python中正则表达式的学习汇总（简单版本）

正则表达式

Table of Contents

正则表达式是一个独立的命题，而非python独有。在python中可以使用内建的re模块来使用相关的功能实践。

• 正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。

我们常用的有：

• match 一个文本是否满足给定的正则表达
• search 得到文本中的第一个满足正则的结果
• findall 获取文本中所有满足正则表达的结果

使用之前我们需要先导入re模块：

import re

match

match()函数总数从文本的*开头开始*，返回满足的结果或者None

注意我们需要实现精准匹配时必须使用$，作为末尾标记。这一函数最经典的应用莫过于筛选满足格式的文件！

从头开始

如果我们的匹配正则表达不满足“从头开始”，是一定无法匹配成功的：

sentence = 'x123-346-9765' # 开头非字符
number_regex = re.compile(r'\d{3}-\d{3}-\d{4}')
mo = number_regex.match(sentence)
if mo: print(mo.group())
else: print('Not Matched!')

Not Matched!

不使用$带来的问题:

sentence = '536-836-7435'
# \d表示数字 {3}表示前面的表达出现3次
number_regex = re.compile(r'\d{3}-\d{3}-\d{4}') # compile将字符串正则化,代替方案可以直接用re.match
mo = number_regex.match(sentence)
if mo: print(mo.group())
else: print('Not Matched!')

536-836-7435

乍一看没什么问题， 但是不要忘记没有标记$，意味着重头开始匹配，那么如果满足结果的后面有更多的文本那么就意味着失败！

# .表示任意字符 + 表示前面的正则表达重复1次及1次以上
csv_regex = re.compile(r'.+csv')
mo = csv_regex.match('test.csv')
if mo: print(mo.group())
else: print('Not Matched!')
mo = csv_regex.match('test.csv.xls') # 由于没有文本结尾标记我们发现不是我们要的结果
if mo: print(mo.group())
else: print('Not Matched!')

test.csv
test.csv

# 将.转义，说明以.csv结尾的文本
csv_regex = re.compile(r'.+\.csv$') # 使用文本结尾标记
mo = csv_regex.match('test.csv')
if mo: print(mo.group())
else: print('Not Matched!')
mo = csv_regex.match('test.csv.xls')
if mo: print(mo.group())
else: print('Not Matched!')

test.csv
Not Matched!

search

返回第一个满足匹配的结果，但是区别于match,并不严格要求从文本开头时就开始匹配

sentence = 'x123-346-9765' # 开头非字符
number_regex = re.compile(r'\d{3}-\d{3}-\d{4}')
mo = number_regex.search(sentence) # 搜索可以完成
if mo: print(mo.group())
else: print('Not Matched!')

123-346-9765

返回第一个

sentence = 'x123-346-9765，357-768-3467'
number_regex = re.compile(r'\d{3}-\d{3}-\d{4}')
mo = number_regex.search(sentence)
if mo: print(mo.group())
else: print('Not Matched!')

123-346-9765

group()??

在我学习之初我也不理解这个有什么用，现在开始理解将正则表达自己想提取的部分用()标记，可以实现分组：

sentence = 'x123-346-9765，357-768-3467'
number_regex = re.compile(r'(\d{3})-(\d{3})-(\d{4})')
mo = number_regex.search(sentence)
if mo: print(mo.groups())
else: print('Not Matched!')
# first, mid, last = mo.groups()

('123', '346', '9765')

findall

对于上面的例子如果我们要找出所有的匹配结果那么，我们可以使用findall来进行：

sentence = 'x123-346-9765，357-768-3467'
number_regex = re.compile(r'\d{3}-\d{3}-\d{4}')
mo = number_regex.findall(sentence)
for item in mo:
    print(item)

123-346-9765
357-768-3467

是否可以实现()提取效果？

sentence = 'x123-346-9765，357-768-3467'
number_regex = re.compile(r'(\d{3})-(\d{3})-(\d{4})')
mo = number_regex.findall(sentence)
for first, mid, last in mo:
    print(f'first:{first}, mid:{mid}, last:{last}')

first:123, mid:346, last:9765
first:357, mid:768, last:3467

正则中的特殊字符

字符	描述
.	在默认模式下，它匹配除换行以外的任何字符。如果指定了DOTALL标志，它将匹配包括换行符在内的任何字符。
^	匹配字符串的开头，并且在多行模式下也在每个换行之后立即匹配。
$	匹配字符串的末尾，或者刚好在字符串末尾的换行之前，在多行模式下也匹配换行之前。
*	匹配前一个RE的0次或多次重复，重复次数越多越好。
+	前面的RE匹配1次或更多次。
？	前面的RE匹配0次或1次。
{m}	指定要匹配前一个RE的重复m次。
{m,n}	匹配前一个RE的m到n次重复，尝试匹配尽可能多的重复。
+?, *?, ??	+, *, ?都是贪婪的（尽可能匹配多的字符），假设？后可以限定成为非贪婪模式。
{m,n}?	前面的RE匹配m到n次，尝试匹配尽可能少的重复。
\	转义特殊字符（允许您匹配字符，如“*”、“?”等）或发出特殊序列的信号。
[]	指示一组字符，注意在里面使用^表示非逻辑，特殊字符’]'需要转义或放在开始位置。

由于转义和特殊字符强烈建议正则表达使用原生字符串！

'\'的特殊序列

表达式	描述
\d	匹配任何Unicode十进制数字。这包括[0-9]，以及许多其他数字字符。如果只使用ASCII标志，则匹配[0-9]。
\D	\d相反， 匹配任何非十进制数字。
\s	匹配Unicode下的空白字符包括空格，\t、\n、\r、\f、\v。
\S	\s相反，匹配除空格，\t、\n、\r、\f、\v之外的任意字符。
\w	Unicode字符下，这包括大多数可以作为任何语言中单词一部分的字符，以及数字和下划线。如果使用ASCII标志，则仅匹配[a-zA-Z0-9]。
\W	\w相反。

能够感觉到ASCII或者说编码带来的不便，具体程度还没有体会到！

正则标志

标志	说明
re.I, re.IGNORECASE	执行不区分大小写的匹配。
re.A, re.ASCII	Unicode编码下\w，\w，\b，\B，\d，\D，\s和\S只执行ASCII匹配。
re.S, re.DOTALL	“.”特殊字符匹配任何字符，包括换行符。

好用的正则函数函数

re.split()

使用正则切割字符串：

DT = '2019-12-13 12:34:45'
re.split('[- :]', DT) # 提取年月日等信息

['2019', '12', '13', '12', '34', '45']

re.sub()

使用正则批量替换：

s = 'py  th          on'
re.sub(r'\s+', r'', s) # 去除所有的空白字符

'python'

s = "价格是：23.45元， 重量：33.34KG"
re.sub(r'([\d\.]+)', r'(\1)', s) # 将匹配到的结果添加在（）内，然后替换

'价格是：(23.45)元， 重量：(33.34)KG'