Python3正則表達式_re模塊_教程詳解_筆記_完整內容

来源:https://www.cnblogs.com/hikali/archive/2022/05/27/16318948.html
-Advertisement-
Play Games

1.github上上傳項目（略） 2.在sonatype上註冊賬號 https://issues.sonatype.org/secure/Dashboard.jspa 註意記住用戶名和密碼 3.在sonatype創建問題 4.新建完後客服會給提示 主要是要求：groupId要合理，需要按照要求在gi ...


正則表達式，用於在一大堆數據中查找信息，學習後有利於爬蟲信息抓取。

 

“. ^ $ * + ? { } [ ] \ | ( )”是元字元（關鍵字），如要匹配原字元則需加“\”，如“\[”“\\”。為避免與轉義符（\n、\b）衝突，可在字元串前加r，即 r"" 或 r'' 。

 

字元：
“\d”表示數字
“\D”表示非數字的字元
“\s”表示空白字元，相當於[ \t\n\r\f\v]
“\S”相當於[^ \t\n\r\f\v]
“\w”表示數字或字母
“\W”表示非數字和字母的字元
“.”表示除換行符'\n'外的所有字元，DOTALL模式下可匹配任何字元（包括'\n'）
“[]”整體為一個字元，其中的內容表示"或者"關係，同時元字元全部失效。如：[12]表示'1'或'2'，[a-z]表示小寫字母（包括擴展拉丁字母如 'é'），[A-Za-z]表示所有字母，而[^a]表示除'a'以外的所有字元，[a^]表示'a'或'^'。由於元字元失效，從而可以 '[\n]' 的方式表示回車符等轉義符，但複雜情況下仍推薦使用 r""。

 

 

以下字元都不代表實際字元，即所謂零寬度，稱為斷言：
“^”指示行的開頭，不代表實際字元，如MULTILINE模式下以“^a”去匹配“b\nab”則span=(2, 3)。若不是MULTILINE，則僅指示字元串開頭。
“$”指示行的末尾。同樣需要MULTILINE
“\A”指示字元串的開頭
“\Z”指示字元串的末尾
“\b”指示詞邊界，即每個單詞的開頭和結尾，單詞結構中可包括數字和字母，其他字元如空格逗號可以將其分割為一個個單詞。可以指示字元串開頭。可能與退格符'\b'衝突，加r或使用'\\b'。
“|”表示或者，優先順序比普通字元還低，如“phone|tele”表示"phone"或"tele"
而“()”可控制“|”的範圍，如“the (phone|tele)”

 

 

 

重覆：
“*”表示前一個字元重覆0~+inf次
“+”表示前一個字元重覆1~+inf次
“?”表示前一個字元重覆0或1次，可有可無
“{m}”表示前一個字元重覆m次。
“{a,b}”表示前一個字元重覆a~b次，同時“{,b}”表示0~b，“{a,}”表示a~+inf次。註意大括弧中不可包含空格，如“{a, b}”是錯誤的，應為“{a,b}”。

以上符號預設均為貪婪模式，即匹配儘可能多的字元。如果需匹配儘可能少的字元，可在其後加上“?”符號，如“a*?”為非貪婪模式。

“()”可使重覆符號作用於其括住的全部字元上，如“(br)*”指'br'重覆0~+inf次

 

 


【re模塊】
基本方法：
“p = re.compile(r'ab*')”編譯一個匹配器（正則），r'ab*'為匹配規則的表達式（模式）

“m = p.match('abbcabd')”在'abbcabd'中從第一個字元開始匹配，結果保存在match對象中並返回
“m = p.search('abbcabd')”在'abbcabd'中不斷向後查找，只返回第一個最先匹配到的內容
“listAll = p.findall('abbcabd')”在'abbcabd'中不斷向後查找所有能匹配的內容，並將其以列表的方式返回
“iterAll = p.finditer('abbcabd')”上一種方式的迭代器版本，迭代時才查找並返回內容

“s = m.group()”或“s = m.group(0)”獲得匹配的內容
“s = m.start()”獲得匹配內容在字元串中的起始索引值，指向匹配內容的第一個字元
“s = m.end()”獲得匹配內容在字元串中的終止索引值，指向匹配內容最後一個字元的後一個字元
“s = m.span()”獲得匹配內容在字元串中的範圍，元組方式返回，範圍為左包含而右不包含的
“print(m)”輸出匹配的範圍和內容

