Python基础-正则表达式于模式，re模块，match，search，span，group函数

清疚 2023-10-08 11:39 35阅读 0赞

**1.内容简介：**

处理文本和数据是计算机的绝活，赋予这项绝活的功能就是编程语言。对于大量的数据，程序通常需要进行数据匹配，搜索，替换...等一系列操作。在python中，可以用正则表达式来批量处理数据。在python中，用re模块来支持正则表达式，re模块是python的标准库。

**2. 正则表达式的概念：**

可以这样理解，所谓正则表达式，是一些有字符和特殊符号组成的字符串，用于按照规则匹配多个字符串。

正则表达式为文本模式匹配，搜索，替换，抽取等功能提供了基础。

在python中，用re模块来支持正则表达式，re模块是python的标准库。

**3. 正则表达式举例1：match，span，group的使用**

**re.match的功能：**

尝试从字符串的**“起始位置”**匹配一个模式，如果不是起始位置匹配成功的话，match()就返回None。

程序举例：从hello python中进行匹配，即使用match

#!/usr/bin/python
    # -*- coding: UTF-8 -*- 
     
    import re
    print(re.match('hello', 'hello python'))  # 在起始位置匹配
    print(re.match('python', 'hello python')) # 不在起始位置匹配

运行结果：

> <re.Match object; span=(0, 5), match='hello'>
> 
> None

我们可以用span函数，取出需要的数据的起始位置，例如：

#!/usr/bin/python
    # -*- coding: UTF-8 -*- 
     
    import re
    res_str = re.match('hello', 'hello python')
    span_str = res_str.span()
    print(span_str)
    
    print(re.match('python', 'hello python')) # 不在起始位置匹配

运行结果：

> (0, 5)
> 
> None

如果想取出匹配到的数据，则可以用group函数，例如：

#!/usr/bin/python
    # -*- coding: UTF-8 -*- 
     
    import re
    
    # 在起始位置匹配
    res_str = re.match('hello', 'hello python')
    if res_str is not None:
    	print(res_str.group())
    else:
    	print('match hello fail')
    
    # 不在起始位置匹配
    res_str = re.match('python', 'hello python')
    if res_str is not None:
    	print(res_str.group())
    else:
    	print('match python fail')

运行结果：

> hello
> 
> match python fail

**4. 正则表达式举例2：search的使用**

**search的功能：**

**“在任意位置”对给定的正则表达式模式搜索“第一次”出现的匹配情况。**

程序举例：从hello python中进行搜索，即使用search

>     #!/usr/bin/python
>     # -*- coding: UTF-8 -*- 
>      
>     import re
>     
>     # 在起始位置匹配
>     res_str = re.search('python', 'hello python')
>     if res_str is not None:
>     	print(res_str.group())
>     else:
>     	print('search python fail')
>     
>     # 不在起始位置匹配
>     res_str = re.search('th', 'hello python')
>     if res_str is not None:
>     	print(res_str.group())
>     else:
>     	print('search th fail')

运行结果：

> python
> 
> th

**5. 正则表达式举例3：按照给定的模式进行匹配**

#!/usr/bin/python
    # -*- coding: UTF-8 -*- 
     
    import re
    
    search_mode = '跳远|足球|长跑|篮球|排球'
    data_str='今天，进行了足球，篮球的比赛'
    
    # 在起始位置匹配
    
    res_str = re.search(search_mode, data_str)
    if res_str is not None:
    	print(res_str.group())
    else:
    	print('search fail')

