Python正則表達式基礎(chǔ)知識有哪些

本篇內(nèi)容主要講解“Python正則表達式基礎(chǔ)知識有哪些”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學(xué)習(xí)“Python正則表達式基礎(chǔ)知識有哪些”吧!

1. 什么是正則表達式

正則表達式(Regular Expressions),也稱為 “regex” 或 “regexp” 是使用單個字符串來描述、匹配一系列匹配某個句法規(guī)則的字符串，這樣程序就可以將該模式與任意文本字符串相匹配。

使用正則表達式，可以為要匹配的可能字符串集指定規(guī)則；此集可能包含英語句子，電子郵件地址，TeX命令或你喜歡的任何內(nèi)容

正則表達式引擎

采用不同算法，檢查處理正則表達式的軟件模塊 PCRE (perl compatible regular expressions)

正則表達式的元字符分類: 字符匹配，匹配次數(shù)，位置錨定，分組

Python的正則表達式是PCRE標準的。

2. 正則表達式基礎(chǔ)

# 字符匹配

. 匹配任意單個字符(換行符除外)

[]匹配指定范圍內(nèi)的任意單個字符: [0-9] [a-z]

^[xxx]以[]內(nèi)的任意字符開頭

[^xxx]: 除了[]內(nèi)的字符，相當于取反

# 匹配次數(shù)

用于指定前面的字符要出現(xiàn)幾次

* 匹配前面的字符的任意次，包括0次， 貪婪匹配：盡可能長的匹配
.* 任意長度的任意字符
? 匹配其前面的字符0或1次
+ 匹配前面的字符至少1次
{n} 匹配前面的字符n次
{m,n} 匹配前面的字符至少m次，最多n次如{1,3} 匹配1到3次
{n,} 匹配前面的字符至少n次

# 位置錨定
# 用于定位出現(xiàn)的位置

^ 行首

$ 行尾

^$ 空行

# 分組
() 分組，用()將多個字符捆綁在一起，當作一個整體處理
后向引用: \1,\2

# | 或者
a|b a 或 b
(A|a)bc Abc或abc

# \ 轉(zhuǎn)義
\ 反斜杠后面可以跟各種字符，以指示各種特殊序列。它也用于轉(zhuǎn)義所有元字符.因此您仍然可以在模式中匹配它們,如果你需要匹配 [ 或 \，你可以在它們前面加一個反斜杠來移除它們的特殊含義：\[ 或 \\。
在python中取消轉(zhuǎn)義推薦使用r,如果要匹配'\n',因為'\n'有特殊含義:回車。要匹配'\n'可以以寫'\\n',在Python中可以使用r'\n'。

\d 匹配任何十進制數(shù)，等價于類 [0-9]
\w 匹配任何字母與數(shù)字字符包括下劃線；這相當于類 [a-zA-Z0-9_]。
\s 匹配任何空白字符；這等價于類 [ \t\n\r\f\v]。

\D 匹配任何非數(shù)字字符；這等價于類 [^0-9]。
\W 匹配任何非字母與數(shù)字字符；這相當于類 [^a-zA-Z0-9_]。
\S 匹配任何非空白字符；這相當于類 [^ \t\n\r\f\v]。

3. Python中使用正則表達式

在python中使用正則表達式常用的模塊為:re。

3.1 re常用的方法

# re.findall('正則表達式','待匹配的文本')  根據(jù)正則匹配出所有符合條件的數(shù)據(jù)，返回列表
>>> re.findall('[0-9]', "Hello world 123")
['1', '2', '3']
# 如果匹配不到findall返回一個空列表

# re.finditer('正則表達式','待匹配的文本') 根據(jù)正則匹配出所有符合條件的數(shù)據(jù)，返回一個對象
>>> re.finditer('[0-9]', "Hello world 123")     
<callable_iterator object at 0x7f3409296d68>
# 取值：
>>> res = re.finditer('[0-9]', "Hello world 123")
>>> for i in res:
...     print(i.group())
... 
1
2
3

# 如果匹配不到finditer返回空。

# findall 和finditer功能一樣，但是finditer更節(jié)省內(nèi)存。

# re.search('正則表達式','待匹配的文本')   根據(jù)正則匹配到一個符合條件的就結(jié)束
>>> res = re.search('l', "Hello world 123")     
>>> res
<_sre.SRE_Match object; span=(2, 3), match='l'>
>>> res.group()
'l'
# 匹配到一個就返回，group()返回具體的元素，如果匹配不到search返回None,使用group取值就會報錯:
AttributeError: 'NoneType' object has no attribute 'goup'
    
# re.match('正則表達式','待匹配的文本') 根據(jù)正則從頭開始匹配(文本內(nèi)容必須在開頭匹配上)
>>> res = re.match('e', "Hello world 123")   # e 不在開頭，所以匹配不上，返回None
>>> print(res)
None

>>> res = re.match('H', "Hello world 123")  # H 為開頭能匹配上
>>> print(res)
<_sre.SRE_Match object; span=(0, 1), match='H'>
>>> print(res.group())
H

#如果沒有匹配到，match會返回None 使用group取值的時候也會直接報錯
AttributeError: 'NoneType' object has no attribute 'group'


