Python 正則表達式(RegEx)

在本教程中，您將學(xué)習(xí)正則表達式（RegEx），并使用Python的re模塊與RegEx一起使用（在示例的幫助下）。

正則表達式（RegEx）是定義搜索模式的字符序列。 例如，

^a...s$

上面的代碼定義了RegEx模式。模式是：以a開頭并以s結(jié)尾的任何五個字母字符串。

使用RegEx定義的模式可用于與字符串匹配。

Python有一個名為reRegEx 的模塊。這是一個示例：

import re

pattern = '^a...s$'
test_string = 'abyss'
result = re.match(pattern, test_string)

if result:
  print("查找成功.")
else:
  print("查找不成功.")

這里，我們使用re.match()函數(shù)來搜索測試字符串中的模式。如果搜索成功，該方法將返回一個匹配對象。如果沒有，則返回None。

re模塊中定義了其他一些函數(shù)，可與RegEx一起使用。在探討之前，讓我們學(xué)習(xí)正則表達式本身。

如果您已經(jīng)了解RegEx的基礎(chǔ)知識，請?zhí)?a href="#python-regex">Python RegEx。

使用正則表達式指定模式

為了指定正則表達式，使用了元字符。在上面的示例中，^和$是元字符。

元字符

元字符是RegEx引擎以特殊方式解釋的字符。以下是元字符列表：

[] . ^ $ * + ? {} () \ |

[] - 方括號

方括號指定您要匹配的一組字符。

在這里，[abc]將匹配，如果你想匹配字符串中包含任何的a，b或c。

您也可以使用-方括號內(nèi)的字符范圍。

• [a-e]與相同[abcde]。

• [1-4]與相同[1234]。

• [0-39]與相同[01239]。

您可以通過^在方括號的開頭使用插入符號來補充（反轉(zhuǎn)）字符集。

• [^abc]表示除a或b或c之外的任何字符。

• [^0-9] 表示任何非數(shù)字字符。

.- 句點

句點匹配任何單個字符（換行符除外'\n'）。

^- 插入符號

插入符號^用于檢查字符串是否以某個字符開頭。

$- 美元

美元符號$用于檢查字符串是否以某個特定字符結(jié)尾。

*- 星號

星號符號*匹配零個或多個剩余的模式。

+- 加號

加號會+匹配一個或多個剩余的模式。

?- 問號

問號符號會?匹配零或一出現(xiàn)的剩余模式。

{}- 大括號

考慮以下代碼：{n,m}。這意味著至少要保留n個樣式，并且最多重復(fù)m個樣式。

讓我們再嘗試一個示例。RegEx [0-9]{2, 4}匹配至少2位但不超過4位

|- 豎線

豎線|用于交替顯示（or運算符）。

在這里，a|b匹配任何包含a或b的字符串

()- 括號

括號()用于對子模式進行分組。例如，(a|b|c)xz匹配任何與a或b或c匹配且后跟xz的字符串

\- 反斜杠

反斜杠\用于轉(zhuǎn)義包括所有元字符在內(nèi)的各種字符。例如，

\$a如果字符串包含$后跟則匹配a。在此，$RegEx引擎不會以特殊方式對其進行解釋。

如果不確定某個字符是否具有特殊含義，可以將其\放在前面。這樣可以確保不對字符進行特殊處理。

特殊序列

特殊序列使常用模式更易于編寫。以下是特殊序列的列表：

\A -如果指定字符在字符串的開頭，則匹配。

\b -如果指定的字符在單詞的開頭或結(jié)尾，則匹配。

\B-與\b。如果指定的字符不在單詞的開頭或結(jié)尾，則匹配。

\d-匹配任何十進制數(shù)字。相當(dāng)于[0-9]

\D-匹配任何非十進制數(shù)字。相當(dāng)于[^0-9]

\s-匹配字符串包含任何空格字符的地方。等同于[ \t\n\r\f\v]。

\S-匹配字符串包含任何非空白字符的地方。等同于[^ \t\n\r\f\v]。

\w-匹配任何字母數(shù)字字符（數(shù)字和字母）。等同于[a-zA-Z0-9_]。順便說一下，下劃線_也被認為是字母數(shù)字字符。

\W-匹配任何非字母數(shù)字字符。相當(dāng)于[^a-zA-Z0-9_]

\Z -如果指定的字符在字符串的末尾，則匹配。

提示：要構(gòu)建和測試正則表達式，可以使用RegEx測試器工具，例如regex。該工具不僅可以幫助您創(chuàng)建正則表達式，還可以幫助您學(xué)習(xí)它。

現(xiàn)在，您了解了RegEx的基礎(chǔ)知識，讓我們討論如何在Python代碼中使用RegEx。

Python正則表達式

Python有一個名為re正則表達式的模塊。要使用它，我們需要導(dǎo)入模塊。

import re

該模塊定義了一些可與RegEx一起使用的函數(shù)和常量。

re.findall()

re.findall()方法返回包含所有匹配項的字符串列表。

示例1：re.findall()

# 從字符串中提取數(shù)字的程序

import re

string = 'hello 12 hi 89. Howdy 34'
pattern = '\d+'

result = re.findall(pattern, string) 
print(result)

