'I am xiaozhou 我是小洲'
result = re.sub(pattern='[\u4e00-\u9fa5]', repl='', string=str_text, count=0, flags=re.S)  # [^\u4e00-\u9fa5] 替换所有非中文,^取反
print(result)  # I am xiaozhou 

四、在线正则表达式测试

在线正则表达式测试: https://tool.oschina.net/regex/#


总结

小洲提示:代码可直接复制在编译器中运行,方便更好的理解

例如:以上就是今天要讲的内容,本文仅仅简单介绍了re的使用,而re提供了大量能使我们快速便捷地处理数据的函数和方法,后续有关于re的常用代码会在这篇博客中持续更新。 转 python内置正则表达式(re)模块官方文档简要中文版:https://www.cnblogs.com/rosesmall/archive/2012/12/26/2833681.html