Day16正则表达式

正则表达式(Regular Expression)的主要功能是从字符串(string)中通过特定的模式,搜索希望找到的内容。比如想找到小说中的所有人名,找到字符串中包含的数字。这种格式化的搜索可以写成正则表达式。Python中可以使用包re来处理正则表达式。

#  正则表达式用某些符号代表单个字符:
.            # 任意的一个字符
a|b          # 字符 a 或字符 b
[afg]        # a 或者 f 或者 g 的一个字符
[0-4]        # 0-4 范围内的一个字符
[a-f]        # a-f 范围内的一个字符
[^m]         # 不是m的一个字符
\s           # 一个空格
\S           # 一个非空格
\d           # 一个数字,相当于[0-9]
\D           # 一个非数字, 相当于[^0-9]
\w           # 数字或字母,相当于[0-9a-zA-Z]
\W           # 非数字非字母,相当于[^0-9a-zA-Z]

正则表达式还可以用某些符号来表示某种形式的重复,这些符号紧跟在单个字符之后,就表示多个这样类似的字符:

*            # 重复超过0次或更多次
+            # 重复1次或超过1次
?            # 重复0次或1次
{m}          # 重复m次。比如,a{4}相当于aaaa,再比如,[1-3]{2}相当于[1-3][1-3]
{m,n}        # 重复m到n次。比如说a{2,5}表示a重复2到5次。
             # 小于m次的重复,或者大于n次的重复都不符合条件

还有位置相关的符号:

^            # 字符串的起始位置
$            # 字符串的结尾位置

进一步提取

content = 'abcd_output_1994_abcd_1912_abcd'

正则表达式: 'output_\d{4}' 可以找到 'output_1994'。 但如果想进一步提取出1994本身,则可以在正则表达式上给目标加上括号: output_(\d{4}) 用括号()圈起来的正则表达式的一部分,称为群(group)。一个正则表达式中可以有多个群。 我们可以用group(number)的办法来查询群。需要注意的是,group(0)是整个正则表达的搜索结果。group(1)是第一个群,以此类推。 还可以用 (?P<name>...) 为group命名

re模块

Python提供re模块,包含所有正则表达式的功能。由于Python的字符串本身也用\转义,所以要特别注意:

s = 'ABC\\-001' # Python的字符串
# 对应的正则表达式字符串变成:
# 'ABC\-001'

因此我们强烈建议使用Python的r前缀,就不用考虑转义的问题了:

s = r'ABC\-001' # Python的字符串
# 对应的正则表达式字符串不变:
# 'ABC\-001' 
re.search(pattern, string)    # 搜索整个字符串,直到发现符合的子字符串
re.match(pattern, string)     # 从头开始检查字符串是否符合正则表达式。
                              # 必须从字符串的第一个字符开始就相符

切分字符串

用正则表达式切分字符串比用固定的字符更灵活,请看正常的切分代码:

>>> 'a b   c'.split(' ')
['a', 'b', '', '', 'c']

嗯,无法识别连续的空格,用正则表达式试试:

>>> re.split(r'\s+', 'a b   c')
['a', 'b', 'c']

无论多少个空格都可以正常分割。加入,试试:

>>> re.split(r'[\s\,]+', 'a,b, c  d')
['a', 'b', 'c', 'd']

再加入;试试:

>>> re.split(r'[\s\,\;]+', 'a,b;; c  d')
['a', 'b', 'c', 'd']

贪婪匹配

正则匹配默认是贪婪匹配,也就是匹配尽可能多的字符。举例如下,匹配出数字后面的0

>>> re.match(r'^(\d+)(0*)$', '102300').groups()
('102300', '')

由于\d+采用贪婪匹配,直接把后面的0全部匹配了,结果0*只能匹配空字符串了。 必须让\d+采用非贪婪匹配(也就是尽可能少匹配),才能把后面的0匹配出来,加个?就可以让\d+采用非贪婪匹配:

>>> re.match(r'^(\d+?)(0*)$', '102300').groups()
('1023', '00')

groups是所有的组,没括号没分组

编译

当我们在Python中使用正则表达式时,re模块内部会干两件事情: 编译正则表达式,如果正则表达式的字符串本身不合法,会报错; 用编译后的正则表达式去匹配字符串。 如果一个正则表达式要重复使用几千次,出于效率的考虑,我们可以预编译该正则表达式,接下来重复使用时就不需要编译这个步骤了,直接匹配:

>>> import re
# 编译:
>>> re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$')
# 使用:
>>> re_telephone.match('010-12345').groups()
('010', '12345')
>>> re_telephone.match('010-8086').groups()
('010', '8086')

编译后生成Regular Expression对象,由于该对象自己包含了正则表达式,所以调用对应的方法时不用给出正则字符串。 最后贴上: http://mp.weixin.qq.com/s/SA3OnfZD-cFVi7IVfKwKnw

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏开发与安全

从零开始学C++之对象的使用(二):四种对象生存期和作用域、static 用法总结

一、四种对象生存期和作用域 ? 栈对象 隐含调用构造函数(程序中没有显式调用) 堆对象 隐含调用构造函数(程序中没有显式调用),要显式释放 全局...

20900
来自专栏数据结构与算法

05:最大值和最小值的差

05:最大值和最小值的差 总时间限制:1000ms内存限制:65536kB描述 输出一个整数序列中最大的数和最小的数的差。 输入第一行为M,表示整数个数,整数个...

39150
来自专栏算法与数据结构

栈与递归 实现 十进制转二进制

6-4 十进制转换二进制(15 分) 本题要求实现一个函数,将正整数n转换为二进制后输出。 函数接口定义: void dectobin( int n ); 函数...

32050
来自专栏java 成神之路

常量池之字符串常量池String.intern()

41870
来自专栏desperate633

深入理解Java中静态初始化块

在Java中,有两种初始化块:静态初始化块和非静态初始化块。它们都是定义在类中,用大括号{}括起来,静态代码块在大括号外还要加上static关键字。

9720
来自专栏cs

python字符串

慕课网 首发了,放在垂直领域吧。 python字符串是一种元素为字符的序列类型。因为序列类型是元素被顺序放置的一种数据结构,因此可以通过索引来获取某一个字符,...

34090
来自专栏null的专栏

C/C++——set的基本操作总结

set容器中只能存储键,是单纯的键的集合,其中键是不能重复的。 set支持大部分的map的操作,但是set不支持下标的操作,而且没有定义mapped_type...

31630
来自专栏程序员互动联盟

【编程基础】C语言逻辑运算符

C语言关系运算符和逻辑运算符几乎无所不在,比如在循环语句、分支语句、逻辑判断等语句块中都会出现。学好这部分对学好C语言具有重要作用。 C语言中有一共有如下6中...

42560
来自专栏从流域到海域

C++区别于其他语言的知识点总结

C++是博主的一门限选课,所使用的课本为谭浩强老师的《C++面向对象程序设计》(第二版),这本书内容全面,简单易懂,也强烈推荐给大家(尤其是初学者)。但对...

243100
来自专栏Hongten

java中静态变量和实例变量到底有什么区别_看了就知道啦

==================================================

9430

扫码关注云+社区

领取腾讯云代金券