Python學習之正則

2021-09-11 17:32:26 字數 4650 閱讀 4514

python學習目錄

在mac下使用python3

python學習之資料型別

python學習之函式

python學習之高階特性

python學習之函式式程式設計

python學習之模組

python學習之物件導向程式設計

python學習之物件導向高階程式設計

python學習之錯誤除錯和測試

python學習之io程式設計

python學習之程序和執行緒

python學習之正則

python學習之常用模組

python學習之網路程式設計

正規表示式是一種用來匹配字串的強有力的**。它的設計思想是用一種描述性的語言來給字串定義乙個規則，凡是符合規則的字串，我們就認為它「匹配」了，否則，該字串就是不合法的。

在正規表示式中，如果直接給出字元，就是精確匹配。用\d可以匹配乙個數字，\w可以匹配乙個字母或數字，所以：

.可以匹配任意字元，所以：

要匹配變長的字元，在正規表示式中，用*表示任意個字元（包括0個），用+表示至少乙個字元，用?表示0個或1個字元，用表示n個字元，用表示n-m個字元：

來看乙個複雜的例子：\d\s+\d。

我們來從左到右解讀一下：

\d表示匹配3個數字，例如'010'；

\s可以匹配乙個空格（也包括tab等空白符），所以\s+表示至少有乙個空格，例如匹配' '，' '等；

\d表示3-8個數字，例如'1234567'。

綜合起來，上面的正規表示式可以匹配以任意個空格隔開的帶區號的**號碼。

如果要匹配'010-12345'這樣的號碼呢？由於'-'是特殊字元，在正規表示式中，要用'\'轉義，所以，上面的正則是\d\-\d。

但是，仍然無法匹配'010 - 12345'，因為帶有空格。所以我們需要更複雜的匹配方式。

要做更精確地匹配，可以用表示範圍，比如：

a|b可以匹配a或b，所以(p|p)ython可以匹配'python'或者'python'。

^表示行的開頭，^\d表示必須以數字開頭。

$表示行的結束，\d$表示必須以數字結束。

你可能注意到了，py也可以匹配'python'，但是加上^py$就變成了整行匹配，就只能匹配'py'了。

有了準備知識，我們就可以在python中使用正規表示式了。python提供re模組，包含所有正規表示式的功能。由於python的字串本身也用\轉義，所以要特別注意：

s = 'abc\\-001'


# python的字串


# 對應的正規表示式字串變成：


# 'abc\-001'


複製**
因此我們強烈建議使用python的r字首，就不用考慮轉義的問題了：

s = r'abc\-001'


# python的字串


# 對應的正規表示式字串不變：


# 'abc\-001'


複製**
先看看如何判斷正規表示式是否匹配：

>>> 


import re


>>> re.match(r'^\d\-\d$', '010-12345')


<_sre.sre_match object; span=(0, 9), match='010-12345'>


>>> re.match(r'^\d\-\d$', '010 12345')


>>>


複製**
match()方法判斷是否匹配，如果匹配成功，返回乙個match物件，否則返回none。常見的判斷方法就是：

test = '使用者輸入的字串'


if re.match(r'正規表示式', test):


print('ok')


else:


print('failed')


複製**
除了簡單地判斷是否匹配之外，正規表示式還有提取子串的強大功能。用()表示的就是要提取的分組（group）。比如：

^(\d)-(\d)$分別定義了兩個組，可以直接從匹配的字串中提取出區號和本地號碼：

>>> m = re.match(r'^(\d)-(\d)$', '010-12345')


>>> m


<_sre.sre_match object; span=(0, 9), match='010-12345'>


>>> m.group(0)


'010-12345'


>>> m.group(1)


'010'


>>> m.group(2)


'12345'


複製**
如果正規表示式中定義了組，就可以在match物件上用group()方法提取出子串來。

注意到group(0)永遠是原始字串，group(1)、group(2)……表示第1、2、……個子串。

提取子串非常有用。來看乙個更**的例子：

>>> t = '19:05:30'


>>> m = re.match(r'^(0[0-9]|1[0-9]|2[0-3]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$', t)


>>> m.groups()


('19', '05', '30')


複製**
這個正規表示式可以直接識別合法的時間。但是有些時候，用正規表示式也無法做到完全驗證，比如識別日期：

'^(0[1-9]|1[0-2]|[0-9])-(0[1-9]|1[0-9]|2[0-9]|3[0-1]|[0-9])$'


複製**
對於'2-30'，'4-31'這樣的非法日期，用正則還是識別不了，或者說寫出來非常困難，這時就需要程式配合識別了。

最後需要特別指出的是，正則匹配預設是貪婪匹配，也就是匹配盡可能多的字元。舉例如下，匹配出數字後面的0：

>>> re.match(r'^(\d+)(0*)$', '102300').groups()


('102300', '')


複製**
由於\d+採用貪婪匹配，直接把後面的0全部匹配了，結果0*只能匹配空字串了。

必須讓\d+採用非貪婪匹配（也就是盡可能少匹配），才能把後面的0匹配出來，加個?就可以讓\d+採用非貪婪匹配：

>>> re.match(r'^(\d+?)(0*)$', '102300').groups()


('1023', '00')


複製**
當我們在python中使用正規表示式時，re模組內部會幹兩件事情：

編譯正規表示式，如果正規表示式的字串本身不合法，會報錯；

用編譯後的正規表示式去匹配字串。

如果乙個正規表示式要重複使用幾千次，出於效率的考慮，我們可以預編譯該正規表示式，接下來重複使用時就不需要編譯這個步驟了，直接匹配：

>>> 


import re


# 編譯:


>>> re_telephone = re.compile(r'^(\d)-(\d)$')


# 使用：


>>> re_telephone.match('010-12345').groups()


('010', '12345')


>>> re_telephone.match('010-8086').groups()


('010', '8086')


複製**
編譯後生成regular expression物件，由於該物件自己包含了正規表示式，所以呼叫對應的方法時不用給出正則字串。

Python正則之再學習與實踐

昨天做網頁爬取的時候，感覺自己對正則不熟悉的很，故今天再花上午時間認真整理下，不可懈怠。1.常見正規表示式符號 1 literal 匹配文字字串的字面值literal 2 re1 re2 匹配正規表示式re1或者re2 foo bar 3 匹配任何字元 除 n b.b 4 匹配字串的起始部分 dea...

python 正則學習

常見萬用字元如下 匹配任何字元 換行符除外 匹配字串開始 匹配字串結尾 匹配前面出現的正規表示式0次或多次 匹配前面出現的正規表示式1次或多次 匹配前面出現的正規表示式0次或1次 匹配前面出現的正規表示式n次 匹配前面出現的正規表示式 m到n次 匹配字元組裡的任意乙個字元 不匹配字元組裡的任意乙個字...

python網路爬蟲學習筆記之之正規表示式

1.表達很多字串 可以直接使用乙個正規表示式 2.表達無窮多個字串時 比如 py 就表示p後邊跟乙個y或者無窮多個y時的情況 3.比如一組字串有某種特點，很難將它們列舉出來就可以使用正規表示式來進行 比如說 一組字串需要以 py 開頭 後續存在不多於10個字串，後續字串不得出現 p 或者 y 當然你...