当前位置：首页 > 资讯 > 技术文档

Python 正则表达式入门（初级篇）

时间：2020-12-03 23:06 编辑：来源：阅读：
扫一扫，手机访问

摘要：Python 正则表达式入门（初级篇）

[b]引子[/b] [b]首先说正则表达式是什么？[/b] 正则表达式，又称正规表示式、正规表示法、正规表达式、规则表达式、常规表示法（英语：Regular Expression，在代码中常简写为regex、regexp或RE），计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。在很多文本编辑器里，正则表达式通常被用来检索、替换那些匹配某个模式的文本。许多程序设计语言都支持利用正则表达式进行字符串操作。例如，在Perl中就内建了一个功能强大的正则表达式引擎。正则表达式这个概念最初是由Unix中的工具软件（例如sed和grep）普及开的。正则表达式通常缩写成“regex”，单数有regexp、regex，复数有regexps、regexes、regexen。引用自维基百科chuxiuhong@hit.edu.cn"这个邮箱（我的邮箱），你可以把正则表达式写成下面这个样子：

import re
key = r"afiouwehrfuichuxiuhong@hit.edu.cnaskdjhfiosueh"
p1 = r"chuxiuhong@hit\.edu\.cn"
pattern1 = re.compile(p1)
print pattern1.findall(key)

发现了吧，我们在[code].[/code]的前面加上了转义符[code]\[/code]，但是并不是代表匹配“\.”的意思，而是只匹配“.”的意思！不知道你细不细心，有没有发现我们第一次用[code].[/code]时，后面还跟了一个[code]+[/code]？那这个加号是干什么的呢？其实不难想，我们说了“[code].[/code]字符在正则表达式代表着可以代表任何一个字符（包括它本身）”，但是"hello world"可不是一个字符啊。 +的作用是将前面一个字符或一个子表达式重复一遍或者多遍。比方说表达式“ab+”那么它能匹配到“abbbbb”，但是不能匹配到"a"，它要求你必须得有个b，多了不限，少了不行。你如果问我有没有那种“有没有都行，有多少都行的表达方式”，回答是有的。 *跟在其他符号后面表达可以匹配到它0次或多次比方说我们在王叶内遇到了链接，可能既有http://开头的，又有https://开头的，我们怎么处理？

import re
key = r"http://www.nsfbuhwe.com and https://www.auhfisna.com"#胡编乱造的网址，别在意
p1 = r"https*://"#看那个星号！
pattern1 = re.compile(p1)
print pattern1.findall(key)

输出 [code]['http://', 'https://'][/code] 2.比方说我们有这么一个字符串"cat hat mat qat"，你会发现前面三个是实际的单词，最后那个是我胡编乱造的（上百度查完是昆士兰英语学院的缩写= =）。如果你本来就知道"at"前面是c、h、m其中之一时这才构成单词，你想把这样的匹配出来。根据已经学到的知识是不是会想到写出来三个正则表达式进行匹配？实际上不需要。因为有一种多字符匹方式 [code][][/code]代表匹配里面的字符中的任意一个还是举个栗子，我们发现啊，有的程序员比较过分，，在[code]<html></html>[/code]这对标签上，大小写混用，老害得我们抓不到想要的东西，我们该怎么应对？是写16*16种正则表达式挨个匹配？no

import re
key = r"lalala<hTml>hello</Html>heiheihei"
p1 = r"<[Hh][Tt][Mm][Ll]>.+?</[Hh][Tt][Mm][Ll]>"
pattern1 = re.compile(p1)
print pattern1.findall(key)

输出 [code]['<hTml>hello</Html>'][/code] 我们既然有了范围性的匹配，自然有范围性的排除。 [code][^][/code]代表除了内部包含的字符以外都能匹配还是cat,hat,mat,qat这个例子，我们想匹配除了qat以外的，那么就应该这么写：

import re
key = r"mat cat hat pat"
p1 = r"[^p]at"#这代表除了p以外都匹配
pattern1 = re.compile(p1)
print pattern1.findall(key)

