22-python学习笔记之re(正则表达式)

文章目录

• 前言
• • re 函数
  • 元字符
  • 特殊序列
  • 集合（Set）
• 一、re模块的使用
• • findall() 函数
  • search() 函数
  • split() 函数
  • sub() 函数
  • Match 对象
• 总结

---

前言

---

以下都是自己的一些学习笔记，可能有写的不对的地方，还望各位大佬体谅和加以指正。

---

re 或正则表达式是形成搜索模式的字符序列。
re 可用于检查字符串是否包含指定的搜索模式。

re 模块
Python 提供名为 re 的内置包，可用于处理正则表达式。

导入 re 模块：

import re

Python 中的 re
导入 re 模块后，就可以开始使用正则表达式了：

检索字符串以查看它是否以 “China” 开头并以 “country” 结尾：

import re

txt = "China is a great country"
x = re.search("^China.*country$", txt)

re 函数

re 模块提供了一组函数，允许我们检索字符串以进行匹配：

函数				描述
findall			返回包含所有匹配项的列表
search			如果字符串中的任意位置存在匹配，则返回 Match 对象
split			返回在每次匹配时拆分字符串的列表
sub				用字符串替换一个或多个匹配项

元字符

元字符是具有特殊含义的字符：

字符		描述									示例	
[]		一组字符								"[a-m]"	
\		示意特殊序列（也可用于转义特殊字符）		"\d"	
.		任何字符（换行符除外）					"he..o"	
^		起始于								"^hello"	
$		结束于								"world$"	
*		零次或多次出现						"aix*"	
+		一次或多次出现						"aix+"	
{}		确切地指定的出现次数					"al{2}"	
|		两者任一								"falls|stays"	
()		捕获和分组

特殊序列

特殊序列指的是 \ 后跟下表中的某个字符，拥有特殊含义：

字符			描述												示例	
\A			如果指定的字符位于字符串的开头，则返回匹配项			"\AThe"	
\b			返回指定字符位于单词的开头或末尾的匹配项				r"\bain"
															r"ain\b"	
																
\B			返回指定字符存在的匹配项，但不在单词的开头（或结尾处）	r"\Bain"
															r"ain\B"	
																
\d			返回字符串包含数字的匹配项（数字 0-9）				"\d"	
\D			返回字符串不包含数字的匹配项							"\D"	
\s			返回字符串包含空白字符的匹配项						"\s"	
\S			返回字符串不包含空白字符的匹配项						"\S"	
\w			返回一个匹配项，其中字符串包含任何单词字符
		（从 a 到 Z 的字符，从 0 到 9 的数字和下划线 _ 字符）		"\w"	
\W			返回一个匹配项，其中字符串不包含任何单词字符			"\W"	
\Z			如果指定的字符位于字符串的末尾，则返回匹配项			"Spain\Z"

集合（Set）

集合（Set）是一对方括号 [] 内的一组字符，具有特殊含义：

集合			描述	
[arn]		返回一个匹配项，其中存在指定字符（a，r 或 n）之一	
[a-n]		返回字母顺序 a 和 n 之间的任意小写字符匹配项	
[^arn]		返回除 a、r 和 n 之外的任意字符的匹配项	
[0123]		返回存在任何指定数字（0、1、2 或 3）的匹配项	
[0-9]		返回 0 与 9 之间任意数字的匹配	
[0-5][0-9]	返回介于 0 到 9 之间的任何数字的匹配项	
[a-zA-Z]	返回字母顺序 a 和 z 之间的任何字符的匹配，小写或大写	
[+]			在集合中，+、*、.、|、()、$、{} 没有特殊含义，因此 [+] 表示：返回字符串中任何 + 字符的匹配项	

---

一、re模块的使用

findall() 函数

findall() 函数返回包含所有匹配项的列表。

打印所有匹配的列表：

import re

str = "China is a great country"
x = re.findall("a", str)
print(x)

这个列表以被找到的顺序包含匹配项。
如果未找到匹配项，则返回空列表：

如果未找到匹配，则返回空列表：

import re

str = "China is a great country"
x = re.findall("USA", str)
print(x)

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：

在字符串中搜索第一个空白字符：

import re

str = "China is a great country"
x = re.search("\s", str)

print("The first white-space character is located in position:", x.start())

如果未找到匹配，则返回值 None：
进行不返回匹配的检索：

import re

str = "China is a great country"
x = re.search("USA", str)
print(x)

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：

在每个空白字符处进行拆分：

import re

str = "China is a great country"
x = re.split("\s", str)
print(x)

我们可以通过指定 maxsplit 参数来控制出现次数：

仅在首次出现时拆分字符串：

import re

str = "China is a great country"
x = re.split("\s", str, 1)
print(x)

sub() 函数

sub() 函数把匹配替换为我们选择的文本：

用数字 9 替换每个空白字符：

import re

str = "China is a great country"
x = re.sub("\s", "9", str)
print(x)

我们可以通过指定 count 参数来控制替换次数：

替换前两次出现：

import re

str = "China is a great country"
x = re.sub("\s", "9", str, 2)
print(x)

Match 对象

Match 对象是包含有关搜索和结果信息的对象。

注意：如果没有匹配，则返回值 None，而不是 Match 对象。

执行会返回 Match 对象的搜索：

import re

str = "China is a great country"
x = re.search("a", str)
print(x) # 将打印一个对象

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

打印首个匹配出现的位置（开始和结束位置）。
正则表达式查找以大写 “C” 开头的任何单词：

import re

str = "China is a great country"
x = re.search(r"\bC\w+", str)
print(x.span())

打印传入函数的字符串：

import re

str = "China is a great country"
x = re.search(r"\bC\w+", str)
print(x.string)

打印匹配的字符串部分。

正则表达式查找以大写 “C” 开头的任何单词：

import re

str = "China is a great country"
x = re.search(r"\bC\w+", str)
print(x.group())

注意：如果没有匹配项，则返回值 None，而不是 Match 对象。

---

总结

正则表达式是程序语言用来查找文本中指定内容的神器。