python 學習筆記十八 正則表達式

正則表達式簡介

• 正則表達式(或RE)是一種小型的、高度專業化的編程語言，在python中內嵌在python中，並通過re模塊實現，正則表達式被編譯成一系列的字節碼，然後通過c編寫的匹配引擎執行。
• 正則表達式就是描述字符串排列的一種規則，其主要用於字符串的匹配，經常用於找到某一類符合格式要求的數據；在python中我們經常用re模塊來實現正則表達式

正則表達式基礎

原子

原子是正則表達式最基本的組成單位，正則表達式至少包含一個一個原子，常見的原子有：

• 普通字符
• 非打印字符
• 通用字符
• 原子表

普通字符
普通字符如數字，字母，下劃線等都可以作爲原子，yes中含有三個原子：y、e、s

hello中含有he，所以匹配成功

非打印字符
非打印字符指的是字符串中用於格式控制的符號常見的有\n換行符，\t製表符

a中有換行，所以匹配成功

通用字符
通用字符：一個原子可以匹配一類字符，人們常用的
常見的通用字符及其意義

字符	意義
\w	匹配任意一個字母、數字或下劃線
\W	匹配除字母、數字和下劃線以外的任意一個字符
\d	匹配任意一個十進制數
\D	匹配除十進制數以外的任意一個字符
\s	匹配任意一個空白字符
\S	匹配除空白字符以外的任意一個字符

匹配a中含有wpython的部分

原子表
原子表用[]表示，使用原子表可以定義一組地位平等的原子，匹配的時候取原子表中任意一個原子進行匹配，如[abc]str可以匹配字符串‘astr’，‘bstr’，‘cstr’；[^]代表除原子表裏的均可以匹配，如 [^abc]str可以匹配[d-z]str，不能匹配
‘astr’，‘bstr’，‘cstr’

元字符

元字符：正則表達式中具有特殊含義的字符；元字符分爲任意匹配字符，邊界限制元字符，界定符，模式選擇符，模式單元等

任意匹配字符
任意匹配字符‘.’，可用於匹配一個除換行符以外的任意字符

邊界限制元字符

• 用‘^‘匹配字符串的開始， ‘^abc‘表示可以匹配以abc開頭的字符串，其餘均不匹配
  
• 用’$‘匹配字符串的結束，‘abc$‘表示可以匹配以abc結尾的字符串，其餘均不匹配
  

限定符

常見限定符及其含義

限定符	含義
*	匹配0次、1次或多次前面的原子
？	匹配0次、1次前面的原子
+	匹配1次或多次前面的原子
{n}	前面的原子恰好出現n次
{n,}	前面的原子至少出現n次
{n,m}	前面的原子至少出現n次，至多出現m次
|	模式選擇符
()	模式單元符

• *實例
  匹配任意次，可以是0次
  

• ?實例
  匹配0次或1次表示可以匹配不到
  

• +實例
  匹配一次或多次，不能是0次
  

• {n}實例
  {n}匹配前面原子恰好出現n次，其餘不匹配
  

• {n,}實例
  {n,}匹配前面原子出現次數大於等於n，小於n的無法匹配
  

• {n,m}實例
  匹配前面原子出現次數在[n,m]之間
  
  模式選擇符
  模式選擇符’|'可以設置多個匹配模式，匹配時滿足任意一個都可以
  
  模式單元符
  模式單元符‘()’，可以用()將原子組合成一個整體用於匹配，如(aa)表示把aa當做一個整體進行匹配，此時字符a是無法匹配的
  

模式修正

在不修改正則表達式前提下，模式修正可以修正正則表達式的含義，從而調整匹配結果。

常見模式修正符及其含義

修正符	含義
I	匹配時忽略大小寫
X	匹配時忽略模式中的空白
S	將字符串看作單行，換行符看做普通字符

• I 實例
  加I之後忽略字母的大小寫
  
• X 實例
  加x後忽略pattern中的空白
  
• S 實例
  加S後可以匹配換行符\n
  

貪婪模式、懶惰模式

貪婪模式就是儘可能多的匹配，懶惰模式就是儘可能少的匹配。
常見的貪婪模式 .* 匹配任意多個任意字符，非貪婪就在貪婪模式中的*或+後面加？即可。

可以發現貪婪模式儘可能多的匹配結果，非貪婪模式則匹配到第一個結果後就直接返回結果

常用函數

re.match()

用於從源字符串的起始位置匹配一個模式，如果匹配成功則返回匹配的結果，否則返回None，匹配成功後可以使用.span()返回在源字符串中的位置

re.match(pattern,string,flag)

• pattern：匹配的表達式
• string：源字符串
• flag：標誌位，可以填寫模式修正符

該方法的侷限性是隻能從起始位置開始匹配

re.search()

用於匹配源字符串是否含有與模式相同的子串，如果匹配成功則返回匹配的結果，否則返回None，匹配成功後可以使用.span()返回在源字符串中的位置

re.search(pattern,string,flag)

• pattern：匹配的表達式
• string：源字符串
• flag：標誌位，可以填寫模式修正符

該方法可以匹配整個字符串，但只會返回第一次出現的位置

全局匹配函數

re.complie()對正則表達式進行預編譯，完成後使用findall()找出所有匹配結果

re.sub()

根據正則表達式來實現替換某些字符串
re.sub(pattern,rep,string,max)

• pattern：正則表達式
• rep：替換後留下的字符串
• string：用於被替換的字符串
• max：最多替換的次數，不填就會全部替換