python中的re库（正则表达式）

逃离我推掉我的手 2022-11-30 04:27 245阅读 0赞

### 目录 ###

*   *   *  正则表达式的概念
         *  正则表达式常用操作符
         *  正则表达式语法实例
         *  Re库的主要函数
         *  正则表达式的表示类型
         *   *  方式1：raw string类型（原生字符串类型）
             *  方式2：正则表达式对象
             *  两种方法对比举例
         *  match对象介绍
         *   *  属性
             *  方法
             *  应用举例
         *  Re库的贪婪匹配与最小匹配
         *   *  引例
             *  最小操作符

### 正则表达式的概念 ###

正则表达式（Regular Expression）是一个定义搜索模式的字符序列。

在做文字处理或编写程序时，若需要用到查找、替换等功能时，可以使用正则表达式来简单便捷地完成目标。

简单而言，正则表达式通过使用一些特殊符号，使得使用者可以方便轻松地实现查找、删除、替换等功能。

### 正则表达式常用操作符 ###

<table> 
 <thead> 
  <tr> 
   <th>操作符</th> 
   <th>说明</th> 
   <th>实例</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td><code>.</code></td> 
   <td>表示任何单个字符</td> 
   <td></td> 
  </tr> 
  <tr> 
   <td><code>[ ]</code></td> 
   <td>字符集，对单个字符给出取值范围</td> 
   <td><code>[abc]</code>表示a、b、c，[a‐z]表示a到z单个字符</td> 
  </tr> 
  <tr> 
   <td><code>[^ ]</code></td> 
   <td>非字符集，对单个字符给出排除范围</td> 
   <td><code>[^abc]</code>表示非a或b或c的单个字符</td> 
  </tr> 
  <tr> 
   <td><code>*</code></td> 
   <td>前一个字符0次或无限次扩展</td> 
   <td><code>abc*</code> 表示ab、abc、abcc、abccc等</td> 
  </tr> 
  <tr> 
   <td><code>+</code></td> 
   <td>前一个字符1次或无限次扩展</td> 
   <td><code>abc+</code> 表示abc、abcc、abccc等</td> 
  </tr> 
  <tr> 
   <td><code>?</code></td> 
   <td>前一个字符0次或1次扩展</td> 
   <td><code>abc?</code> 表示ab、abc</td> 
  </tr> 
  <tr> 
   <td><code>|</code></td> 
   <td>左右表达式任意一个</td> 
   <td><code>abc|def</code> 表示abc、def</td> 
  </tr> 
  <tr> 
   <td><code>{m}</code></td> 
   <td>扩展前一个字符m次</td> 
   <td><code>ab{2}c</code>表示abbc</td> 
  </tr> 
  <tr> 
   <td><code>{m,n}</code></td> 
   <td>扩展前一个字符m至n次（含n）</td> 
   <td><code>ab{1,2}c</code>表示abc、abbc</td> 
  </tr> 
  <tr> 
   <td><code>^</code></td> 
   <td>匹配字符串开头</td> 
   <td><code>^abc</code>表示abc且在一个字符串的开头</td> 
  </tr> 
  <tr> 
   <td><code>$</code></td> 
   <td>匹配字符串结尾</td> 
   <td><code>abc$</code>表示abc且在一个字符串的结尾</td> 
  </tr> 
  <tr> 
   <td><code>( )</code> 分组标记，内部只能使用<code>|</code>操作符</td> 
   <td><code>(abc)</code>表示abc，<code>(abc|def)</code>表示abc、def</td> 
   <td></td> 
  </tr> 
  <tr> 
   <td><code>\d</code></td> 
   <td>数字，等价于<code>[0‐9]</code></td> 
   <td></td> 
  </tr> 
  <tr> 
   <td><code>\w</code></td> 
   <td>单词字符，等价于<code>[A‐Za‐z0‐9_]</code></td> 
   <td></td> 
  </tr> 
 </tbody> 
</table>