 

 

分組：
在正則表達式中把需要的信息用小括弧“()”括起來，即可獲得它們，稱為分組。如：
“p = re.compile(r'\w(\w)(\w+)')”
“m = p.match('This is Python')”
之後“m.group(1)”可返回第一個分組的內容，即'h'
“m.group(2)”可返回第二個分組的內容，即'is'
以此類推
而“m.group()”或“m.group(0)”依然返回匹配到的所有內容，即 'This'
“m.groups()”可將所有分組內容以元組的方式返回，即('h', 'is')

分組編號從左到右，由內而外。如以r'\w((\w)\w+)'匹配'This is Python'則第一個分組內容為 'his'，第二個為 'h'，groups()得 ('his', 'h')。
“\1”可指代前面第一個分組匹配到的內容，表示“\1”這裡必須要再次出現此內容，可用於檢測雙字（疊詞）。如：

p = re.compile(r'\b(\w+)\s+\1\b')
print(p.search('Paris in the the spring').group())


得：'the the'。

 

註意：分組後“findall”和“finditer”只返回分組的內容，若有多個分組則將每次匹配到的各分組內容以元組的方式存儲在列表中。

 

 

 

更多分組：
“(?: ... )”中 ' ... ' 處輸入的表達式匹配後不會被groups()捕獲。可用於不重要信息的重覆如 r'(?:the\s?)*'。稱為非捕獲組
“(?P<gr>...)”可將此分組命名為 'gr' ，之後通過“group('gr')”可獲得此分組的內容。稱為命名組
同時“(?P=gr)”可指代前面分組名為 'gr' 匹配到的內容，表示“(?P=gr)”這裡必須要再次出現此內容。
以上兩種表達式的“P”指Python特有。
“m.groupdict()”可返回所有被命名的分組內容，分組名為鍵(key)，分組內容為值(value)
“(?#…)”為註釋，可被忽略
“(?(id/name)a|b)”指如果編號為 'id' 的分組或名稱為 'name' 的命名組存在，則匹配a表達式，否則匹配b表達式

 


前向斷言：
“(?=…)”指此處應出現表達式 '...' 所描述的內容，如無則此次匹配失敗。匹配成功後，其自身不計入匹配內容，原因是其自身不代表實際字元，即零寬度。這被稱為前向肯定斷言。如字元串 "What's that?"，若以 r"What's(?=\sth)" 匹配之則得 "What's"，若以 r"What's(?=\sth)\s\w+[?]$" 匹配之則得 "What's that?"。

“(?!…)”與上一種相反，指此處不應出現表達式 '...' 所描述的內容，如出現則此次匹配失敗。這被稱為前向否定斷言。可用於排除某種文件尾碼，如 r'.*[.](?!bat$)[^.]*$' 只可匹配尾碼為"bat"

 

 

後向斷言：
“(?<=…)”為後向肯定斷言，與 '(?=...)' 作用基本相同，不計入匹配內容，但其自身可以代表實際字元。如字元串 "It's spam-egg"，若以 r"(?<=-)\w+" search之則仍得 "egg"。“(?<=…)”中不可添加重覆（\s*、a{1, 4}），但可添加其他內容如 '|'

“(?<!…)”為後向否定斷言，與上一種相反，同樣不可添加重覆

 


標誌：
可以在re.compile()中增加匹配標誌的參數，相當於對匹配方式進行設置。標誌可以疊加，在其之間需加上 '|' 按位與運算符，如：“p.compile(r'ab*, re.M|re.I)”

“re.M”設置MULTILINE模式（多行匹配模式），使 '^' 指示行的開頭， '$' 指示行的末尾。也可寫為“re.MULTILINE”
“re.I”設置IGNORECASE模式，忽略大小寫，即大寫既可匹配大寫也可匹配小寫，小寫既可匹配小寫也可匹配大寫。也可寫為“re.IGNORECASE”
“re.L”設置LOCALE模式，方便處理本地所使用的拉丁語言。比如 'é' 'ñ' 'ç' 對於西班牙語而言只有 'é' 'ñ' 是字母，但對於法語而言則只有 'é' 'ç' 是字母。未設置re.L時，Python3預設進行 Unicode 匹配，即將 'é' 'ñ' 'ç' 都識別為字母。設置後，則據地區而定。主要影響 '\w' '\W' '\b' '\B' 和大小寫忽略(re.I)。也可寫為“re.LOCALE”
“re.S”設置DOTALL模式，使 '.' 可匹配任何字元，包括 '\n'。也可寫為“re.DOTALL”
“re.A”設置ASCII模式，使預設的 Unicode 匹配變為 ASCII 匹配，影響 '\w' '\W' '\b' '\B' '\s' '\S' 的工作。也可寫為“re.ASCI”
“re.U”設置UNICODE模式，與上一個模式相反，也可寫為“re.UNICODE”
“re.X”設置VERBOSE模式，可使正則表達式更易讀。設置re.X後，表達式中所有空格都將被忽略，並且允許加入註釋，指示各部分的含義，也可寫為“re.VERBOSE”，如：