输出为了方便我们写简洁的正则表达式，它本身还提供下面这样的写法

正则表达式	代表的匹配字符
[0-9]	0123456789任意之一
[a-z]	小写字母任意之一
[A-Z]	大写字母任意之一
\d	等同于[0-9]
\D	等同于[^0-9]匹配非数字
\w	等同于[a-z0-9A-Z_]匹配大小写字母、数字和下划线
\W	等同于[^a-z0-9A-Z_]等同于上一条取非

3.介绍到这里，我们可能已经掌握了大致的正则表达式的构造方式，但是我们常常会在实战中遇到一些匹配的不准确的问题。比方说：

import re
key = r"chuxiuhong@hit.edu.cn"
p1 = r"@.+\."#我想匹配到@后面一直到“.”之间的，在这里是hit
pattern1 = re.compile(p1)
print pattern1.findall(key)

输出结果 [code]['@hit.edu.'][/code] 呦呵！你咋能多了呢？我理想的结果是@hit.，你咋还给我加量了呢？这是因为正则表达式默认是“贪婪”的，我们之前讲过，“+”代表是字符重复一次或多次。但是我们没有细说这个多次到底是多少次。所以它会尽可能“贪婪”地多给我们匹配字符，在这个例子里也就是匹配到最后一个“.”。我们怎么解决这种问题呢？只要在“+”后面加一个“？”就好了。

import re
key = r"chuxiuhong@hit.edu.cn"
p1 = r"@.+?\."#我想匹配到@后面一直到“.”之间的，在这里是hit
pattern1 = re.compile(p1)
print pattern1.findall(key)

输出结果 [code]['@hit.'][/code] 加了一个“?”我们就将贪婪的“+”改成了懒惰的“+”。这对于[abc]+,\w*之类的同样适用。小测验：上面那个例子可以不使用懒惰匹配，想一种方法得到同样的结果 **个人建议：在你使用"+","*"的时候，一定先想好到底是用贪婪型还是懒惰型，尤其是当你用到范围较大的项目上时，因为很有可能它就多匹配字符回来给你！！！** 为了能够准确的控制重复次数，正则表达式还提供 {a,b}(代表a<=匹配次数<=b) 还是举个栗子，我们有sas,saas,saaas，我们想要sas和saas，我们怎么处理呢？

import re
key = r"saas and sas and saaas"
p1 = r"sa{1,2}s"
pattern1 = re.compile(p1)
print pattern1.findall(key)

输出 [code]['saas', 'sas'][/code] 如果你省略掉{1,2}中的2，那么就代表至少匹配一次，那么就等价于？如果你省略掉{1,2}中的1，那么就代表至多匹配2次。下面列举一些正则表达式里的元字符及其作用

元字符	说明
.	代表任意字符
\
[ ]	匹配内部的任一字符或子表达式
[^]	对字符集和取非
-	定义一个区间
\	对下一字符取非（通常是普通变特殊，特殊变普通）
*	匹配前面的字符或者子表达式0次或多次
*?	惰性匹配上一个
+	匹配前一个字符或子表达式一次或多次
+?	惰性匹配上一个
?	匹配前一个字符或子表达式0次或1次重复
{n}	匹配前一个字符或子表达式
{m,n}	匹配前一个字符或子表达式至少m次至多n次
{n,}	匹配前一个字符或者子表达式至少n次
{n,}?	前一个的惰性匹配
^	匹配字符串的开头
\A	匹配字符串开头
$	匹配字符串结束
[\b]	退格字符
\c	匹配一个控制字符
\d	匹配任意数字
\D	匹配数字以外的字符
\t	匹配制表符
\w	匹配任意数字字母下划线
\W	不匹配数字字母下划线

以上就是本文的全部内容，希望本文的内容对大家的学习或者工作能带来一定的帮助，如果有疑问大家可以留言交流，同时也希望多多支持编程素材网！

全部评论(0)

上一篇：Python利用前序和中序遍历结果重建二叉树的方法
下一篇：Python中的True,False条件判断实例分析

资讯排行榜
更多>>