正则表达式学习笔记

earthchen

发布于 2020-09-24 14:40:07

7760

正则表达式(regular expression)描述了一种字符串匹配的模式（pattern），可以用来检查一个串是否含有某种子串、将匹配的子串替换或者从某个串中取出符合某个条件的子串等。在各大编程语言中都能发挥出很大的作用。每种语言也都有关于正则表达式模块的实现。本文以Python举例说明。

Regular Expression

匹配单个字符

匹配纯文本

匹配纯文本其实我们一般不用正则表达式就可以，使用正则表达式只是能说明这个问题

#待匹配的文本
s = 'hello my name is ben'
print(re.findall('ben', s))
#待匹配的文本
s = 'hello my name is ben and my friend name is ben'
print('只返回第一个匹配结果为{}'.format(re.search('ben', s).span()))
print('返回所有匹配结果{}'.format(re.findall('ben', s)))

结果为:

['ben']
只返回第一个匹配结果为(17, 20)
返回所有匹配结果['ben', 'ben']

匹配任意字符

使用.匹配任意一个字符 .字符可以匹配任何单个的字符、字母、数字或者.本身

#待匹配的文本
s = 'sales1.txt' \
    'sales2.txt' \
    'salese.txt' \
    'nae.txt' \
    'sns.txt' \
    'sn.txt'

print('使用sale.匹配的所有结果为{}'.format(re.findall(r'sales.', s)))
print('使用.a.匹配的所有结果为{}'.format(re.findall(r'.a.', s)))
print('使用\转义匹配含有.的结果{}'.format(re.findall(r'.a.\.', s)))

结果为:

使用sale.匹配的所有结果为['sales1', 'sales2', 'salese']
使用.a.匹配的所有结果为['sal', 'sal', 'sal', 'nae']
使用\转义匹配含有.的结果['nae.']

匹配一组字符

匹配多个字符中的某一个

使用[ab]确定可选的字符使用[0-9]确定可选的字符范围

s = 'na.txt' \
    'na2.txt' \
    'sa1.txt' \
    'ca1.txt' \
    'nam.txt'

print('匹配na或sa.txt的结果为{}'.format(re.findall(r'[ns]a.\.txt', s)))
print('限制a后面字符仅为数字的结果为{}'.format(re.findall(r'[ns]a[0-9]\.txt',s)))

结果为:

匹配na或sa.txt的结果为['na2.txt', 'sa1.txt', 'nam.txt']
限制a后面字符仅为数字的结果为['na2.txt', 'sa1.txt']

注: 在同一个字符集合里页可以给出多个字符区间，会匹配到多个区间中的任何一个字符

取非匹配

我们使用正则表达式也不是都需要匹配集合其中的字符，有时也需要匹配非集合中的字符，在正则表达式中，我们可以使用^字符对集合进行取非操作

s = 'na.txt' \
    'na2.txt' \
    'sa1.txt' \
    'ca1.txt' \
    'nam.txt'

print('限制a后面字符不为数字的结果为{}'.format(re.findall(r'[ns]a[^0-9]\.txt', s)))

结果为:

限制a后面字符不为数字的结果为['nam.txt']

使用元字符

对特殊字符进行转义

使用\对元字符进行转义

s = 'list[0]   list[1]   list[2]'
print('使用\对中括号进行转义使其匹配{}'.format(re.findall(r'list\[[0-9]\]', s)))
path = '\home\\ben\sales'
print('将\替换成/为{}'.format(re.compile(r'\\').subn('/', path)))

结果为:

使用\对中括号进行转义使其匹配['list[0]', 'list[1]', 'list[2]']
将\替换成/为('/home/ben/sales', 3)

匹配特定的字符类别

空白元字符表

元字符	说明
[\b]	回退符
\f	换页符
\n	换行符
\r	回车符
\t	制表符
\v	垂直制表符

数字元字符

元字符	说明
\d	任何一个数字 (等价于[0-9])
\D	任何一个非数字(等价于[^0-9])

字母数字元字符

元字符	说明
\w	任何一个字母数字字符(大小写均可)或下划线字符 (等价于[a-zA-Z0-9_])
\W	任何一个非字母数字字符(等价于[^a-zA-Z0-9_])

空白字符元字符

元字符	说明
\s	任何一个空白字符 (等价于[\f\n\r\t\v])
\S	任何一个非空白字符(等价于[^\f\n\r\t\v])

重复匹配

匹配一个或多个字符

匹配同一个字符或(字符集合)的多次重复，只要在其后面加上一个+即可。 +匹配一个或多个字符(至少一个，不包含0个)

s = '1234545@qq.com   fdfsd@163.com test.sddf@163.com.cn'
print('匹配邮箱{}'.format(re.findall(r'[\w.]+@[\w.]+\.\w+', s)))

结果为；

匹配邮箱['1234545@qq.com', 'fdfsd@163.com']