运行结果：

足球

说明：

search\_mode给定的模式，是“或”（｜）的关系，即从data\_str中，只要搜索到search\_mode中的任意一个，就输出搜索到的字符串。

**6. 更多正则表达式模式说明与实例：**

**模式说明：**

模式字符串使用特殊的语法来表示一个正则表达式：

字母和数字表示他们自身。一个正则表达式模式中的字母和数字匹配同样的字符串。

多数字母和数字前加一个反斜杠时会拥有不同的含义。

标点符号只有被转义时才匹配自身，否则它们表示特殊的含义。

反斜杠本身需要使用反斜杠转义。

由于正则表达式通常都包含反斜杠，所以你最好使用原始字符串来表示它们。模式元素(如 r'\\t'，等价于 '\\\\t')匹配相应的特殊字符。

下表列出了正则表达式模式语法中的特殊元素。如果你使用模式的同时提供了可选的标志参数，某些模式元素的含义会改变。

<table> 
 <tbody> 
  <tr> 
   <th>模式</th> 
   <th>描述</th> 
  </tr> 
  <tr> 
   <td>^</td> 
   <td>匹配字符串的开头</td> 
  </tr> 
  <tr> 
   <td>$</td> 
   <td>匹配字符串的末尾。</td> 
  </tr> 
  <tr> 
   <td>.</td> 
   <td>匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。</td> 
  </tr> 
  <tr> 
   <td>[...]</td> 
   <td>用来表示一组字符,单独列出：[amk] 匹配 'a'，'m'或'k'</td> 
  </tr> 
  <tr> 
   <td>[^...]</td> 
   <td>不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。</td> 
  </tr> 
  <tr> 
   <td>re*</td> 
   <td>匹配0个或多个的表达式。</td> 
  </tr> 
  <tr> 
   <td>re+</td> 
   <td>匹配1个或多个的表达式。</td> 
  </tr> 
  <tr> 
   <td>re?</td> 
   <td>匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式</td> 
  </tr> 
  <tr> 
   <td>re{ n}</td> 
   <td>精确匹配 n 个前面表达式。例如，&nbsp;o{2}&nbsp;不能匹配 "Bob" 中的 "o"，但是能匹配 "food" 中的两个 o。</td> 
  </tr> 
  <tr> 
   <td>re{ n,}</td> 
   <td>匹配 n 个前面表达式。例如， o{2,} 不能匹配"Bob"中的"o"，但能匹配 "foooood"中的所有 o。"o{1,}" 等价于 "o+"。"o{0,}" 则等价于 "o*"。</td> 
  </tr> 
  <tr> 
   <td>re{ n, m}</td> 
   <td>匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式</td> 
  </tr> 
  <tr> 
   <td>a| b</td> 
   <td>匹配a或b</td> 
  </tr> 
  <tr> 
   <td>(re)</td> 
   <td>对正则表达式分组并记住匹配的文本</td> 
  </tr> 
  <tr> 
   <td>(?imx)</td> 
   <td>正则表达式包含三种可选标志：i, m, 或 x 。只影响括号中的区域。</td> 
  </tr> 
  <tr> 
   <td>(?-imx)</td> 
   <td>正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的区域。</td> 
  </tr> 
  <tr> 
   <td>(?: re)</td> 
   <td>类似 (...), 但是不表示一个组</td> 
  </tr> 
  <tr> 
   <td>(?imx: re)</td> 
   <td>在括号中使用i, m, 或 x 可选标志</td> 
  </tr> 
  <tr> 
   <td>(?-imx: re)</td> 
   <td>在括号中不使用i, m, 或 x 可选标志</td> 
  </tr> 
  <tr> 
   <td>(?#...)</td> 
   <td>注释.</td> 
  </tr> 
  <tr> 
   <td>(?= re)</td> 
   <td>前向肯定界定符。如果所含正则表达式，以 ... 表示，在当前位置成功匹配时成功，否则失败。但一旦所含表达式已经尝试，匹配引擎根本没有提高；模式的剩余部分还要尝试界定符的右边。</td> 
  </tr> 
  <tr> 
   <td>(?! re)</td> 
   <td>前向否定界定符。与肯定界定符相反；当所含表达式不能在字符串当前位置匹配时成功</td> 
  </tr> 
  <tr> 
   <td>(?&gt; re)</td> 
   <td>匹配的独立模式，省去回溯。</td> 
  </tr> 
  <tr> 
   <td>\w</td> 
   <td>匹配字母数字及下划线</td> 
  </tr> 
  <tr> 
   <td>\W</td> 
   <td>匹配非字母数字及下划线</td> 
  </tr> 
  <tr> 
   <td>\s</td> 
   <td>匹配任意空白字符，等价于&nbsp;[ \t\n\r\f]。</td> 
  </tr> 
  <tr> 
   <td>\S</td> 
   <td>匹配任意非空字符</td> 
  </tr> 
  <tr> 
   <td>\d</td> 
   <td>匹配任意数字，等价于 [0-9].</td> 
  </tr> 
  <tr> 
   <td>\D</td> 
   <td>匹配任意非数字</td> 
  </tr> 
  <tr> 
   <td>\A</td> 
   <td>匹配字符串开始</td> 
  </tr> 
  <tr> 
   <td>\Z</td> 
   <td>匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串。</td> 
  </tr> 
  <tr> 
   <td>\z</td> 
   <td>匹配字符串结束</td> 
  </tr> 
  <tr> 
   <td>\G</td> 
   <td>匹配最后匹配完成的位置。</td> 
  </tr> 
  <tr> 
   <td>\b</td> 
   <td>匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。</td> 
  </tr> 
  <tr> 
   <td>\B</td> 
   <td>匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。</td> 
  </tr> 
  <tr> 
   <td>\n, \t, 等.</td> 
   <td>匹配一个换行符。匹配一个制表符。等</td> 
  </tr> 
  <tr> 
   <td>\1...\9</td> 
   <td>匹配第n个分组的内容。</td> 
  </tr> 
  <tr> 
   <td>\10</td> 
   <td>匹配第n个分组的内容，如果它经匹配。否则指的是八进制字符码的表达式。</td> 
  </tr> 
 </tbody> 
</table>