1 charref = re.compile(r"""
2  &[#]                # Start of a numeric entity reference
3  (
4      0[0-7]+         # Octal form
5    | [0-9]+          # Decimal form
6    | x[0-9a-fA-F]+   # Hexadecimal form
7  )
8  ;                   # Trailing semicolon
9 """, re.VERBOSE)

若未設置re.X則寫為：

1 charref = re.compile("&#(0[0-7]+"
2                      "|[0-9]+"
3                      "|x[0-9a-fA-F]+);")

設置後空格需以 r'\ ' 表示。

 


模塊級函數：
可以不編譯匹配器（正則）而直接使用相應函數匹配內容，如：
“m = match(r'ab*', 'abbcabd', re.M)”
“m = search(r'ab*', 'abbcabd', re.M)”
“listAll = findall(r'ab*', 'abbcabd', re.M)”
“iterAll = finditer(r'ab*', 'abbcabd', re.M)”
都將表達式放在第一個參數、字元串在第二個參數、標誌在第三個參數即可。

 

 

 

正則表達式用於處理字元串的re函數：

“re.split()”可以以正則表達式匹配的內容為分割符，分割字元串。
如：
“p = re.compile(r'\W+')”
“listS = p.split("This is short and sweet.")”
結果為：['This', 'is', 'short', 'and', 'sweet', '']

可指定其最大分割次數，如：
“p.split("This is short and sweet.", maxsplit=2)”指split最多分割2兩次，
得：['This', 'is', 'short and sweet.']
也可寫為“p.split("This is short and sweet.", 2)”

若正則中有捕獲分組，則還將返回捕獲分組的內容，如：
“p2 = re.compile(r'(\W+)')”
“listS2 = p2.split("This is short and sweet.")”
結果為：['This', ' ', 'is', ' ', 'short', ' ', 'and', ' ', 'sweet', '.', '']

 

 

“re.sub()”可將正則在字元串中匹配到的內容替換為另一個內容。
如：
“p = re.compile('(blue|white|red)')”
“s = p.sub('colour', 'blue socks and red shoes')”
結果為：'colour socks and colour shoes'

sub()同樣可指定最大替換次數，如：
“p.sub('colour', 'blue socks and red shoes', count=1)”指sub最多替換1次，
得：'colour socks and red shoes'
也可寫為“p.sub('colour', 'blue socks and red shoes', 1)”

所替換成的另一個內容中可引用匹配內容中的分組內容，可寫為 '\1' 或 '\g<1>' ，表示引用第一個分組。對於命名組 '(?P<name>...)' 還可寫為 '\g<name>' ，如：
“p = re.compile('section{ (?P<name> [^}]* ) }', re.X)”
“p.sub(r'subsection{\1}','section{First}')”
“p.sub(r'subsection{\g<1>}','section{First}')”
“p.sub(r'subsection{\g<name>}','section{First}')”
結果均為：'subsection{First}'

還可為sub()傳入一個函數，sub()會將匹配到的每一個內容以match對象的方式，傳入函數中，然後將匹配的內容替換為函數的返回值。如：
“p = re.compile(r'\d+')”
“p.sub(func, 'Call 65490 for printing, 49152 for user code.')”
可依次將匹配到的 '65490'、'49152' 作為 match 對象，傳入 func 函數。
若 func = lambda m: hex(int(m.group())) ，則得：
'Call 0xffd2 for printing, 0xc000 for user code.'
此方法可將字元串中的各個整數替換為16進位數

 


“subn()”的用法與sub()完全相同，但還會返回替換次數，如：
“p = re.compile('(blue|white|red)')”
“s = p.subn('colour', 'blue socks and red shoes')”
結果為：('colour socks and colour shoes', 2)

