【Python】正则表达式用法

您所在的位置：网站首页 › 123abc 123abc › 【Python】正则表达式用法

【Python】正则表达式用法

2023-03-31 10:50| 来源: 网络整理| 查看: 265

1、正则基础1.1、基础语法1.2、修饰符1.3、贪婪与懒惰2、正则进阶2.1、捕获分组2.2、零宽断言2.3、条件匹配2.4、findall结语

导读：正则在各语言中的使用是有差异的，本文以 Python 3 为基础。本文主要讲述的是正则的语法，对于 re 模块不做过多描述，只会对一些特殊地方做提示。

很多人觉得正则很难，在我看来，这些人一定是没有用心。其实正则很简单，根据二八原则，我们只需要懂 20% 的内容就可以解决 80% 的问题了。我曾经有几年几乎每天都跟正则打交道，刚接手项目的时候我对正则也是一无所知，花半小时百度了一下，然后写了几个 demo，就开始正式接手了。三年多时间，我用到的正则鲜有超出我最初半小时百度到的知识的。

1、正则基础 1.1、基础语法

（1）常用元字符

语法描述 \b 匹配单词的开始或结束 \d 匹配数字 \s 匹配任意不可见字符（空格、换行符、制表符等），等价于[ \f\n\r\t\v]。 \w 匹配任意 Unicode 字符集，包括字母、数字、下划线、汉字等 . 匹配除换行符（\n）以外的任意字符 ^ 或 \A 匹配字符串或行的起始位置 $ 或 \Z 匹配字符串或行的结束位置

（2）限定词（又叫量词）

语法描述 * 重复零次或更多次 + 重复一次或更多次 ? 重复零次或一次 {n} 重复 n 次 {n,} 重复 n 次或更多次 {n,m} 重复 n 到 m 次

（3）常用反义词

语法描述 \B 匹配非单词的开始或结束 \D 匹配非数字 \S 匹配任意可见字符， [^ \f\n\r\t\v] \W 匹配任意非 Unicode 字符集 [^abc] 除 a、b、c 以外的任意字符

（4）字符族

语法描述 [abc] a、b 或 c [^abc] 除 a、b、c 以外的任意字符 [a-zA-Z] a 到 z 或 A 到 Z [a-d[m-p]] a 到 d 或 m 到 p，即 [a-dm-p]（并集） [a-z&&[def]] d、e 或 f（交集） [a-z&&[^bc]] a 到 z，除了 b 和 c：[ad-z]（减去） [a-z&&[^m-p]] a 到 z，减去 m 到 p：[a-lq-z]（减去）

以上便是正则的基础内容，下面来写两个例子看下：

s = '123abc你好're.search('\d+', s).group()re.search('\w+', s).group()

结果：

123123abc你好

是不是很简单？

1.2、修饰符

修饰符在各语言中也是有差异的。

Python 中的修饰符：

修饰符描述 re.A 匹配 ASCII字符类，影响 \w, \W, \b, \B, \d, \D re.I 忽略大小写 re.L 做本地化识别匹配（这个极少极少使用） re.M 多行匹配，影响和 re.S 使 . 匹配包括换行符（\n）在内的所有字符 re.U 匹配 Unicode 字符集。与 re.A 相对，这是默认设置 re.X 忽略空格和 # 后面的注释以获得看起来更易懂的正则。

（1）re.A

修饰符 A 使 \w 只匹配 ASCII 字符，\W 匹配非 ASCII 字符。

s = '123abc你好're.search('\w+', s, re.A).group()re.search('\W+', s, re.A).group()

结果：

123abc你好

但是描述中还有 \d 和 \D，数字不都是 ASCII 字符吗？这是什么意思？别忘了，还有全角和半角！

s = '０１２３４５６７８９' # 全角数字re.search('\d+', s, re.U).group()

结果：

０１２３４５６７８９

（2）re.M多行匹配的模式其实也不常用，很少有一行行规整的数据。

s = 'aaa\r\nbbb\r\nccc'

re.findall('^[\s\w]*?$', s)re.findall('^[\s\w]*?$', s, re.M)

结果：

['aaa\r\nbbb\r\nccc'] # 单行模式['aaa\r', 'bbb\r', 'ccc'] # 多行模式

（3）re.S这个简单，直接看个例子。

s = 'aaa\r\nbbb\r\nccc'

re.findall('^.*', s)re.findall('^.*', s, re.S)

结果：

['aaa\r']['aaa\r\nbbb\r\nccc']

（4）re.X用法如下：

rc = re.compile(r"""\d+ # 匹配数字# 和字母[a-zA-Z]+""", re.X)rc.search('123abc').group()

结果：

123abc

注意，用了 X 修饰符后，正则中的所有空格会被忽略，包括正则里面的原本有用的空格。如果正则中有需要使用空格，只能用 \s 代替。

（5）(?aiLmsux)修饰符不仅可以代码中指定，也可以在正则中指定。(?aiLmsux) 表示了以上所有的修饰符，具体用的时候需要哪个就在 ? 后面加上对应的字母，示例如下，(?a) 和 re.A 效果是一样的：

s = '123abc你好're.search('(?a)\w+', s).group()re.search('\w+', s, re.A).group()

结果是一样的：

123abc123abc 1.3、贪婪与懒惰

当正则表达式中包含能接受重复的限定符时，通常的行为是（在使整个表达式能得到匹配的前提下）匹配尽可能多的字符。

s = 'aabab're.search('a.*b', s).group() # 这就是贪婪re.search('a.*?b', s).group() # 这就是懒惰

结果：

aababaab

简单来说：

所谓贪婪，就是尽可能多的匹配；所谓懒惰，就是尽可能少的匹配。 *、+、{n,} 这些表达式属于贪婪； *?、+?、{n,}? 这些表达式就是懒惰（在贪婪的基础上加上 ?）。 2、正则进阶 2.1、捕获分组语法描述 (exp) 匹配exp，并捕获文本到自动命名的组里 (?Pexp) 匹配exp，并捕获文本到名称为 name 的组里 (?:exp) 匹配exp，不捕获匹配的文本，也不给此分组分配组号 (?P=name) 匹配之前由名为 name 的组匹配的文本

注意：在其他语言或者网上的一些正则工具中，分组命名的语法是 (?exp) 或 (?'name'exp) ，但在 Python 里，这样写会报错：This named group syntax is not supported in this regex dialect。Python 中正确的写法是：(?Pexp)

示例一：

分组可以让我们用一条正则提取出多个信息，例如：

s = '姓名：张三；性别：男；电话：138123456789'm = re.search('姓名[:：](\w+).*?电话[:：](\d{11})', s)if m: name = m.group(1) phone = m.group(2) print(f'name:{name}, phone:{phone}')

结果：

name:张三, phone:13812345678

示例二：

(?Pexp) 有时还是会用到的， (?P=name) 则很少情况下会用到。我想了一个 (?P=name) 的使用示例，给大家看下效果：

s = '''张三30138123456789'''

pattern = r'(.*?)'It = re.findall(pattern, s)

结果：

[('name', '张三'), ('age', '30'), ('phone', '138123456789')] 2.2、零宽断言语法描述 (?=exp) 匹配exp前面的位置 (?匹配前面不是exp的位置

注意：正则中常用的前项界定 (?在 Python 中可能会报错：look-behind requires fixed-width pattern，原因是 python 中前项界定的表达式必须是定长的，看如下示例：

【本文地址】

【Python】正则表达式用法

【Python】正则表达式用法

今日新闻

推荐新闻