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

###  ###

**实例：**

字符匹配

<table> 
 <tbody> 
  <tr> 
   <th>实例</th> 
   <th>描述</th> 
  </tr> 
  <tr> 
   <td>python</td> 
   <td>匹配 "python".</td> 
  </tr> 
 </tbody> 
</table>

字符类

<table> 
 <tbody> 
  <tr> 
   <th>实例</th> 
   <th>描述</th> 
  </tr> 
  <tr> 
   <td>[Pp]ython</td> 
   <td>匹配 "Python" 或 "python"</td> 
  </tr> 
  <tr> 
   <td>rub[ye]</td> 
   <td>匹配 "ruby" 或 "rube"</td> 
  </tr> 
  <tr> 
   <td>[aeiou]</td> 
   <td>匹配中括号内的任意一个字母</td> 
  </tr> 
  <tr> 
   <td>[0-9]</td> 
   <td>匹配任何数字。类似于 [0123456789]</td> 
  </tr> 
  <tr> 
   <td>[a-z]</td> 
   <td>匹配任何小写字母</td> 
  </tr> 
  <tr> 
   <td>[A-Z]</td> 
   <td>匹配任何大写字母</td> 
  </tr> 
  <tr> 
   <td>[a-zA-Z0-9]</td> 
   <td>匹配任何字母及数字</td> 
  </tr> 
  <tr> 
   <td>[^aeiou]</td> 
   <td>除了aeiou字母以外的所有字符</td> 
  </tr> 
  <tr> 
   <td>[^0-9]</td> 
   <td>匹配除了数字外的字符</td> 
  </tr> 
 </tbody> 
</table>

特殊字符类

<table> 
 <tbody> 
  <tr> 
   <th>实例</th> 
   <th>描述</th> 
  </tr> 
  <tr> 
   <td>.</td> 
   <td>匹配除 "\n" 之外的任何单个字符。要匹配包括 '\n' 在内的任何字符，请使用象 '[.\n]' 的模式。</td> 
  </tr> 
  <tr> 
   <td>\d</td> 
   <td>匹配一个数字字符。等价于 [0-9]。</td> 
  </tr> 
  <tr> 
   <td>\D</td> 
   <td>匹配一个非数字字符。等价于 [^0-9]。</td> 
  </tr> 
  <tr> 
   <td>\s</td> 
   <td>匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。</td> 
  </tr> 
  <tr> 
   <td>\S</td> 
   <td>匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。</td> 
  </tr> 
  <tr> 
   <td>\w</td> 
   <td>匹配包括下划线的任何单词字符。等价于'[A-Za-z0-9_]'。</td> 
  </tr> 
  <tr> 
   <td>\W</td> 
   <td>匹配任何非单词字符。等价于 '[^A-Za-z0-9_]'。</td> 
  </tr> 
 </tbody> 
</table>

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

正则表达式，千变万化的模式