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python学习路

四、正则表达式re模块 常用的匹配规则:Python 的 re 模块也可以直接用re.match(),re.search(),re.findall(),re.finditer(),re.sub()

什么是正则表达式 正则表达式,又称规则表达式,通常被用来检索、替换那些符合某个模式(规则)的文本。 正则表达式是对字符串操作的一种逻辑公式,就是用事先定义好...

2934
来自专栏积累沉淀

JavaScript正则表达式

什么是正则表达式? 正则表达式也叫做匹配模式(Pattern),它由一组具有特定含义的字符串组成,通常用于匹配和替换文本。 在JavaScript脚本中,利...

2295
来自专栏黄Java的地盘

JavaScript如何实现UTF-16编码转换为UTF-8编码——utfx.js源码解析

当你在前端需要通过二进制数据与服务端进行通信时,你可能会遇到二进制数据的编码问题。大部分服务端的字符串编码类型都为UTF-8,而JavaScript中字符串编码...

902
来自专栏软件开发 -- 分享 互助 成长

sizeof(数组)

这里就不讨论一般的数组长度计算了,只说明一下任何数据到了函数的形参中都将退化为指针,所以计算大小的时候,也是计算的指针的大小 直接上代码了 1 // clas...

1828
来自专栏C/C++基础

C++函数指针简介

(1)定义函数指针的语法形式比较复杂,常借助于typedef类型定义符来简化函数指针的定义。

351
来自专栏ccylovehs

浅析JavaScript正则表达式

  正则表达式是一个描述字符模式的对象。JavaScript的RegExp类表示正则表达式,String和RegExp都定义了方法,后者使用正则表达式进行强大的...

422
来自专栏GreenLeaves

JavaScript之apply()和call()的区别

我 在一开始看到javascript的函数apply和call时,非常的模糊,看也看不懂,最近在网上看到一些文章对apply方法和call的一些示 例,总算是看...

1847
来自专栏python学习之旅

Python笔记(十):正则表达式

正则表达式对比工具 https://pan.baidu.com/s/1XIPyF1vFSj5PACPx9zW8_g (一)      正则表达式符号和特殊字符 ...

3255
来自专栏Golang语言社区

Go-指针、传值与传引用、垃圾回收

要点 Go使用的*、&、new()这些运算符,和C++的用法完全一样。 有传值和传引用/传地址的概念,和C++一样。 Go没有new对应的delete操作,而是...

34410
来自专栏从流域到海域

《笨办法学Python》 第4课手记

《笨办法学Python》 第4课手记 这节课目的是让你掌握变量,跟C语言非常类似,很简单。 左边是变量名用”=”号给变量赋值。 不同的是我没有看到变量声明,作者...

1658

扫码关注云+社区