python/pandas 正则表达式 re模块

目录

  • 正则解说
  • 中文字符集
  • re模块常用方法

1、正则解说

数量词的贪婪模式与非贪婪模式   正则表达式通常用于在文本中查找匹配的字符串。Python里数量词默认是贪婪的(在少数语言里也可能是默认非贪婪),总是尝试匹配尽可能多的字符;非贪婪的则相反,总是尝试匹配尽可能少的字符。例如:正则表达式"ab*"如果用于查找"abbbc",将找到"abbb"。而如果使用非贪婪的数量词"ab*?",将找到"a"。

一般字符、字符集和转义字符

一般字符

完全匹配字符

abc

abc

\

转义字符

\.

.

.

匹配除换行符\n以外的所有字符

.

q, 1, +, ......

[]

匹配字符集中任意字符

[abc]

a, b, c

\s

匹配空白字符,即[\n\t\f\r...]

a\sb

a b, a    b, ......

\S

匹配非空白字符

a\Sb

ab, a4b, asb, ......

\w

匹配单词字符,即[a-zA-Z0-9]

a\wc

abc, a8c, ......

\W

匹配非单词字符,即[^a-zA-Z0-9]

a\Wc

a-c, a?c, ......

\d

匹配数字

a\dc

a3c, ......

\D

匹配非数字

a\Dc

adc, a-c, ......

限定匹配次数

*

匹配前一个字符0到无限次

ab*c

ac, abc, abbc, ......

+

匹配前一个字符1到无限次

ab+c

abc, abbc, ......

?

匹配前一个字符0或1次

ab?c

ac, abc

{m}

匹配前一个字符m次

ab{3}c

abbbc

{m,n}

匹配前一个字符m至n次,m省略代表0至n次,n省略代表m至无限次

ab{2,3}c

abbc, abbbc, ......

*? +? ?? {m}? {m,n}?

使得*,+,?{m},{m,n}变为非贪婪模式

ab*?

a

限定边界

$

匹配字符串末尾(多行模式下是每一行字符串末尾,re.M)

c$

abc, 12c, ?-c, ......

^

匹配字符串开头(多行模式下是每一行字符串开头,re.M)

^c

cab, c12, c??, ......

\A

匹配整个字符串开头

\Ac

cab, ......

\Z

匹配整个字符串末尾

c\Z

abc, ......

逻辑、分组

|

或,匹配左边或者右边的表达式

abc|def

abc,  def, ......

(...)

括号内为一组;分组有编号,从1开始算起;分组作为一个整体,|只在分组内部有效;

(abc){1}\.(123|456)+

abc.456, abc.123,  ......

(?P<name>...)

除编号外的另一个分组名

\<number>

引用编号为<number>的分组匹配的字符串

(\d)abc\1

5abc5, ......

(?P=name)

引用别名为<name>的分组匹配到的字符串

(?P=<one>\d)abc(?P=one)

7abc7, ......

特殊构造

(?iLmsux)

iLmsux每个字符代表一个匹配模式

(?!abc)

Abc, abc, ......

(?#...)

#之后的内容作为注释被忽略

(?=...)

之后的字符串内容需要匹配表达式,不消耗字符串内容

a(?=\d)

后面是数字的a

(?!...)

之后的字符串内容需要不匹配表达式,不消耗字符串内容

a(?!\d)

后面不是数字的a

(?<=...)

之前的字符串内容需要匹配表达式,不消耗字符串内容

(?<=\d)a

前面是数字的a

(?<!...)

之后的字符串内容需要不匹配表达式,不消耗字符串内容

(?<!\d)a

前面不是数字的a

2、中文字符集

u"[\u4e00-\u9fa5]”

3、re模块常用方法

compile():编译正则表达式,生成一个正则表达式( Pattern )对象,供 match() 和 search() 这两个函数使用

pa = re.compile('et')

正则表达式对象的方法:

group() 返回被 RE 匹配的字符串。
start() 返回匹配开始的位置
end()   返回匹配结束的位置
span()  返回一个元组包含匹配 (开始,结束) 的位置

