【Python技能树共建】正则表达式

梦里梦外; 2023-09-29 11:57 4阅读 0赞

### Python 正则表达式是什么 ###

学习 Python 正则表达式离不开 re 模块，所以本篇博客会配合 re 模块进行编写。

re 库是 Python 中处理正则表达式的标准库，本篇博客介绍 re 库的同时，会简单介绍一下正则表达式语法，  
如果想深入学习正则表达式，还需要好好下一番功夫。

### 怎么用 ###

#### 正则表达式语法 ####

正则表达式语法由字符和操作符构成，初期阶段掌握下述这些内容即可。

<table> 
 <thead> 
  <tr> 
   <th>操作符</th> 
   <th>说明</th> 
   <th>例子</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>.</td> 
   <td>任何单个字符，极少不能匹配</td> 
   <td></td> 
  </tr> 
  <tr> 
   <td>[]</td> 
   <td>字符集，对单个字符给出取值范围</td> 
   <td>[abc] 表示匹配 a、b、c，[a-z] 表示 a 到 z 单个字符</td> 
  </tr> 
  <tr> 
   <td>[^]</td> 
   <td>非字符集，对单个字符给出排除范围</td> 
   <td>[^abc] 表示匹配 非 a、非 b、非 c 的单个字符</td> 
  </tr> 
  <tr> 
   <td>*</td> 
   <td>前一个字符 0 次或无限次扩展</td> 
   <td>abc* 表示 ab、abc、abcc、abccc 等</td> 
  </tr> 
  <tr> 
   <td>+</td> 
   <td>前一个字符 1 次或无限次扩展</td> 
   <td>abc+ 表示 abc、abcc、abccc 等</td> 
  </tr> 
  <tr> 
   <td>?</td> 
   <td>前一个字符 0 次或 1 次</td> 
   <td>abc? 表示 ab、abc</td> 
  </tr> 
  <tr> 
   <td>|</td> 
   <td>左右表达式任意一个</td> 
   <td>abc|def 表示 abc 或者 def</td> 
  </tr> 
  <tr> 
   <td>{m}</td> 
   <td>扩展前 1 个字符 m 次</td> 
   <td>ab{2}c，表示 abbc</td> 
  </tr> 
  <tr> 
   <td>{m,n}</td> 
   <td>扩展前 1 个字符 m 到 n 次</td> 
   <td>ab{1,2}c，表示 abc、abbc</td> 
  </tr> 
  <tr> 
   <td>^</td> 
   <td>匹配字符串开头</td> 
   <td>^abc 表示 abc 在字符串开头</td> 
  </tr> 
  <tr> 
   <td>$</td> 
   <td>匹配字符串结尾</td> 
   <td>abc$ 表示 abc 在字符串结尾</td> 
  </tr> 
  <tr> 
   <td>()</td> 
   <td>分组标记，内部仅能使用 | 操作符</td> 
   <td>(abc) 表示 abc，(a</td> 
  </tr> 
  <tr> 
   <td>\d</td> 
   <td>数字，等价于 [0-9]</td> 
   <td></td> 
  </tr> 
  <tr> 
   <td>\w</td> 
   <td>字符，等价于 [A-Za-z0-9]</td> 
   <td></td> 
  </tr> 
 </tbody> 
</table>

以上表示仅仅为正则表达最基础部分内容，如果希望深入研究正则表达式，建议寻找更加全面的资料进行学习，本文只做药引。

#### re 库基本用法 ####

re 库主要函数如下：

*  基础函数：`compile`；
 *  功能函数：`search`、`match`、`findall`、`split`、`finditer`、`sub`。

在正式学习之前，先了解一下原生字符串。

在 Python 中，表示原生字符串，需要在字符串前面加上 `r`。  
例如 `my_str = 'i'am xiangpica'` 在程序中会直接报错，  
如果希望字符串中 `'` 可以正常运行，需要加上转移字符 `\`，修改为 `my_str = 'i\'am xiangpica'`。  
但这样结合上文正则表达式中的操作符，就会出现问题，因为 `\` 在正则表达式中是有真实含义的，  
如果你使用 re 库去匹配字符串中的 `\`，那需要使用 4 个反斜杠，为了避免这种情况出现，引入了原生字符串概念。

# 不使用原生字符串的正则表达式  "\\\\"
    # 使用原生字符串的正则表达式 r"\\"

在后文会有实际的应用。

接下来在学习一个案例，例如下述代码：

my_str='C:\number'
    
    print(my_str)

C:
    umber

本段代码的输出效果如下，`\n` 被解析成了换行，如果想要屏蔽这种现象，使用 `r` 即可：

my_str=r'C:\number'
    
    print(my_str)

输出 `C:\number`。

#### re.search 函数 ####

该函数用于，在字符串中搜索正则表达式匹配到的第一个位置的值，返回 match 对象。  
函数原型如下：

re.search(pattern,string,flags=0)

