Python正則表達式急速入門(小結)

正則表達式在程序開發(fā)中會經(jīng)常用到，比如數(shù)據(jù)（格式）驗證、替換字符內(nèi)容以及提取字符串內(nèi)容等等情況都會用到，但是目前許多開發(fā)人員對于正則表達式只是處于了解或者是基本會用的階段。一旦遇到大批量使用正則表達式的情況（例如網(wǎng)絡爬蟲）可以說基本上就抓瞎了。這篇文章我將帶領大家利用 Python 來學習一下正則表達式。在閱讀這篇文章前你需要掌握 Python 基礎知識，或者具有其他開發(fā)語言的基礎知識也可以，因為基本上每種語言使用正則表達式的方式都是類似的。

零、正則表達式基礎

1.提取字符（串） 有時我們需要從一個字符串中獲取一段內(nèi)容，這段內(nèi)容可能是一個字符也可能是一段字符串，如果用逐字對比遍歷的話不僅耗時耗力而且還容易出錯。那么這個時候我們就可以用到正則表達式中的 字符匹配 功能。正則表達式為我們提供了 4 種字符匹配的方法，見下表：

2.預定義字符 所謂預定義字符就是正則表達式中為我們預留的專門用來匹配格式化內(nèi)容的字符，例如匹配數(shù)字用的 \d 和匹配空白符的 \s 等等。我們可以利用預定義字符快速的匹配出一個字符串中符合要求的內(nèi)容。預定義字符匹配的內(nèi)容，同樣也可以利用前面所講的字符匹配的方式匹配出來，但是代碼量會相對來說多一點。下表所列的就是預定義字符：

在預定義字符中有如下幾點需要注意：

• \b 匹配的只是一個位置，這個位置的一側是構成單詞的字符，另一側為非單詞字符、字符串的開始或結束位置。\b 是零寬度。
• \w 在不同編碼語言中匹配的范圍是不一樣的，在使用 ASCII 碼的語言中匹配的是 [a-zA-Z0-9] ，而在使用 Unicode 碼的語言中匹配的是 [a-zA-Z0-9] 和漢字、全角符號等特殊字符。

3.限制數(shù)量 在某些情況下我們需要匹配重復的內(nèi)容，這時我們可以使用 數(shù)量限定 模式來進行操作。數(shù)量限定如下表： 

4.斷言 斷言，又稱零寬斷言，指的是當斷言表達式為 True 時才進行匹配，但是并不匹配斷言表達式內(nèi)容。和 ^ 代表開頭， $ 代表結尾， \b 代表單詞邊界一樣，先行斷言和后行斷言也有類似的作用，它們只匹配某些位置，在匹配過程中，不占用字符，所以被稱為零寬。所謂位置，是指字符串中第一個字符的左邊、最后一個字符的右邊以及相鄰字符的中間。零寬斷言表達式有四種：

• 零寬度負回顧后發(fā)斷言 (?<!exp)，表達式不成立時匹配斷言后面的位置，成立時不匹配。例如 \w+(?<zxc)\d，匹配不以 zxc 結尾的字符串；
• 零寬度負回顧先行斷言 (?!exp)，表達式匹配斷言前面的位置，成立時則不匹配。例如：\d(?!zxc)\w+，匹配不以 zxc 開頭的字符串；
• 先行斷言 (?=exp)，斷言為真時匹配斷言前面的位置，例如要在 “a regular expression” 這個字符串中追匹配出 regular 中的 re ，我們可以這么寫 re(?=gular);
• 后發(fā)斷言 (?<=exp)，斷言為真時匹配斷言后面的位置，例如對 “egex represents regular expression” 這個字符串要想匹配除 regex 和 regular 之外的re，可以用 re(?!g)，該表達式限定了re右邊的位置，這個位置后面不是字符g。先行和后發(fā)的區(qū)別就在于該位置之后的字符能否匹配括號中的表達式。

5.貪婪/非貪婪 正則表達式會盡可能多的去匹配字符，這被稱為貪婪模式，貪婪模式是正則表達式默認的模式。但是有時候貪婪模式會給我們造成不必要的困擾，例如我們要匹配字符串 “Jack123Chen123Chen” 中的 “Jack123Chen”，但是貪婪模式匹配出的卻是 “Jack123Chen123Chen”，這時我們就需要用到非貪婪模式來解決這個問題，非貪婪模式常用的表達式如下： 

6.其他 上述內(nèi)容在正則表達式中都是常用的，下面我們再來看看不常用到的，但是功能同樣強大的語法。

• OR 匹配又稱匹配分支，也就是說只要有一個分支匹配就算匹配，這和我們在開發(fā)中使用的 OR 語句類似。OR 匹配利用 | 分割分支，例如我們需要匹配出英文姓名，但是在英文中姓和名中間有可能是以 · 分割，也有可能是以空格分隔，這時我們就可以利用 OR 匹配來處理這個問題。格式如下：[A-Za-z]+·[A-Za-z]+|[A-Za-z]+\s[A-Za-z]+
• 組合，將幾個項組合為一個單元，這個單元可通過* + ? | 等符號加以修飾，而且可以記住和這個組合相匹配的字符串以提供伺候的引用使用。分組使用 () 來表示。例如獲取日期的正則表達式可以這么寫：\d{4}-(0[1-9]|1[0-2])-(0[1-9]|12|3[01])。第一個分組 (0[1-9]|1[0-2]) 代表月的正則匹配，第二個分組 (0[1-9]|12|3[01]) 代表日的正則匹配。