### 正则表达式语法实例 ###

<table> 
 <thead> 
  <tr> 
   <th>正则表达式</th> 
   <th>对应字符串</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td><code>P(Y|YT|YTH|YTHO)?N</code></td> 
   <td>‘PN’、‘PYN’、‘PYTN’、‘PYTHN’、‘PYTHON’</td> 
  </tr> 
  <tr> 
   <td><code>PYTHON+</code></td> 
   <td>‘PYTHON’、‘PYTHONN’、‘PYTHONNN’ …</td> 
  </tr> 
  <tr> 
   <td><code>PY[TH]ON</code></td> 
   <td>‘PYTON’、‘PYHON’</td> 
  </tr> 
  <tr> 
   <td><code>PY[^TH]?ON</code></td> 
   <td>‘PYON’、‘PYaON’、‘PYbON’、‘PYcON’…</td> 
  </tr> 
  <tr> 
   <td><code>PY{:3}N</code></td> 
   <td>‘PN’、‘PYN’、‘PYYN’、‘PYYYN’…</td> 
  </tr> 
 </tbody> 
</table>

[**经典正则表达式实例**][Link 1]

### Re库的主要函数 ###

<table> 
 <thead> 
  <tr> 
   <th>函数 (点击进入详情)</th> 
   <th>说明</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td><a href="https://blog.csdn.net/weixin_43964993/article/details/108188656" rel="nofollow"><code>re.search()</code></a></td> 
   <td>在一个字符串中搜索匹配正则表达式的第一个位置，返回match对象</td> 
  </tr> 
  <tr> 
   <td><a href="https://blog.csdn.net/weixin_43964993/article/details/108188794" rel="nofollow"><code>re.match()</code></a></td> 
   <td>从一个字符串的开始位置起匹配正则表达式，返回match对象</td> 
  </tr> 
  <tr> 
   <td><a href="https://blog.csdn.net/weixin_43964993/article/details/108188872" rel="nofollow"><code>re.findall()</code></a></td> 
   <td>搜索字符串，以列表类型返回全部能匹配的子串</td> 
  </tr> 
  <tr> 
   <td><a href="https://blog.csdn.net/weixin_43964993/article/details/108188936" rel="nofollow"><code>re.split()</code></a></td> 
   <td>将一个字符串按照正则表达式匹配结果进行分割，返回列表类型</td> 
  </tr> 
  <tr> 
   <td><a href="https://blog.csdn.net/weixin_43964993/article/details/108189094" rel="nofollow"><code>re.finditer()</code></a></td> 
   <td>搜索字符串，返回一个匹配结果的迭代类型，每个迭代元素是match对象</td> 
  </tr> 
  <tr> 
   <td><a href="https://blog.csdn.net/weixin_43964993/article/details/108189159" rel="nofollow"><code>re.sub()</code></a></td> 
   <td>在一个字符串中替换所有匹配正则表达式的子串，返回替换后的字符串</td> 
  </tr> 
 </tbody> 
</table>

### 正则表达式的表示类型 ###

#### 方式1：raw string类型（原生字符串类型） ####

> 函数式用法：一次性操作

re库采用raw string类型表示正则表达式，表示为：`r 'text'`，raw string是不包含对转义符再次转义的字符串。  
例如： `r'[1‐9]\d{5}'` `r'\d{3}‐\d{8}|\d{4}‐\d{7}'`

#### 方式2：正则表达式对象 ####

> 面向对象用法：编译后的多次操作

`regex = re.compile(pattern, flags=0)`，输入参数含义见[链接][Link 2]

其中，regex为正则表达式对象

#### 两种方法对比举例 ####

>>> # 方法1：函数式用法：一次性操作
    >>> rst = re.search(r'[1‐9]\d{5}', 'BIT 100081')
    >>> # 方法2：面向对象用法：编译后的多次操作
    >>> pat = re.compile(r'[1‐9]\d{5}')
    >>> rst = pat.search('BIT 100081')