 

 

更多方法/函數：
“p.fullmatch()”或“re.fullmatch()”用法與match()一樣，但要求正則與字元串必須從頭到尾完全匹配，否則返回None。相當於在正則末尾加了一個 '\Z'
“p.flags()”獲得匹配器p的所有標誌，返回值可直接傳入compile()
“p.pattern()”獲得匹配器p的正則，以字元串形式返回
“re.escape()”可在字元串中的所有元字元前加 '\' ，避免正則轉義，如“print(re.escape('https://www.python.org'))”得 "https://www\.python\.org"
“re.purge()”可清除正則表達式的緩存


“(?...)”也可用於設置標記，放在正則前。如 '(?aiLmsux)^asd&' 可為 '^asd&' 開啟 re.A ~ re.X 所有標誌。實測效果不太理想。

 

 

 

【例題】

1、 找出一個字元串中所有的數字，其中整數用千分位形式表示，即從個位數起，每3位之間加一個逗號，比如1,000,000，小數用定點十進位表示，並且小數點之前至少有一位數字（比如0.618中的0不可省略）。
如：'1,234.56-234.56=1,000'
返回：['1,234.56', '234.56', '1,000']

解：

1 s = r'1,234.56-234.56=1,000'
2  
3 p = re.compile(r"(\d{1,3}(?:,\d{3})*(?:\.\d+)?)")
4 L = p.findall(s)
5 print(L)

 

 

 

