資訊專欄INFORMATION COLUMN
摘要：今天就專門看看正則表達(dá)式。下面是一個(gè)正則表達(dá)式最簡(jiǎn)單的使用例子。這個(gè)例子使用了正則表達(dá)式模塊的函數(shù)，它會(huì)返回所有符合模式的列表。查詢標(biāo)志讓正則表達(dá)式具有不同的行為。，按給定正則表達(dá)式分割字符串。，正則表達(dá)式中捕獲組的數(shù)量。
最近研究Python爬蟲，很多地方用到了正則表達(dá)式，但是沒好好研究，每次都得現(xiàn)查文檔。今天就專門看看Python正則表達(dá)式。本文參考了官方文檔 re模塊。
模式首先正則表達(dá)式的語法我就不說了，這玩意倒是不算難，用的時(shí)候現(xiàn)查就行了——正則表達(dá)式_百度百科。
在很多編程語言中，由于有轉(zhuǎn)義字符這么一種東西的存在，導(dǎo)致正則表達(dá)式需要使用兩個(gè)斜杠來處理。如果編程語言支持原始字符串，那么就不需要兩個(gè)斜杠了。在Python中，字符串前面添加字母r即可把字符串變成原始字符串。
下面是一個(gè)正則表達(dá)式最簡(jiǎn)單的使用例子。我們查找所有以字母F開頭的單詞，不論大小寫。這個(gè)例子使用了正則表達(dá)式模塊的re.findall函數(shù)，它會(huì)返回所有符合模式的列表。
import re text = "fuck shit it make she forest" results = re.findall(r"[Ff]w+", text) print(results)
如果某一個(gè)模式需要經(jīng)常使用，我們可以把它編譯為模式對(duì)象。然后從模式對(duì)象上調(diào)用各種正則查詢方法。這樣做的優(yōu)點(diǎn)是：由于模式已經(jīng)編譯了，所以后續(xù)的查詢速度會(huì)更快。
pattern = re.compile(r"[Ff]w+") print(pattern.findall(text))查詢標(biāo)志
大部分查詢方法還可以接受一個(gè)查詢標(biāo)志參數(shù)。查詢標(biāo)志讓正則表達(dá)式具有不同的行為。下面一一說明。
| 標(biāo)志 | 作用 |
|---|---|
| re.A、re.ASCII | 以ASCII模式查詢，默認(rèn)是Unicode模式 |
| re.DEBUG | 顯示編譯表達(dá)式的調(diào)試信息 |
| re.I、re.IGNORECASE | 忽略字母的大小寫 |
| re.L、re.LOCALE | 以區(qū)域敏感方式查詢匹配 |
| re.M、re.MULTILINE | 開啟多行模式，開啟之后行邊界符^$會(huì)匹配每行的開始和結(jié)束，而不是整個(gè)字符串的開始和結(jié)束 |
| re.S、re.DOTALL | 使用此標(biāo)志，會(huì)讓點(diǎn)符號(hào)匹配所有字符，默認(rèn)情況下點(diǎn)符號(hào)會(huì)匹配換行符以外的符號(hào) |
| re.X、re.VERBOSE | 開啟啰嗦模式，可以在寫正則表達(dá)式的時(shí)候添加注釋 |
下面是啰嗦模式的例子，來自Python官方文檔。
a = re.compile(r"""d + # the integral part
. # the decimal point
d * # some fractional digits""", re.X)
b = re.compile(r"d+.d*")
查詢方法
查詢方法有兩種形式，第一種是re模塊的函數(shù)，這些函數(shù)需要接受一個(gè)模式字符串。第二種就是從編譯好的模式對(duì)象上調(diào)用，這樣不需要模式字符串了。基本上大部分方法都有這兩種形式，所以這里只需要介紹一種形式。
re.search(pattern, string, flags=0)方法查詢字符串，返回第一個(gè)結(jié)果的匹配對(duì)象。不管有多少個(gè)滿足條件的字符串，這個(gè)方法之返回第一個(gè)。如果查詢不到，就返回None。
re.match(pattern, string, flags=0)查詢字符串，當(dāng)字符串的前面一部分和模式匹配的時(shí)候，會(huì)返回相應(yīng)的匹配對(duì)象。如果不匹配，那么返回None。需要注意即使開啟了多行模式，這個(gè)方法也只查詢字符串最前面的一部分，不會(huì)查詢每行的前面。
re.fullmatch(pattern, string, flags=0)，如果整個(gè)字符串和模式匹配，返回相應(yīng)的匹配對(duì)象。否則返回None。
re.split(pattern, string, maxsplit=0, flags=0)，按給定正則表達(dá)式分割字符串。
re.findall(pattern, string, flags=0)，最常用的方法，返回一個(gè)列表，包含所有匹配模式的字符串。
re.finditer(pattern, string, flags=0)，和findall方法類似，不過返回的是一個(gè)迭代器。
re.sub(pattern, repl, string, count=0, flags=0)，將字符串中匹配模式的部分使用repl替換，返回替換后的字符串。
re.subn(pattern, repl, string, count=0, flags=0)，和sub方法類似，不過返回元組(新字符串,替換的數(shù)量)。
re.purge()，清除正則表達(dá)式緩存。
在已編譯好的正則表達(dá)式對(duì)象上還有以下幾個(gè)屬性。
flags，正則表達(dá)式的所有標(biāo)志，包括flags參數(shù)設(shè)置的，compile方法編譯傳入的，以及正則表達(dá)式中本身的標(biāo)志。
groups，正則表達(dá)式中捕獲組的數(shù)量。
pattern，返回模式字符串。
groupindex，返回(?P
