【Python 技能树共建】正则表达式
Python 正则表达式是什么
学习 Python 正则表达式离不开 re 模块,所以本篇博客会配合 re 模块进行编写。
re 库是 Python 中处理正则表达式的标准库,本篇博客介绍 re 库的同时,会简单介绍一下正则表达式语法,如果想深入学习正则表达式,还需要好好下一番功夫。
怎么用
正则表达式语法
正则表达式语法由字符和操作符构成,初期阶段掌握下述这些内容即可。
以上表示仅仅为正则表达最基础部分内容,如果希望深入研究正则表达式,建议寻找更加全面的资料进行学习,本文只做药引。
re 库基本用法
re 库主要函数如下:
基础函数:
compile
;功能函数:
search
、match
、findall
、split
、finditer
、sub
。
在正式学习之前,先了解一下原生字符串。
在 Python 中,表示原生字符串,需要在字符串前面加上 r
。例如 my_str = 'i'am xiangpica'
在程序中会直接报错,如果希望字符串中 '
可以正常运行,需要加上转移字符 \
,修改为 my_str = 'i\'am xiangpica'
。但这样结合上文正则表达式中的操作符,就会出现问题,因为 \
在正则表达式中是有真实含义的,如果你使用 re 库去匹配字符串中的 \
,那需要使用 4 个反斜杠,为了避免这种情况出现,引入了原生字符串概念。
在后文会有实际的应用。
接下来在学习一个案例,例如下述代码:
本段代码的输出效果如下,\n
被解析成了换行,如果想要屏蔽这种现象,使用 r
即可:
输出 C:\number
。
re.search 函数
该函数用于,在字符串中搜索正则表达式匹配到的第一个位置的值,返回 match 对象。函数原型如下:
需求:在字符串 梦想橡皮擦 good good
中匹配 橡皮擦
。
返回结果:<re.Match object; span=(2, 5), match='橡皮擦'>
。
search
函数的第三个参数 flags
表示正则表达式使用时的控制标记。
re.I
,re.IGNORECASE
:忽略正则表达式的大小写;re.M
,re.MULTILINE
:正则表达式中的 ^ 操作符能够将给定字符串的每行当做匹配的开始;re.S
,re.DOTALL
:正则表达式中的.
操作符能够匹配所有字符。
最后将匹配到的字符串进行输出,使用下述代码即可实现。
re.match 函数
该函数用于在目标字符串开始位置去匹配正则表达式,返回 match 对象,未匹配成功返回 None,函数原型如下:
一定要注意是目标字符串开始位置。
re.match
和 re.search
方法都是一次最多返回一个匹配对象,如果希望返回多个值,可以通过在 pattern
里加括号构造匹配组返回多个字符串。
re.findall 函数
该函数用于搜索字符串,以列表格式返回全部匹配到的字符串,函数原型如下:
测试代码如下:
re.split 函数
该函数将一个字符串按照正则表达式匹配结果进行分割,返回一个列表。函数原型如下:
re.split
函数进行分割的时候,如果正则表达式匹配到的字符恰好在字符串开头或者结尾,返回分割后的字符串列表首尾都多了空格,需要手动去除,例如下述代码:
运行结果:
切换为中间的内容,则能正确的分割字符串。
如果在 pattern 中捕获到括号,那括号中匹配到的结果也会在返回的列表中。
运行结果,你可以对比带括号和不带括号的区别进行学习:
maxsplit
参数表示最多进行分割次数, 剩下的字符全部返回到列表的最后一个元素,例如设置匹配 1 次,得到的结果是 ['1梦想橡皮擦1', '1good1']
。
re.finditer 函数
搜索字符串,并返回一个匹配结果的迭代器,每个迭代元素都是 match 对象。函数原型如下:
测试代码如下:
re.sub 函数
在一个字符串中替换被正则表达式匹配到的字符串,返回替换后的字符串,函数原型如下:
其中 repl
参数是替换匹配字符串的字符串,count
参数是匹配的最大替换次数。
运行之后,得到替换之后的字符串:
re 库其它函数
其它比较常见的函数有:re.fullmatch()
,re.subn()
,re.escape()
,更多内容可以查阅 官方文档,获取一手资料。
扩展知识
使用 re 库匹配字符串之后,会返回 match 对象,该对象具备以下属性和方法。
你可以顺着这条线继续学习下去。
版权声明: 本文为 InfoQ 作者【梦想橡皮擦】的原创文章。
原文链接:【http://xie.infoq.cn/article/8767520b9ba193462928b59bb】。文章转载请联系作者。
评论