十分钟python入门 正则表达式

正则常见的三种功能，它们分别是：校验数据的有效性、查找符合要求的文本以及对文本进行切割和替换等操作。

1.元字符

所谓元字符就是指那些在正则表达式中具有特殊意义的专用字符

元字符大致分成这几类：表示单个特殊字符的，表示空白符的，表示某个范围的，表示次数的量词，另外还有表示断言的

1.1特殊单字符

英文的点（.）表示换行以外的任意单个字符，\d 表示任意单个数字，\w 表示任意单个数字或字母或下划线，\s 表示任意单个空白符。另外，还有与之对应的三个 \D、\W 和 \S，分别表示着和原来相反的意思

import re#匹配所有数字txt = "123d5sdf23"
result = re.findall('\d', txt)
print(result)
#输出：['1', '2', '3', '5', '2', '3']

#匹配所有的数字、字母和下划线txt = 'sdfw234_sdf12'
result = re.findall('\w', txt)
print(result)
#输出：['s', 'd', 'f', 'w', '2', '3', '4', '_', 's', 'd', 'f', '1', '2']

1.2. 空白符

不同的系统在每行文本结束位置默认的“换行”会有区别。比如在 Windows 里是 \r\n，在 Linux 和 MacOS 中是 \n

\r 回车符

\n 换行符

\f 换页符

\t 制表符

\v 垂直制表符

\s 任意空白字符

#获取每一行的开头
f = open('hello.txt', 'r', encoding='utf-8')
txt = f.read()
print(txt)
#输出：
#小明
#小红
#小月
result = re.findall('\n\w*', txt)
print(result)
#输入：['\n小红', '\n小月']

1.3. 量词

在正则中，英文的星号（*）代表出现 0 到多次，加号（+）代表 1 到多次，问号（?）代表 0 到 1 次，{m,n}代表 m 到 n 次

* ：0到多次

+ ：1到多次

?：0到1次

{m}：出现m次

{m,} ：出现至少m次

{m,n} ：m到n次

#寻找3个数字组合
txt = '123 1 sfd 2342 aa 23g 342'
result = re.findall('\d{3}\s', txt)
print(result)
#输出：['123 ', '342 ']

4. 范围

| ：或，如ab|bc 代表ab或者bc

[...] ：多选一，括号中任意单个元素

[a-z]：匹配a-z之间任意单个元素

[^...] ：取反，不能包括括号中的任意单个元素

#某个资源可能以 http:// 开头，或者 https:// 开头，也可能以 ftp:// 开头
txt = 'http://www.baidu.com'
result = re.match('(https?|ftp):\/\/', txt)
print(result.span())
#输出：(0, 7)

2.量词与贪婪

2.1 贪婪模式

在正则中，表示次数的量词默认是贪婪的，在贪婪模式下，会尝试尽可能最大长度去匹配

#贪婪匹配
txt = 'aaabb'
result = re.findall(r'a*', txt)
print(result)
#输出：['aaa', '', '', '']

a* 在匹配开头的 a 时，会尝试尽量匹配更多的 a，直到第一个字母 b 不满足要求为止，匹配上三个 a，后面每次匹配时都得到了空字符串。

贪婪模式的特点就是尽可能进行最大长度匹配。

2.2 非贪婪模式

量词后面加上英文的问号 (?)，正则就变成了 a*?，这就是非贪婪模式

#非贪婪匹配
txt = 'aaabb'
result = re.findall(r'a*?', txt)
print(result)
#输出：['', 'a', '', 'a', '', 'a', '', '', '']

非贪婪模式会尽可能短地去匹配

3.函数

3.1findall() 函数

findall() 函数返回包含所有匹配项的列表。

#findall() 这个列表以被找到的顺序包含匹配项txt = "China is a great country"
x = re.findall("China", txt)
print(x)
#输出：['China']

3.2 search() 函数

search() 函数搜索字符串中的匹配项，如果存在匹配则返回 Match 对象。

如果有多个匹配，则仅返回首个匹配项，如果未找到匹配，则返回值 None

#search() 函数搜索字符串中的匹配项，如果存在匹配则返回 Match 对象
txt = "China is a great country"
x = re.search(r"\s", txt)print("第一个空格位置", x.start())
#输出：第一个空格位置 5

3.3 split() 函数

split() 函数返回一个列表，其中字符串在每次匹配时被拆分：

#spilt 分割
txt = "China is a great country"
x = re.split(r"\s", txt)
print(x)
#输出：['China', 'is', 'a', 'great', 'country']

通过指定 maxsplit 参数来控制出现次数：

#通过指定 maxsplit 参数来控制出现次数：
txt = "China is a great country"
x = re.split(r"\s", txt, 2)
print(x)
['China', 'is', 'a great country']

3.4 sub() 函数

sub() 函数把匹配替换为您选择的文本：

#sub() 函数把匹配替换为您选择的文本：
txt = "China is a great country"
x = re.sub("is", "IS", txt)
print(x)
#输出：China IS a great country

3.5 Match 对象

Match 对象是包含有关搜索和结果信息的对象。

注释：如果没有匹配，则返回值 None，而不是 Match 对象。

Match 对象提供了用于取回有关搜索及结果信息的属性和方法：

• span() 返回的元组包含了匹配的开始和结束位置
• .string 返回传入函数的字符串
• group() 返回匹配的字符串部分

#正则表达式查找以大写 "C" 开头的任何单词
txt = "China is a great country"
x = re.search(r"\bC\w+", txt)
print(x.span())
#输出：(0, 5)
#打印匹配的字符串部分
print(x.group())
#输出：China

源码下载

若此文档不够详细，​可以参考十分钟学会python_哔哩哔哩_bilibili​