# search和match匹配不到都會報錯，可以處理一下：
if res:
    print(res.group())
else:
    print('沒有匹配到')
    
# re.split 分割
>>> re.split('[0-9]', "Hello 123 world")    # 按匹配到的分割，返回一個列表   
['Hello ', '', '', ' world'] 

# re.sub('要匹配的'， '要替換的'， '文本')  替換
>>> re.sub('[0-9]','A', "Hello 123 world")  # 默認替換全部
'Hello AAA world'
>>> re.sub('[0-9]','A', "Hello 123 world",1) # 替換一次
'Hello A23 world'
>>> re.sub('[0-9]','A', "Hello 123 world",2) # 替換兩次
'Hello AA3 world'
# re.subn() 和re.sub 功能一樣，但是返回元組 并提示替換了幾處
>>> re.subn('[0-9]','A', "Hello 123 world")    
('Hello AAA world', 3)
>>> re.subn('[0-9]','A', "Hello 123 world", 1)
('Hello A23 world', 1)

# 如果一個正則表達式在程序中經(jīng)常用到，這樣每次都寫太麻煩，可以使用compile將正則表達式的樣式編譯為一個正則表達式對象 （正則對象）
# 例如 正則表達式'^\d{3,6}'經(jīng)常使用
>>> obj = re.compile('^\d{3,6}')
>>> obj.findall("123 Hello")
['123']
>>> res = obj.search("123 Hello")
>>> res.group()
'123'
# obj還可以使用 finditer，match，split，subn，sub

# 分組
>>> res = re.search('[1-9]\d{16}([0-9x])','37152119841105155x')   
>>> res.group()
'37152119841105155x'
>>> res.group(1)  # 只打印分組1里的內(nèi)容，1為第一個分組，這里面只有([0-9x])所以打印x
'x'
>>> res = re.search('[1-9](\d{16})([0-9x])','37152119841105155x')
>>> res.group() 
'37152119841105155x'
>>> res.group(1)   # (\d{16}) 為第1個分組
'7152119841105155'
>>> res.group(2)	# ([0-9x]) 為第2個分組
'x'
# 這種取分組里的值也為索引取值

# findall優(yōu)先打印出分組里的內(nèi)容
>>> re.findall('[1-9]\d{16}([0-9x])','37152119841105155x')
['x']

# 取消分組： ?:
>>> res = re.findall('[1-9]\d{16}(?:[0-9x])','37152119841105155x')  
>>> res   # (?:[0-9x])
['37152119841105155x']

# 上面的分組為無名分組，分組也可以有名字。
# 有名分組  ?P<分組名稱>
>>> res = re.search('[1-9](?P<first>\d{16})(?P<second>[0-9x])','37152119841105155x')
>>> res.group()
'37152119841105155x'
>>> res.group('first')
'7152119841105155'
>>> res.group('second')
'x'
# 分組后也可以使用索引到值：
>>> res.group(2)       
'x'

3.2 re模塊練習(xí)

爬鏈家二手房前十頁

import re
import requests 

for i in range(1,11):

    url = 'https://bj.lianjia.com/ershoufang/pg{}srs%E6%97%A7%E5%AE%AB/'.format(i)

    r = requests.get(url)

    title = re.findall('data-is_focus="" data-sl="">(.*?)</a>',r.text)
    price = re.findall('<span>([0-9]{3})</span>',r.text)

    address = re.findall('data-log_index="\d" data-el="region">(.*?)</a>', r.text)
    houseIcon = re.findall('<span class="houseIcon"></span>(.*?)</div>', r.text)



    res = zip(title,price,address,houseIcon)
    for i in res:
    # print("%s \t%s(萬) \t%s\t%s" % (i[0], i[1], i[2], i[3])) 
        print("""
    小區(qū)名: %s,
    總價: %s萬,
    地址: %s,
    房型: %s""" % (i[0], i[1], i[2], i[3]))
    
# 執(zhí)行結(jié)果:
[root@hans_tencent_centos82 module]# python3 houses.py 

    小區(qū)名: 紅星樓小區(qū) 南北通透一居室 滿五唯一商品房,
    總價: 185萬,
    地址: 紅星樓 ,
    房型: 1室1廳 | 46.46平米 | 南 北 | 簡裝 | 頂層(共6層) | 1989年建 | 板樓

    小區(qū)名: 舊宮北里 2室2廳 南 北,
    總價: 469萬,
    地址: 舊宮北里 ,
    房型: 2室2廳 | 96.55平米 | 南 北 | 精裝 | 高樓層(共9層) | 2004年建 | 板樓

    小區(qū)名: 亦莊北岸 3室1廳 南 北,
    總價: 558萬,
    地址: 亦莊北岸 ,
    房型: 3室1廳 | 109.58平米 | 南 北 | 精裝 | 中樓層(共15層) | 2008年建 | 板塔結(jié)合

參考內(nèi)容：

Python官方文檔

內(nèi)容擴展：

Python對正則表達式的支持

Python提供了re模塊來支持正則表達式相關(guān)操作，下面是re模塊中的核心函數(shù)。

說明： 上面提到的re模塊中的這些函數(shù)，實際開發(fā)中也可以用正則表達式對象的方法替代對這些函數(shù)的使用，如果一個正則表達式需要重復(fù)的使用，那么先通過compile函數(shù)編譯正則表達式并創(chuàng)建出正則表達式對象無疑是更為明智的選擇。

到此，相信大家對“Python正則表達式基礎(chǔ)知識有哪些”有了更深的了解，不妨來實際操作一番吧！這里是億速云網(wǎng)站，更多相關(guān)內(nèi)容可以進入相關(guān)頻道進行查詢，關(guān)注我們，繼續(xù)學(xué)習(xí)！