概述
在上一节,我们介绍了Python的文件操作,包括:打开文件、读取文件、写入文件、关闭文件、文件指针移动、获取目录列表等内容。在这一节中,我们将介绍Python的正则表达式。正则表达式是一种强大的工具,用于在文本中进行匹配、搜索、替换等操作,它提供了一种高效且灵活的方式来处理字符串。使用正则表达式可以大大提高字符串处理的效率,帮助我们在大量的文本数据中快速找到符合特定模式的字符串。
正则表达式的定义
正则表达式,又称正规表示法、正则式、regex,是一种文本模式,特别适合用来搜索、验证和替换符合特定模式的文本。它是由普通字符以及特殊字符组成的文字模式,该模式描述了一种字符串匹配的模式,可以用来搜索、替换、截取符合特定模式的字符串。
Python提供了一个内置的re模块,用于处理正则表达式。通过导入re模块,我们可以使用其中的函数来执行正则表达式操作。
正则表达式的语法
Python正则表达式的语法包括一些特殊的字符和元字符,这些字符可以用来表示特定的模式。下表列出了一些常用的Python正则表达式语法。
语法 | 含义 |
. | 匹配除了换行符的任意字符 |
^ | 匹配字符串的开头 |
$ | 匹配字符串的结尾 |
* | 匹配前面的子表达式零次或多次 |
+ | 匹配前面的子表达式一次或多次 |
? | 匹配前面的子表达式零次或一次 |
() | 匹配括号内的表达式,也表示一个组 |
a|b | 匹配a或b |
{n} | 匹配前面的子表达式精确n次 |
{n,} | 匹配前面的子表达式至少n次 |
{n,m} | 匹配前面的子表达式至少n次,但不超过m次 |
[...] | 表示可以匹配的字符集合,比如:[A-Za-z]匹配任何一个字母或数字 |
[^...] | 表示不匹配此字符集,比如:[^A-Za-z]匹配除了字母和数字之外的任何字符 |
\d | 匹配任何十进制数字,相当于[0-9] |
\D | 匹配任何非数字字符,相当于[^0-9] |
\s | 匹配任何空白字符,包括空格、制表符、换页符等,等价于[\f\n\r\t\v] |
\S | 匹配任何非空白字符,等价于[^ \f\n\r\t\v] |
\w | 匹配任何字母、数字、下划线字符,等价于[a-zA-Z0-9_] |
\W | 匹配任何非字母、数字、下划线字符,等价于[^a-zA-Z0-9_] |
另外,还有一些特殊的字符类和转义序列在正则表达式中也比较常见,可参看下表。
语法 | 含义 |
\t | 制表符(Tab) |
\n | 换行符 |
\r | 回车符 |
\f | 换页符 |
\b | 退格符 |
\\ | 反斜杠本身 |
\' | 单引号本身 |
\" | 双引号本身 |
\0 | 空字符 |
\xnn | ASCII码字符,其中nn是一个两位十六进制数 |
\unnnn | Unicode字符,其中nnnn是一个四位的十六进制数 |
re.search函数
re.search函数在给定的字符串中搜索匹配正则表达式的内容,并返回一个匹配对象。如果匹配到多组,就返回第一组;如果没有找到匹配的内容,则返回None。
re.search函数的定义如下:
re.search(pattern, string, flags=0)
各个参数的含义如下:
pattern:需要匹配的正则表达式。
string:待搜索的字符串。
flags:控制正则表达式行为的标志,可选。可以使用多个标志,通过按位或(|)操作符组合。比如:可以使用re.IGNORECASE来忽略大小写,使用re.MULTILINE来分别对每一行进行匹配。
re.search函数返回的是一个匹配对象,如果没有找到匹配的内容,则返回None。当匹配成功时,匹配对象具有以下的属性。
group(index): 返回指定索引的分组,如果索引不存在,则返回整个匹配的文本。
groups(): 返回一个包含所有分组(索引号大于0的组)的元组。
start(index): 返回指定索引的分组在字符串中的开始位置。
end(index): 返回指定索引的分组在字符串中的结束位置。
span(index): 返回指定索引的分组在字符串中的开始和结束位置的元组。
如果匹配失败,以下方法会引发异常:
group(index): 试图获取一个不存在的组的匹配结果,将会引发异常。
start(index)、end(index)、span(index): 试图获取一个不存在的组的边界位置,将会引发异常。
我们可以通过下面的示例代码来理解re.search函数。
import retext = "Hello CSDN!"result = re.search('(CSDN)', text)if result: # 输出:Found: CSDN (6, 10) print("Found:", result.group(1), result.span(1))else: print("Not found")text = 'be greater than ever'result = re.search('(.*) greater (.*?) .*', text)if result: # 输出:Found all: be greater than ever print ("Found all:", result.group()) # 输出:Found group 1: be print ("Found group 1:", result.group(1)) # 输出:Found group 2: than print ("Found group 2:", result.group(2))else: print("Not found")
re.match函数
re.match函数用于在字符串的开始处进行正则表达式匹配,并返回一个匹配对象。如果没有找到匹配的内容,则返回None。re.match函数与re.search函数的区别在于:re.match函数只匹配字符串的开始,如果字符串开始不符合正则表达式,则匹配失败并返回None;而re.search函数会匹配整个字符串,直到找到一个匹配的。