上面提到的很多方法都返回匹配對(duì)象。匹配對(duì)象包含了一些方法和屬性，方便我們進(jìn)行查詢。
最常用的就是group函數(shù)，它會(huì)返回指定組對(duì)應(yīng)的字符串。下面的例子就查詢了給定數(shù)據(jù)中的數(shù)據(jù)量和每頁的條數(shù)。第0組返回整個(gè)匹配，第1組返回第一個(gè)匹配，以此類推……也可以采用命名組的方式。
text = "總共20條數(shù)據(jù) 每頁5條" pattern = re.compile(r"總共(?Pd+)條數(shù)據(jù)s+每頁(?P d+)條") match = pattern.match(text) print(match.group(0))
另一個(gè)比較常用的函數(shù)就是groups(default=None)，它返回所有組組成的元組。如果有的組沒有匹配到字符串，就會(huì)顯示為None，這時(shí)候可以使用default參數(shù)指定默認(rèn)值。
text = "總共20條數(shù)據(jù) 每頁5條" pattern = re.compile(r"總共(?Pd+)條數(shù)據(jù)s+每頁(?P d+)條") match = pattern.match(text) print(match.groups()) # 結(jié)果 # ("20", "5")
groupdict(default=None)返回組名和字符串組成的字典。還是上面的例子。
print(match.groupdict())
# {"total": "20", "per": "5"}
start和end函數(shù)返回給定組的在字符串的起始和結(jié)束索引，如果對(duì)應(yīng)的組沒有任何匹配，則返回-1。下面的例子來自Python官方文檔，從電子郵件地址中去除remove_this。
>>> email = "tony@tiremove_thisger.net"
>>> m = re.search("remove_this", email)
>>> email[:m.start()] + email[m.end():]
"tony@tiger.net"
match.span([group])返回給定組的起始索引和結(jié)束索引組成的元組。
以上就是Python正則表達(dá)式的大部分內(nèi)容了，靈活使用這些知識(shí)，可以獲得強(qiáng)大的功能。關(guān)于如何巧用，就看大家的智慧了。
文章版權(quán)歸作者所有，未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請(qǐng)注明本文地址：http://specialneedsforspecialkids.com/yun/38581.html
摘要：正則表達(dá)式關(guān)閉或可選標(biāo)志。如果所含正則表達(dá)式，以表示，在當(dāng)前位置成功匹配時(shí)成功，否則失敗。否則指的是八進(jìn)制字符碼的表達(dá)式。 正則表達(dá)式是個(gè)很牛逼的東西，不管是在javascript，還是在Python web開發(fā)（http://www.maiziedu.com/course/python-px...）中，我們都會(huì)遇到正則表達(dá)式，雖然javascript和Python的正則表達(dá)式區(qū)別不大...
摘要：正則表達(dá)式是一種用來匹配字符串的強(qiáng)有力的武器。正則表達(dá)式匹配如果直接給出字符，就是精確匹配。模塊提供模塊，包含所有正則表達(dá)式的功能。分組除了簡(jiǎn)單地判斷是否匹配之外，正則表達(dá)式還有提取子串的強(qiáng)大功能。 正則表達(dá)式是一種用來匹配字符串的強(qiáng)有力的武器。它的設(shè)計(jì)思想是用一種描述性的語言來給字符串定義一個(gè)規(guī)則，凡是符合規(guī)則的字符串，我們就認(rèn)為它匹配了，否則，該字符串就是不合法的。 showImg...
摘要：反斜杠的困擾與大多數(shù)編程語言相同，正則表達(dá)式里使用作為轉(zhuǎn)義字符，這就可能造成反斜杠困擾。文本中正則表達(dá)式結(jié)束搜索的索引。以元組形式返回全部分組截獲的字符串。用于指定最大分割次數(shù)，不指定將全部分割。 1. 正則表達(dá)式基礎(chǔ) 1.1. 簡(jiǎn)單介紹 正則表達(dá)式并不是Python的一部分。正則表達(dá)式是用于處理字符串的強(qiáng)大工具，擁有自己獨(dú)特的語法以及一個(gè)獨(dú)立的處理引擎，效率上可能不如str自帶的方法...
摘要：今天來給大家分享一份關(guān)于比較詳細(xì)的正則表達(dá)式寶典，學(xué)會(huì)之后你將對(duì)正則表達(dá)式達(dá)到精通的狀態(tài)。正則表達(dá)式是用在方法當(dāng)中，大多數(shù)的字符串檢索都可以通過來完成。導(dǎo)入模塊在使用正則表達(dá)式之前，需要導(dǎo)入模塊。 ...
摘要：正則表達(dá)式語法字符與字符類特殊字符以上特殊字符要想使用字面值，必須使用進(jìn)行轉(zhuǎn)義字符類包含在中的一個(gè)或者多個(gè)字符被稱為字符類，字符類在匹配時(shí)如果沒有指定量詞則只會(huì)匹配其中的一個(gè)。 1. 正則表達(dá)式語法 1.1 字符與字符類 1 特殊字符：.^$?+*{}| 以上特殊字符要想使用字面值，必須使用進(jìn)行轉(zhuǎn)義 2 字符類 1. 包含在[]中的一個(gè)或者多個(gè)字符被稱為字符類，字符類在匹配時(shí)如果沒有指...
閱讀 3077·2019-08-30 15:56
閱讀 1234·2019-08-29 15:20
閱讀 1571·2019-08-29 13:19
閱讀 1473·2019-08-29 13:10
閱讀 3381·2019-08-26 18:27
閱讀 3069·2019-08-26 11:46
閱讀 2234·2019-08-26 11:45
閱讀 3753·2019-08-26 10:12