匹配零个或多个字符

* 和+类似，只是可以允许匹配0个或多个的情况

匹配零个或一个字符

？只能匹配一个字符(或字符集合)的零次或一次出现，最多不能超过一次。

匹配的重复次数

使用{}将数值写在其中来表示重复次数 s = '123abc 45abc' print('匹配三个数字{}'.format(re.findall(r'\d{3}\w{3}', s)))

结果为:

匹配三个数字['123abc']

为重复匹配次数设定一个区间使用{a,b}的形式来确定区间，a为最少重复次数，b为最多重复次数s = '4/8/03 ' \ '10-6-2004 ' \ '2/2/2 ' \ '01-01-01 ' print('匹配所有格式的日期{}'.format(re.findall(r'\d{1,2}[-\/]\d{1,2}[-\/]\d{2,4}', s)))

结果为：

匹配所有格式的日期['4/8/03', '10-6-2004', '01-01-01']

匹配至少重复多少次使用{a,}的形式的形式来确定最少重复的次数
防止过度匹配 *和+都是贪婪形元字符，使用他们在进行匹配时，会进可能的匹配而不是适可而止。他们会从一段文本的开头一直匹配到文本的末尾。在这种情况可能导致原本我们需要匹配多个结果，最后变成了一个结果,例如: <B>TEST</B>AND <B>TEST1</B>

会被正则表达式<[Bb]>.*</[Bb]>匹配为一个整体的结果此时应该使用懒惰型版本常用的贪婪性元字符和它们的懒惰型版本

贪婪型元字符	懒惰型元字符
*	*?
+	+?
{n,}	{n,}?

用懒惰型元字符时的正则表达式应是<[Bb]>.*?</[Bb]>

位置匹配

单词边界

使用\b限定单词边界，用来匹配一个单词的开始或结尾使用\B限定一个前后都不是单词边界的单词

s = 'the cat scattered his food all over the room color - red'
print('匹配单词边界{}'.format(re.findall(r'\bcat\b', s)))
print('不匹配单词边界{}'.format(re.findall(r'\-\B', s)))

结果为:

匹配单词边界['cat']
不匹配单词边界['-']

字符串边界

^限定字符串开头，$限定字符串的结尾

使用子表达式

用()来将需要的子表达式划分出来，子表达式可以嵌套用|表示或，例如19|20表示为(19|20)匹配19或20

s = 'hello &nbsp;&nbsp; the world'
print('匹配两个&nbsp;的结果为{}'.format(re.findall(r'(&nbsp;){2,}', s)))

s = 'ping 12.159.46.200'
p = re.compile(r'(\d{1,3}\.){3}\d{1,3}')
print('使用子表达式匹配ip地址为{}'.format(p.findall(s)))

s = '1997     2005'
print('{}'.format(re.findall(r'(19|20)\d{2}', s)))

结果为:

匹配两个&nbsp;的结果为['&nbsp;&nbsp;']
使用子表达式匹配ip地址为['12.159.46.200']
['19', '20']

回溯引用，前后一致

使用\n代表模式里的第几个子表达式

s = 'this is and and or or not not'
print('{}'.format(re.findall(r'[ ]+(\w+)[ ]+\1', s)))

结果为:

['and', 'or', 'not']

注:

回溯引用只能用来引用模式里的子表达式(用()括起来的正则表达式片段)
回溯引用匹配通常用1开始技术(\1 \2等)。在许多实现里，第0个匹配(\0)可以用来代表整个正则表达式

前后查找

这种模式，包含的匹配本身并不返回，而是用于确定正确的匹配位置，它并不是匹配结果的一部分。前后查找分为向前查找和向后查找，但常见的正则表达式实现都支持向前查找。所以只说明前者

向前查找

向前查找指定了一个必须匹配但不在结果中返回的模式。向前查找实际就是一个子表达式。从语法上看，一个向前查找模式就是一个以?=开头的子表达式，需要匹配的文本跟在=的后面。

s = 'http://www.baidu.com \n' \
    'https://www.baidu.com \n' \
    'ftp://ftp.baidu.com    \n'

print('向前查找url中的协议名为{}'.format(re.findall(r'.{3,6}(?=:)', s)))

结果:

向前查找url中的协议名为['http', 'https', 'ftp']

向后查找

与向前查找相类似，查找出现在被匹配文本之前的字符（但不消费它）,向后查找的操作符使?<=

嵌入条件

正则表达式里的条件要用?来定义

?匹配前一个字符或表达式，如果它存在的话
?= 和?<=匹配前面或后面的文本，如果它存在的话
根据一个回溯引用来进行条件处理
根据一个前后查找来进行条件处理

注：

上述环境在ubuntu16.04 lts Python3.5中测试成功
上述文字皆为个人看法，如有错误或建议请及时联系我

本文参与腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。

原始发表：2017-07-23,，如有侵权请联系 cloudcommunity@tencent.com 删除

正则表达式

编程算法

本文分享自作者个人站点/博客前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

正则表达式

编程算法

登录后参与评论

0 条评论

热度