### match对象介绍 ###

> Match对象是一次匹配的结果，包含匹配的很多信息

>>> match = re.search(r'[1‐9]\d{5}', 'BIT 100081')
    >>> if match:
    		print(match.group(0))
    100081
    >>> type(match)
    <class '_sre.SRE_Match'>

#### 属性 ####

<table> 
 <thead> 
  <tr> 
   <th>属性</th> 
   <th>说明</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td><code>.string</code></td> 
   <td>待匹配的文本</td> 
  </tr> 
  <tr> 
   <td><code>.re</code></td> 
   <td>匹配时使用的patter对象（正则表达式）</td> 
  </tr> 
  <tr> 
   <td><code>.pos</code></td> 
   <td>正则表达式搜索文本的开始位置</td> 
  </tr> 
  <tr> 
   <td><code>.endpos</code></td> 
   <td>正则表达式搜索文本的结束位置</td> 
  </tr> 
 </tbody> 
</table>

#### 方法 ####

<table> 
 <thead> 
  <tr> 
   <th>方法</th> 
   <th>说明</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td><code>.group(0)</code></td> 
   <td>获得匹配后的字符串</td> 
  </tr> 
  <tr> 
   <td><code>.start()</code></td> 
   <td>匹配字符串在原始字符串的开始位置</td> 
  </tr> 
  <tr> 
   <td><code>.end()</code></td> 
   <td>匹配字符串在原始字符串的结束位置</td> 
  </tr> 
  <tr> 
   <td><code>.span()</code></td> 
   <td>返回<code>(.start(), .end())</code></td> 
  </tr> 
 </tbody> 
</table>

#### 应用举例 ####

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk2NDk5Mw_size_16_color_FFFFFF_t_70]

### Re库的贪婪匹配与最小匹配 ###

#### 引例 ####

![在这里插入图片描述][20200823220935900.png]  
对于 **同时匹配长短不同的多项** 的情况，该返回哪一个呢？

*  Re库默认采用贪婪匹配，即输出匹配最长的子串

>>> match = re.search(r'PY.*N', 'PYANBNCNDN')
    >>> match.group(0)
    'PYANBNCNDN'

*  如何输出最短的子串呢？

>>> match = re.search(r'PY.*?N', 'PYANBNCNDN')
    >>> match.group(0)
    'PYAN'

#### 最小操作符 ####

<table> 
 <thead> 
  <tr> 
   <th>操作符</th> 
   <th>说明</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td><code>*?</code></td> 
   <td>前一个字符0次或无限次扩展，最小匹配</td> 
  </tr> 
  <tr> 
   <td><code>+?</code></td> 
   <td>前一个字符1次或无限次扩展，最小匹配</td> 
  </tr> 
  <tr> 
   <td><code>??</code></td> 
   <td>前一个字符0次或1次扩展，最小匹配</td> 
  </tr> 
  <tr> 
   <td><code>{m,n}?</code></td> 
   <td>扩展前一个字符m至n次（含n），最小匹配</td> 
  </tr> 
 </tbody> 
</table>

*  只要长度输出可能不同的，都可以通过在操作符后增加`?`变成最小匹配

--------------------

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk2NDk5Mw_size_16_color_FFFFFF_t_70_pic_center]

--------------------

资料来源于：[中国大学mooc][mooc]

[Link 1]: https://tools.miku.ac/any_rule
[Link 2]: https://blog.csdn.net/weixin_43964993/article/details/108188656
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk2NDk5Mw_size_16_color_FFFFFF_t_70]: /images/20221124/63fa1ebf519d43d08e9e97a2fe3a4df0.png
[20200823220935900.png]: /images/20221124/317e1743e5cf435ba156e3428070df59.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk2NDk5Mw_size_16_color_FFFFFF_t_70_pic_center]: /images/20221124/d7104c98dafa4c01b77c2658fd6db585.png
[mooc]: https://www.icourse163.org/learn/BIT-1001870001?tid=1450316449#/learn/announce