import retext = 'Hello CSDN'result = re.match('Hello', text)# 从字符串的开始处进行匹配,能找到,输出:Found: Helloif result: print("Found:", result.group())else: print("Not found")text = 'CSDN Hello'result = re.match('Hello', text)# 从字符串的开始处进行匹配,找不到,输出:Not foundif result: print("Found:", result.group())else: print("Not found")text = 'hope_wisdom@csdn.net'result = re.match(r'^[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+$', text)# 校验是否为有效的电子邮件地址,输出:Foundif result: print("Found")else: print("Not found")
re.findall函数
re.findall()函数用于在一个字符串中查找所有匹配的部分,并返回一个包含所有匹配部分的列表。
re.findall()函数的定义如下:
re.findall(pattern, string)
其中,pattern是正则表达式,用于匹配要查找的内容;string是要在其中查找匹配项的字符串。返回的列表中包含了所有匹配的部分,如果没有找到匹配项,则返回一个空列表。
import retext = "Hello, CSDN! Be greater than ever."matches = re.findall(r'\b\w+\b', text)# 输出:['Hello', 'CSDN', 'Be', 'greater', 'than', 'ever']print(matches)
re.sub函数
re.sub()函数用于在字符串中使用正则表达式进行替换操作,函数会返回一个新字符串,其中匹配的字符串被替换为指定的替换对象。
re.sub()函数的定义如下:
re.sub(pattern, repl, string, count=0, flags=0)
各个参数的含义如下:
pattern:需要匹配的正则表达式。
repl:用于替换匹配到的字符串的替换对象。
string:要在其中进行替换操作的原始字符串。
count:指定替换的最大次数,可选。默认为0,表示替换所有匹配的字符串。
flags:控制正则表达式行为的标志,可选。可以使用多个标志,通过按位或(|)操作符组合。
在下面的示例代码中,我们使用re.sub()函数将字符串中的所有单词替换为"CSDN",正则表达式\b\w+\b匹配单词的边界和单词本身。
import retext = "Hello, world! Be greater than ever."result = re.sub(r'\b\w+\b', 'CSDN', text)# 输出:CSDN, CSDN! CSDN CSDN CSDN CSDN.print(result)
re.compile函数
re.compile()函数用于将给定的正则表达式编译为一个可重用的正则表达式对象,函数会返回一个正则表达式对象,可以用于重复匹配或搜索操作。
re.compile()函数的定义如下:
re.compile(pattern, flags=0)
各个参数的含义如下:
pattern:要编译的正则表达式字符串。
flags:控制正则表达式行为的标志,可选。可以使用多个标志,通过按位或(|)操作符组合。
在下面的示例代码中,我们使用re.compile()函数将正则表达式\d\w\d编译为一个可重用的正则表达式对象,并使用该对象进行搜索操作。
import repattern = re.compile(r'\d+\w+\d+')result = pattern.search('Hello 666OK999 CSDN')# 输出:666OK999print(result.group())
re.finditer函数
re.finditer()函数用于在字符串中查找正则表达式的匹配项,并返回一个迭代器,包含匹配结果。每个匹配结果都是一个Match对象,可以通过该对象的group()方法获取匹配的字符串。
re.finditer()函数的定义如下:
re.finditer(pattern, string, flags=0)
各个参数的含义如下:
pattern:要匹配的正则表达式模式。
string:要在其中查找匹配项的字符串。
flags:控制正则表达式行为的标志,可选。可以使用多个标志,通过按位或(|)操作符组合。
在下面的示例代码中,我们使用re.finditer()函数获得了一个匹配对象的迭代器,并遍历该迭代器输出了匹配字符串。
import retext = 'Hello 666 CSDN 999'pattern = re.compile(r'\d+')matches = pattern.finditer(text)# 依次输出:666 999for match in matches: print(match.group())
re.split函数
re.split()函数用于将字符串按照正则表达式进行分割,并返回一个分割后子串的列表。
re.split()函数的定义如下:
re.split(pattern, string, maxsplit=0)
各个参数的含义如下:
pattern:要用于分割字符串的正则表达式模式。
string:要分割的字符串。
maxsplit:指定最大分割次数,可选。如果指定了该参数,则最多会按照正则表达式分割maxsplit次。默认值为0,表示没有限制。
在下面的示例代码中,我们使用re.split()函数分割了字符串,并返回分割后子串的列表。
import retext = 'ocean-sky-continent'result = re.split('-', text)# 输出:['ocean', 'sky', 'continent']print(result)
来源地址:https://blog.csdn.net/hope_wisdom/article/details/132701007