22-python学习笔记之re(正则表达式)
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。