參考：

正則表達式HOWTO — Python 3.10.2 文檔

re --- 正則表達式操作 — Python 3.10.4 文檔


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 字元集和編碼區別以及HTML/JS/CSS實體字元的表示
    1.字元集/字元編碼是什麼？ 字元集或者說字元編碼就是給字元定義了數值編號以及數值編號存儲格式。 嚴格來說字元集和字元編碼是兩個概念： charset 是 character set 的簡寫，即字元集。 encoding 是 charset encoding 的簡寫，即字元集編碼，簡稱編碼。 字元集 ...
  • vant 的表單校驗
    vant 的表單校驗 個人理解： 將rules當成一個對象去理解，傳參時可以是整個對象或者對象的某一屬性 常用兩種校驗方式 1， 正則表達式 1.1自定義校驗規則（校驗規格也可傳入多條）： 表單： :rules="[{ pattern:ageRules, message: '請填寫密碼' }]" d ...
  • Three.js 打造繽紛夏日3D夢中情島 🌊
    深居內陸的人們，大概每個人都有過大海之夢吧。夏日傍晚在沙灘漫步奔跑；或是在海上衝浪游泳；或是在海島游玩探險；亦或靜待日出日落……本文使用 React + Three.js 技術棧，實現 3D 海洋和島嶼，主要包含知識點包括：Tone Mapping、Water 類、Sky 類、Shader 著色、S... ...
  • 為什麼有了併發安全的集合還需要讀寫鎖？
    大家好，我是三友，這篇文章想來跟大家來探討一下，在Java中已經提供了併發安全的集合，為什麼有的場景還需要使用讀寫鎖，直接用併發安全的集合難道不行麽？ 在java中，併發安全的集合有很多，這裡我就選用常見的CopyOnWriteArrayList為例，來說明一下讀寫鎖的價值到底提現在哪。 CopyO ...
  • 基於非對稱加密和驗簽實現介面的安全開放(openapi的實現)
    背景 對外服務的介面為了安全起見，往往需要進行相應的安全處理：數據加密傳輸和身份認證。數據加密傳輸有對稱加密和非對稱加密兩種，為了更加安全起見採用非對稱加密比較好些，身份認證則採用數字簽名可以實現。 程式流程 核心代碼 客戶端 package openapi.client.sdk; import c ...
  • 列印HashMap的方法分享
    📕深入學習C++還必須掌握的基礎 掌握形參帶預設的函數 1.給預設值方向：從右向左給預設值； 2.調用效率：如果傳預設值或者立即數（不需要從容器或記憶體取取的數字）的話都是直接將數字直接push進棧；沒有mov彙編指令的操作；（面試回答要往彙編上描述） 3.預設值給的地方：定義和聲明處均可以給預設值 ...
  • 使用argparse進行調參
    argparse是深度學習項目調參時常用的python標準庫，使用argparse後，我們在命令行輸入的參數就可以以這種形式python filename.py --lr 1e-4 --batch_size 32來完成對常見超參數的設置。，一般使用時可以歸納為以下三個步驟 使用步驟： 創建Argum ...
  • Python爬取網易雲歌曲評論，做詞雲分析
    前言 emmmm 沒什麼說的，想說的都在代碼里 環境使用 Python 3.8 解釋器 3.10 Pycharm 2021.2 專業版 selenium 3.141.0 本次要用到selenium模塊，所以請記得提前下載好瀏覽器驅動，配置好環境 對於本篇文章有疑問的同學可以加【資料白嫖、解答交流群： ...
一周排行
    -Advertisement-
    Play Games
  • Dapr Outbox 執行流程
    Dapr Outbox 是1.12中的功能。 本文只介紹Dapr Outbox 執行流程，Dapr Outbox基本用法請閱讀官方文檔 。本文中appID=order-processor，topic=orders 本文前提知識：熟悉Dapr狀態管理、Dapr發佈訂閱和Outbox 模式。 Outbo ...
  • Advanced .Net Debugging 7：托管堆與垃圾收集
    引言 在前幾章我們深度講解了單元測試和集成測試的基礎知識，這一章我們來講解一下代碼覆蓋率,代碼覆蓋率是單元測試運行的度量值,覆蓋率通常以百分比表示，用於衡量代碼被測試覆蓋的程度，幫助開發人員評估測試用例的質量和代碼的健壯性。常見的覆蓋率包括語句覆蓋率（Line Coverage）、分支覆蓋率（Bra ...
  • C#S7.NET實現西門子PLCDB塊數據採集的完整步驟
    前言 本文介紹瞭如何使用S7.NET庫實現對西門子PLC DB塊數據的讀寫，記錄了使用電腦模擬，模擬PLC，自至完成測試的詳細流程，並重點介紹了在這個過程中的易錯點，供參考。 用到的軟體： 1.Windows環境下鏈路層網路訪問的行業標準工具（WinPcap_4_1_3.exe）下載鏈接：http ...
  • WPF控制項：密碼框綁定MVVM
    從依賴倒置原則（Dependency Inversion Principle, DIP）到控制反轉（Inversion of Control, IoC）再到依賴註入（Dependency Injection, DI）的演進過程，我們可以理解為一種逐步抽象和解耦的設計思想。這種思想在C#等面向對象的編 ...
  • Python中的私有屬性與私有方法
    關於Python中的私有屬性和私有方法 Python對於類的成員沒有嚴格的訪問控制限制，這與其他面相對對象語言有區別。關於私有屬性和私有方法，有如下要點： 1、通常我們約定，兩個下劃線開頭的屬性是私有的（private）。其他為公共的（public）； 2、類內部可以訪問私有屬性（方法）； 3、類外 ...
  • C++ 訪問說明符詳解：封裝數據，控制訪問，提升安全性
    C++ 訪問說明符 訪問說明符是 C++ 中控制類成員（屬性和方法）可訪問性的關鍵字。它們用於封裝類數據並保護其免受意外修改或濫用。 三種訪問說明符： public：允許從類外部的任何地方訪問成員。 private：僅允許在類內部訪問成員。 protected：允許在類內部及其派生類中訪問成員。 示 ...
  • static_cast與dynamic_cast到底是什麼？
    寫這個隨筆說一下C++的static_cast和dynamic_cast用在子類與父類的指針轉換時的一些事宜。首先，【static_cast，dynamic_cast】【父類指針，子類指針】，兩兩一組，共有4種組合：用 static_cast 父類轉子類、用 static_cast 子類轉父類、使用 ...
  • C語言數據結構：雙向鏈表的增刪操作
    /******************************************************************************************************** * * * 設計雙向鏈表的介面 * * * * Copyright (c) 2023-2 ...
  • @ComponentScan註解的實現，Spring掃描包的過程
    相信接觸過spring做開發的小伙伴們一定使用過@ComponentScan註解 @ComponentScan("com.wangm.lifecycle") public class AppConfig { } @ComponentScan指定basePackage，將包下的類按照一定規則註冊成Be ...
  • opensips開啟python支持
    操作系統 ：CentOS 7.6_x64 opensips版本： 2.4.9 python版本：2.7.5 python作為腳本語言，使用起來很方便，查了下opensips的文檔，支持使用python腳本寫邏輯代碼。今天整理下CentOS7環境下opensips2.4.9的python模塊筆記及使用 ...
所有分類