Python學習筆記 - 正規表示式

MADAO是不會開花的發表於2019-01-16
Python筆記

Python中正規表示式相關的都在re模組中。簡單整理一下常見的語法和方法

  • 關於轉義字元

    如果執行下面了下面這句程式碼：

    print('a\nb')

    那麼會得到這樣的結果：

    Python學習筆記 - 正規表示式

    並沒有列印出\n只有a和b，而且它們還換行了。如果想要列印\n這個字串有兩種辦法：

    print('a\\nb')
print(r'a\nb')
複製程式碼

    Python學習筆記 - 正規表示式

    第一種就是再加一個轉義符號（\）將原本的轉義符轉義成原本的意思。第二種是使用r'字串'這種格式。推薦用第二種。

  • re.match 和 re.search

    re.match 和 re.search很像，它們都用於判斷匹配是否成功，如果成功就返回一個物件，不成功就返回None

    import re

res_match = re.match(r'ab', 'ababababab')
res_search = re.search(r'ab', 'ababababab')

print(res_match) # <re.Match object; span=(0, 2), match='ab'>
print(res_search) # <re.Match object; span=(0, 2), match='ab'>
複製程式碼

    它們兩的區別在於，如果字串的開頭就匹配失敗，match方法會直接返回None，search則會繼續匹配下去。例子：

    import re

res_match = re.match(r'ab', 'ccccababababab')
res_search = re.search(r'ab', 'ccccbababababab')

print(res_match)  # None
print(res_search) # <re.Match object; span=(5, 7), match='ab'>
複製程式碼

    match和search方法返回的物件中span表示匹配成功的字元的位置，match則是匹配結果，它們返回的物件都有group和groups方法。

    直接看例子：

    import re

res_match = re.match(r'(ab)-(cd)-(ef)', 'ab-cd-ef')


print('group不帶引數：', res_match.group())
print('group帶引數：', res_match.group(1))
print('group帶引數：', res_match.group(2))
print('group帶引數：', res_match.group(3))
print('group帶多個引數：', res_match.group(1, 2, 3))

print('groups:', res_match.groups())
複製程式碼

    結果：

    Python學習筆記 - 正規表示式

    group和groups方法會返回匹配到的字元，如果在正規表示式中用了()那麼表示匹配括號內的所有內容，一個()就是一個組， group方法接受的引數就是組的序號。組從1開始。

  • re.compile

    compile方法用於建立一個正規表示式（ Pattern ）物件

    prog = re.compile(pattern)
result = prog.match(string)
複製程式碼

    等價於

    result = re.match(pattern, string)
複製程式碼

    例子：

    import re
reg = re.compile(r'\d')

res_match = reg.match('12313131')
res_search = reg.search('abcdefg12313131')

print(res_match.group()) # 1
print(res_search.group()) # 1
複製程式碼

    可以看到上面例子中數字有很多個，但是隻匹配到一個就不匹配了。如果想要匹配所有符合規則的字串可以用findAll方法，例子：

    import re
reg = re.compile(r'\d')

res_match = reg.match('12313131')
res_search = reg.search('abcdefg12313131')
res_findAll = reg.findall('a1h2h1312h31hjg31j3')

print(res_match.group()) # 1
print(res_search.group()) # 1
print(res_findAll)  # ['1', '2', '1', '3', '1', '2', '3', '1', '3', '1', '3']
複製程式碼

  • re.sub

    re.sub用於替換字串中的匹配項。它的語法是：

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

    • pattern : 正則中的模式字串。
    • repl : 替換的字串，也可為一個函式。
    • string : 要被查詢替換的原始字串。
    • count : 模式匹配後替換的最大次數，預設 0 表示替換所有的匹配。

    例子：

    import re
test_str = '2012-12-21'

def square(num):
    return str(int(num.group())**2)
    

res = re.sub(r'\D', '/', test_str)
res_func = re.sub(r'\d', square, test_str)

print(res) # 2012/12/21
print(res_func) # 4014-14-41
複製程式碼

  • 貪婪模式

    在說貪婪模式之前，先介紹幾個特殊字元：*, +, ?

    • *: 匹配0到任意次
    • +: 匹配1到任意次
    • ?: 匹配0到1次

    例子：

    import re
reg = re.compile(r'ab*')
reg_1 = re.compile(r'ab+')
reg_2 = re.compile(r'ab?')

test_str = 'abbbbbbbbbbbbbb'

res_xinghao = reg.match(test_str)
res_jiahao = reg_1.match(test_str)
res_wenhao = reg_2.match(test_str)

print('*:', res_xinghao.group()) # *: abbbbbbbbbbbbbb
print('+:', res_jiahao.group())  # +: abbbbbbbbbbbbbb
print('?:', res_wenhao.group())  # ?: ab
複製程式碼

    *, +, ? 它們都是貪婪模式，也是就在匹配成功的情況下，儘可能的多匹配符合規則的字元。

    如果想要非貪婪模式那麼只需要在它們後面各自加上?即可：*?, +?, ??

    import re
reg = re.compile(r'ab*?')
reg_1 = re.compile(r'ab+?')
reg_2 = re.compile(r'ab??')

test_str = 'abbbbbbbbbbbbbb'

res_xinghao = reg.match(test_str)
res_jiahao = reg_1.match(test_str)
res_wenhao = reg_2.match(test_str)

print('*?:', res_xinghao.group())  # *?: a
print('+?:', res_jiahao.group())   # +?: ab
print('??:', res_wenhao.group())   # ??: a
複製程式碼

正規表示式還有很多的特殊字元，也叫元字元。官方文件解釋的更清楚，這裡就不寫了。它們的組合很多，這也是我覺得正則難的原因。

相關文章