需求：在字符串 `梦想橡皮擦 good good` 中匹配 `橡皮擦`。

import re
    my_str='梦想橡皮擦 good good'
    pattern = r'橡皮擦'
    
    ret = re.search(pattern,my_str)
    print(ret)

返回结果：`<re.Match object; span=(2, 5), match='橡皮擦'>`。

`search` 函数的第三个参数 `flags` 表示正则表达式使用时的控制标记。

*  `re.I`，`re.IGNORECASE`：忽略正则表达式的大小写；
 *  `re.M`，`re.MULTILINE`：正则表达式中的 ^ 操作符能够将给定字符串的每行当做匹配的开始；
 *  `re.S`，`re.DOTALL`：正则表达式中的 `.` 操作符能够匹配所有字符。

最后将匹配到的字符串进行输出，使用下述代码即可实现。

import re
    my_str = '梦想橡皮擦 good good'
    pattern = r'橡皮擦'
    
    ret = re.search(pattern, my_str)
    if ret:
        print(ret.group(0))

#### re.match 函数 ####

该函数用于在目标字符串开始位置去匹配正则表达式，返回 match 对象，未匹配成功返回 None，函数原型如下：

re.match(pattern,string,flags=0)

一定要注意是目标字符串开始位置。

import re
    my_str = '梦想橡皮擦 good good'
    pattern = r'梦' # 匹配到数据
    pattern = r'good' # 匹配不到数据
    
    ret = re.match(pattern, my_str)
    if ret:
        print(ret.group(0))

`re.match` 和 `re.search` 方法都是一次最多返回一个匹配对象，如果希望返回多个值，  
可以通过在 `pattern` 里加括号构造匹配组返回多个字符串。

#### re.findall 函数 ####

该函数用于搜索字符串，以列表格式返回全部匹配到的字符串，函数原型如下：

re.findall(pattern,string,flags=0)

测试代码如下：

import re
    my_str = '梦想橡皮擦 good good'
    pattern = r'good'
    ret = re.findall(pattern, my_str)
    print(ret)

#### re.split 函数 ####

该函数将一个字符串按照正则表达式匹配结果进行分割，返回一个列表。  
函数原型如下：

re.split(pattern, string, maxsplit=0, flags=0)

`re.split` 函数进行分割的时候，如果正则表达式匹配到的字符恰好在字符串开头或者结尾，  
返回分割后的字符串列表首尾都多了空格，需要手动去除，例如下述代码：

import re
    my_str = '1梦想橡皮擦1good1good1'
    
    pattern = r'\d'
    
    ret = re.split(pattern, my_str)
    
    print(ret)

运行结果：

['', '梦想橡皮擦', 'good', 'good', '']

切换为中间的内容，则能正确的分割字符串。

import re
    my_str = '1梦想橡皮擦1good1good1'
    
    pattern = r'good'
    
    ret = re.split(pattern, my_str)
    
    print(ret)

如果在 pattern 中捕获到括号，那括号中匹配到的结果也会在返回的列表中。

import re
    my_str = '1梦想橡皮擦1good1good1'
    
    pattern = r'(good)'
    
    ret = re.split(pattern, my_str)
    
    print(ret)

运行结果，你可以对比带括号和不带括号的区别进行学习：

['1梦想橡皮擦1', 'good', '1', 'good', '1']

`maxsplit` 参数表示最多进行分割次数， 剩下的字符全部返回到列表的最后一个元素，  
例如设置匹配 1 次，得到的结果是 `['1梦想橡皮擦1', '1good1']`。

#### re.finditer 函数 ####

搜索字符串，并返回一个匹配结果的迭代器，每个迭代元素都是 match 对象。  
函数原型如下：

re.finditer(pattern,string,flags=0)

测试代码如下：

import re
    my_str = '1梦想橡皮擦1good1good1'
    
    pattern = r'good'
    
    # ret = re.split(pattern, my_str,maxsplit=1)
    ret =re.finditer(pattern, my_str)
    print(ret)

#### re.sub 函数 ####

在一个字符串中替换被正则表达式匹配到的字符串，返回替换后的字符串，  
函数原型如下：

re.sub(pattern,repl,string,count=0,flags=0)

其中 `repl` 参数是替换匹配字符串的字符串，`count` 参数是匹配的最大替换次数。

import re
    my_str = '1梦想橡皮擦1good1good1'
    
    pattern = r'good'
    
    ret = re.sub(pattern, "nice", my_str)
    print(ret)

运行之后，得到替换之后的字符串：

1梦想橡皮擦1nice1nice1

#### re 库其它函数 ####

其它比较常见的函数有：`re.fullmatch()`，`re.subn()`，`re.escape()`，  
更多内容可以查阅 [官方文档][Link 1]，获取一手资料。

### 扩展知识 ###

使用 re 库匹配字符串之后，会返回 match 对象，该对象具备以下属性和方法。

你可以顺着这条线继续学习下去。