一、Python 使用正則表達式

在 Python 中使用正則表達式很簡單，re 模塊向我們提供了正則表達式的支持。使用步驟一共三步：

• 將正則表達式字符串轉換為 Pattern 的實例；
• 使用 Pattern 實例去處理要匹配的字符，匹配結果是一個 Match 實例；
• 利用 Match 實例去進行之后的操作。

在 Python 中我們常用的 re 的方法有六種，分別是: compile 、 match 、 search 、 findall 、 split 和 sub ，下面就針對這六種方法進行一下講解。

compile compile 方法的作用是將正則表達式字符串轉化為 Pattern 實例，它具有兩個參數(shù) pattern 和 flags ，pattern 參數(shù)類型是 string 類型，接收的是正則表達式字符串，flags 類型是 int 類型，接收的是匹配模式的編號，flags 參數(shù)是非必填項，默認值為 0 （忽略大小寫）。flags 匹配模式有如下 6 種： 

上述六種模式在實際開發(fā)中很少用到，我們只需要了解即可。 使用 compile 很簡單，如下： 

import re ​ 
pattern = re.compile(r'\d') 

2.match match 的作用是利用 Pattern 實例，從字符串左側開始匹配，如果匹配到就返回一個 Match 實例，如果沒有匹配到就返回 None。

import re ​ 
def getMatch(message): 
  pattern = re.compile(r'(\d{4}[-年])(\d{2}[-月])(\d{2}日{(diào)0,1})') 
  match = re.match(pattern, message) 
  if match: 
    print(match.groups()) 
    for item in match.groups(): 
      print(item) 
  else: 
    print("沒匹配上") ​ 
​ 
if __name__ == '__main__': 
  message = "2019年01月23日大會開始" 
  getMatch(message) 
  message = "會議于2019-01-23召開" 
  getMatch(message) 

在代碼中我們使用了 groups 方法，這個方法用來獲取匹配出來的字符串組。到這里過一會有很多讀者感到納悶，為什么第一段內(nèi)容能匹配出來年月日，而第二段內(nèi)容不能呢？這是因為 match 方法是從字符串的起始位置匹配的。 代碼運行結果如圖：

3.search search 方法與 match 方法功能是一樣的，只不過 search 方法是對整個字符串進行匹配。將前一小節(jié)代碼中的 getMatch 方法進行改動，即可將第二段內(nèi)容中的年月日匹配出來。

import re ​ 
def getMatch(message): 
  pattern = re.compile(r'(\d{4}[-年])(\d{2}[-月])(\d{2}日{(diào)0,1})') 
  match = re.search(pattern, message) 
  if match: 
    print(match.groups()) 
    for item in match.groups(): 
      print(item) 
  else: 
    print("沒匹配上") ​ 
​ 
if __name__ == '__main__': 
  message = "2019年01月23日大會開始" 
  getMatch(message) 
  message = "會議于2019-01-23召開" 
  getMatch(message) 

上述代碼運行結果如下圖：

4.findall findall 方法的作用是匹配整個字符串，以列表的形式返回所有匹配結果。

import re ​ 
​ 
def getMatch(message): 
  pattern = re.compile(r'\w+') 
  match = re.findall(pattern, message) 
  if match: 
    print(match) 
  else: 
    print("沒匹配上") ​ 
​ 
if __name__ == '__main__': 
  message = "my name is 張三" 
  getMatch(message) 
  message = "張三 is me" 
  getMatch(message) 

代碼運行結果如下圖：

5.split split 方法是利用指定的字符來分割字符串。

import re ​ 
​ 
def getMatch(message): 
  pattern = re.compile(r'-') 
  match = re.split(pattern, message) 
  if match: 
    print(match) 
  else: 
    print("沒匹配上") ​ 
​ 
if __name__ == '__main__': 
  message = "2018-9-12" 
  getMatch(message) 
  message = "第一步-第二步-第三步-第四步-and more" 
  getMatch(message) 

上述代碼運行結果如下圖：

6.sub sub 方法用來替換字符串，它接受5個參數(shù)，其中常用的有三個：

• pattern，Pattern 實例
• string，等待替換的字符串
• repl，表示替換的新字符串或需要執(zhí)行的替換方法
• count，替換次數(shù)，默認為0表示全部替換

import re ​ 
​ 
def getMatch(match): 
  return match.group(0).replace(r'年齡', 'age') ​ 
​ 
if __name__ == '__main__': 
  message = "your 年齡 ?" 
  pattern=re.compile(r'\w+') 
  print(re.sub(pattern,getMatch,message)) 

代碼運行結果如下圖：

三、總結

Python 中正則表達式使用起來非常方便，上面所展示的代碼，完全可以直接復制出來稍加修改后放在項目中使用。內(nèi)容不多，主要是講解代碼怎么使用，希望大家完全理解掌握了正則表達式的寫法。

作者簡介：
朱鋼，筆名喵叔，國內(nèi)某技術博客認證專家，.NET高級開發(fā)工程師，7年一線開發(fā)經(jīng)驗，參與過電子政務系統(tǒng)和AI客服系統(tǒng)的開發(fā)，以及互聯(lián)網(wǎng)招聘網(wǎng)站的架構設計，目前就職于一家初創(chuàng)公司，從事企業(yè)級安全監(jiān)控系統(tǒng)的開發(fā)。

以上就是本文的全部內(nèi)容，希望對大家的學習有所幫助，也希望大家多多支持億速云。