# 輸出: ['12', '89', '34']

如果找不到該模式，則re.findall()返回一個空列表。

re.split()

split方法對匹配的字符串進行拆分，并返回發(fā)生拆分的字符串列表。

示例2：re.split()

import re

string = 'Twelve:12 Eighty nine:89.'
pattern = '\d+'

result = re.split(pattern, string) 
print(result)

# 輸出: ['Twelve:', ' Eighty nine:', '.']

如果找不到該模式，則re.split()返回一個包含空字符串的列表。

您可以將maxsplit參數(shù)傳遞給re.split()方法。這是將要發(fā)生的最大拆分次數(shù)。

import re

string = 'Twelve:12 Eighty nine:89 Nine:9.'
pattern = '\d+'

# maxsplit = 1
# split only at the first occurrence
result = re.split(pattern, string, 1) 
print(result)

# 輸出: ['Twelve:', ' Eighty nine:89 Nine:9.']

順便說一下，maxsplit默認值為0；默認值為0。意味著拆分所有匹配的結(jié)果。

re.sub()

re.sub()的語法：

re.sub(pattern, replace, string)

該方法返回一個字符串，其中匹配的匹配項被替換為replace變量的內(nèi)容。

示例3：re.sub()

# 刪除所有空格的程序
import re

# 多行字符串
string = 'abc 12\
de 23 \n f45 6'

# 匹配所有空白字符
pattern = '\s+'

# 空字符串
replace = ''

new_string = re.sub(pattern, replace, string) 
print(new_string)

# 輸出: abc12de23f456

如果找不到該模式，則re.sub()返回原始字符串。

您可以將count作為第四個參數(shù)傳遞給該re.sub()方法。如果省略，則結(jié)果為0。這將替換所有出現(xiàn)的匹配項。

import re

# 多行字符串
string = 'abc 12\
de 23 \n f45 6'

# 匹配所有空白字符
pattern = '\s+'
replace = ''

new_string = re.sub(r'\s+', replace, string, 1) 
print(new_string)

# 輸出:
# abc12de 23
# f45 6

re.subn()

re.subn()與re.sub()類似，期望它返回一個包含2個項目的元組，其中包含新字符串和進行替換的次數(shù)。

示例4：re.subn()

# 刪除所有空格的程序
import re

# 多行字符串
string = 'abc 12\
de 23 \n f45 6'

# 匹配所有空白字符
pattern = '\s+'

# 空字符串
replace = ''

new_string = re.subn(pattern, replace, string) 
print(new_string)

# 輸出: ('abc12de23f456', 4)

re.search()

re.search()方法采用兩個參數(shù)：模式和字符串。 該方法尋找RegEx模式與字符串匹配的第一個位置。

如果搜索成功，則re.search()返回一個匹配對象。如果不是，則返回None。

match = re.search(pattern, str)

示例5：re.search()

import re

string = "Python is fun"

# 檢查“Python”是否在開頭
match = re.search('\APython', string)

if match:
  print("pattern found inside the string")
else:
  print("pattern not found")  

# 輸出: pattern found inside the string

在這里，match包含一個match對象。

匹配對象

您可以使用dir()函數(shù)獲取匹配對象的方法和屬性。

匹配對象的一些常用方法和屬性是：

match.group()

group()方法返回字符串中匹配的部分。

示例6：匹配對象

import re

string = '39801 356, 2102 1111'

# 三位數(shù)字，后跟空格，后兩位數(shù)字
pattern = '(\d{3}) (\d{2})'

# match變量包含一個Match對象。
match = re.search(pattern, string) 

if match:
  print(match.group())
else:
  print("pattern not found")

# 輸出: 801 35

在這里，match變量包含一個match對象。

我們的模式(\d{3}) (\d{2})有兩個子組(\d{3})和(\d{2})。您可以獲取這些帶括號的子組的字符串的一部分。就是這樣：

>>> match.group(1)
'801'

>>> match.group(2)
'35'
>>> match.group(1, 2)
('801', '35')

>>> match.groups()
('801', '35')

match.start()，match.end()和match.span()

start()函數(shù)返回匹配的子字符串的開頭的索引。同樣，end()返回匹配的子字符串的結(jié)束索引。

>>> match.start()
2
>>> match.end()
8

span()函數(shù)返回一個包含匹配部分的開始和結(jié)束索引的元組。

>>> match.span()
(2, 8)

match.re和match.string

匹配對象的re屬性返回一個正則表達式對象。 同樣，string屬性返回傳遞的字符串。

>>> match.re
re.compile('(\\d{3}) (\\d{2})')

>>> match.string
'39801 356, 2102 1111'

我們已經(jīng)介紹了re模塊中定義的所有常用方法。如果您想了解更多信息，請訪問Python 3 re模塊。

在RegEx之前使用r前綴

如果在正則表達式之前使用r或R前綴，則表示原始字符串。例如，'\n'是一個新行，而r'\n'表示兩個字符：反斜杠\后跟n。

反斜杠\用于轉(zhuǎn)義包括所有元字符在內(nèi)的各種字符。但是，使用r前綴\會將其視為普通字符。

示例7：使用r前綴的原始字符串

import re

string = '\n and \r are escape sequences.'

result = re.findall(r'[\n\r]', string) 
print(result)

# 輸出: ['\n', '\r']