常用方法:

match():尝试从字符串的起始位置匹配一个模式,如果不是起始位置匹配成功的话,match()就返回none

In [14]: re.match('I','I will never let it go, jack!')
Out[14]: <_sre.SRE_Match object; span=(0, 1), match='I'>

In [15]: re.match('w','I will never let it go, jack!')
no out put

search():扫描整个字符串并返回第一个成功的匹配

In [17]: re.search('i','I will never let it go, jack!')
Out[17]: <_sre.SRE_Match object; span=(3, 4), match='i'>

findall():在字符串中找到正则表达式所匹配的所有子串,并返回一个列表,如果没有找到匹配的,则返回空列表,可指定起始位置

In [28]: re.findall('.i', 'I will never let it go, jack!')
Out[28]: ['wi', ' i']

finditer():和 findall 类似,在字符串中找到正则表达式所匹配的所有子串,并把它们作为一个迭代器返回

In [54]: for m in re.finditer('.i', 'I will never let it go, jack!'):
    ...:     print(m, m.group(), m.start(), m.end(), m.span())
    ...:
<_sre.SRE_Match object; span=(2, 4), match='wi'> wi 2 4 (2, 4)
<_sre.SRE_Match object; span=(16, 18), match=' i'>  i 16 18 (16, 18)

sub():替换字符串中所有的匹配项,返回匹配后的字符串

In [19]: re.sub('i', 'I', 'I will never let it go, jack!')
Out[19]: 'I wIll never let It go, jack!'

split():按照能够匹配的子串将字符串分割后返回列表,可指定最大分割次数

In [41]: re.split(',', 'runoob, runoob, runoob.')
Out[41]: ['runoob', ' runoob', ' runoob.']

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

来自专栏静默虚空的博客

[Java 基础]方法

方法的定义 Java方法是语句的集合,它们在一起执行一个功能。 方法是解决一类问题的步骤的有序组合 方法包含于类或对象中 方法在程序中被创建,在其他地方被引用 ...

1937
来自专栏HTML5学堂

JavaScript | 获取数组中的单词并统计出现次数

HTML5学堂(码匠):如何通过JavaScrip实现数组元素的查找?在一个数组当中,找到所有的单词,并统计每个单词出现的次数。 功能需求 在一个自定义数组...

4107
来自专栏C/C++基础

C++11委托构造函数

委托构造函数(Delegating Constructor)由C++11引入,是对C++构造函数的改进,允许构造函数通过初始化列表调用同一个类的其他构造函数,目...

911
来自专栏前端知识分享

js数组常用方法总结

最近工作中经常用到数组操作,每次都傻傻不知道怎么用,今天有时间整理了一下,希望对大家有帮助!这些基础的知识,要熟记于心。

3123
来自专栏Django Scrapy

python使用正则表达式

正则表达式 目标: 了解 : (0)\w 匹配 一个字母或者数字 (1)\d 只匹配数字 (2)\s 至少匹配一个空格 同理"\_","\-"分别匹配 ...

3808
来自专栏牛肉圆粉不加葱

(3) - Scala case class那些你不知道的知识

除了在模式匹配中使用之外,unapply 方法可以让你结构 case class 来提取它的字段,如:

821
来自专栏北京马哥教育

Python Re 模块最全解读: 11703 字帮你彻底掌握

re模块下的函数 compile(pattern):创建模式对象 import re pat=re.compile('A') m=pat.search('CBA...

32910
来自专栏尾尾部落

[剑指offer] 数组中的逆序对

在数组中的两个数字,如果前面一个数字大于后面的数字,则这两个数字组成一个逆序对。输入一个数组,求出这个数组中的逆序对的总数P。并将P对1000000007取模的...

1862
来自专栏开发与安全

从零开始学C++之STL(二):实现简单容器模板类Vec(vector capacity 增长问题、allocator 内存分配器)

首先,vector 在VC 2008 中的实现比较复杂,虽然vector 的声明跟VC6.0 是一致的,如下: template < class _Ty, cl...

2800
来自专栏大闲人柴毛毛

稳扎稳打JS——this

this的值是在运行时确定的 JS中的this究竟代表什么,这是在程序运行时根据上下文环境确定,可以分为以下几种情况。 1. 全局作用域中的this 在全局作...

4025

扫码关注云+社区