2.1 python文本处理-正则表达式

python正则模块介绍

标准库模块 re

模块方法

# 将正则表达式样式编译成一个正则对象。一般用于多次使用正则对象的场景

re.compile(pattern)

# 扫描string字符串并查找符合patten样式的第一个位置，返回对应的 Match 结果，否则返回 None

re.search(patten, string)

# 如果 string 开头的零个或多个字符与正则表达式 pattern 匹配，返回对应的 Match 结果，否则返回 None

re.match(patten, string)

# 整个string余表达式patten样式匹配，返回对应的 Match 结果，否则返回 None

re.fullmatch(patten, string)

match结果指的是返回的Match对象，Match对象的group方法可以取出匹配到的结果

正则表达式语法

^: 指开头

$：指结尾

+：表示匹配一次或多次

?：表示匹配0或1次

*：表示匹配0或任意次

{n}：表示匹配指定次数

{m,}:至少匹配m次

{m, n}：匹配m至n次

.：匹配除‘\n’以外的任意单个字符

\d： 数字

\w：包括下划线的任何单词字符，等价于[a-zA-Z0-9_]

\W：非单词字符

\s：空白字符，包括空格、制表符、换页符等

\b：单词边界，例如，“er\b”可以匹配“never”中的“er”，但不能匹配“verb”中的“er”

\B：非单词边界

a|b：匹配a或b

(patten)：匹配并获取结果

(?:patten)：匹配但不获取结果

(?P<name>patten)：匹配并获取结果，并命名为name，便于match.group进行获取查询

示例

compile + search

>>> import re
>>> pattern = "\d+"
>>> obj = re.compile(pattern)
>>> res = obj.search("a12b13c14")
>>> res
<re.Match object; span=(1, 3), match='12'>

match

>>> re.match("\w\d+", "a12b13c14")
<re.Match object; span=(0, 3), match='a12'>

>>> re.match("\d+", "a12b13c14")

None
>>> 

group

>>> res = re.match("(\w+):(\d+)", "bob:3,allen:10")
>>> res.group
<built-in method group of re.Match object at 0x1071b6780>

>>> res.group(0)
'bob:3'
>>> res.group(1)
'bob'
>>> res.group(2)
'3'

常见的正则表达式写法

正则表达式	场景
\d{4}-\d{2}-\d{2}	形如 YYYY-MM-DD样式的日期格式
^[A-Z][a-z ]+	以大写字母开头，且单词其他部分为小写
[a-zA-Z]	匹配英文字母
^w+([-+.]w+)*@w+([-.]w+)*.w+([-.]w+)*$	email
[\u2E80-\u9FFF]	汉字

参考文档

正则表达式手册

re --- 正则表达式操作 — Python 3.12.1 文档