在一般的后端語言中都有正則表達(dá)式的使用,，個人覺得正則表達(dá)式的難點就是有比較多的元字符比較難記,，所以建議大家收藏。而在 python 的編程中,，特別是爬蟲之后的數(shù)據(jù)篩選,、清洗等操作都需要對字符串進(jìn)行大量的操作，使用正則表達(dá)式無疑是最簡便的一種字符串處理操作,。
1,、正則表達(dá)式的元字符及組裝形式
首先，正則表達(dá)式就是由一個一個的元字符組合起來的一個字符串,，然后以這個字符串作為格式去匹配任意的字符串最后生成新的數(shù)據(jù)文本,。那么，先來看一下在 python 中像這樣的元字符到底有哪些,。 1. 匹配任意字符（不包括換行符）
2^ 匹配開始位置,，多行模式下匹配每一行的開始
3$ 匹配結(jié)束位置，多行模式下匹配每一行的結(jié)束
4* 匹配前一個元字符0到多次
5+ 匹配前一個元字符1到多次
6? 匹配前一個元字符0到1次
7{m,n} 匹配前一個元字符m到n次
8\\ 轉(zhuǎn)義字符,，跟在其后的字符將失去作為特殊元字符的含義,，例如\\.只能匹配.，不能再匹配任意字符
9[] 字符集,，一個字符的集合,，可匹配其中任意一個字符
10| 邏輯表達(dá)式 或 ，比如 a|b 代表可匹配 a 或者 b
11(...) 分組,，默認(rèn)為捕獲,，即被分組的內(nèi)容可以被單獨取出，默認(rèn)每個分組有個索引,，從 1 開始,，按照"("的順序決定索引值
12(?iLmsux) 分組中可以設(shè)置模式，iLmsux之中的每個字符代表一個模式,用法參見 模式 I
13(?:...) 分組的不捕獲模式,，計算索引時會跳過這個分組
14(?P<name>...) 分組的命名模式,，取此分組中的內(nèi)容時可以使用索引也可以使用name
15(?P=name) 分組的引用模式，可在同一個正則表達(dá)式用引用前面命名過的正則
16(?#...) 注釋，不影響正則表達(dá)式其它部分,用法參見 模式 I
17(?=...) 順序肯定環(huán)視,，表示所在位置右側(cè)能夠匹配括號內(nèi)正則
18(?!...) 順序否定環(huán)視,，表示所在位置右側(cè)不能匹配括號內(nèi)正則
19(?<=...) 逆序肯定環(huán)視，表示所在位置左側(cè)能夠匹配括號內(nèi)正則
20(?<!...) 逆序否定環(huán)視,，表示所在位置左側(cè)不能匹配括號內(nèi)正則
21(?(id/name)yes|no) 若前面指定id或name的分區(qū)匹配成功則執(zhí)行yes處的正則，否則執(zhí)行no處的正則
22\number 匹配和前面索引為number的分組捕獲到的內(nèi)容一樣的字符串
23\A 匹配字符串開始位置,，忽略多行模式
24\Z 匹配字符串結(jié)束位置,，忽略多行模式
25\b 匹配位于單詞開始或結(jié)束位置的空字符串
26\B 匹配不位于單詞開始或結(jié)束位置的空字符串
27\d 匹配一個數(shù)字， 相當(dāng)于 [0-9]
28\D 匹配非數(shù)字,相當(dāng)于 [^0-9]
29\s 匹配任意空白字符,， 相當(dāng)于 [ \t\n\r\f\v]
30\S 匹配非空白字符,，相當(dāng)于 [^ \t\n\r\f\v]
31\w 匹配數(shù)字、字母,、下劃線中任意一個字符,， 相當(dāng)于 [a-zA-Z0-9_]
32\W 匹配非數(shù)字、字母,、下劃線中的任意字符,，相當(dāng)于 [^a-zA-Z0-9_]
來源說明：以上元字符表說明引用自“博客園，菜鳥的日?！?/p>
2,、python 的內(nèi)置模塊 re 操作正則表達(dá)式的模式
python 的 re 模塊提供了很多內(nèi)置的函數(shù)來操作正則表達(dá)式，掌握正則表達(dá)式以及這些函數(shù)的使用會更大的提高工作效率,，因為大多時候都是在和字符串打交道,。并且 re 模塊在使用這些函數(shù)來操作正則表達(dá)式的時候都可以指定不同類型的模式。比如：re 內(nèi)置模塊的 compile(pattern, flags=0) 函數(shù)中的 flags 參數(shù)就是用于指定匹配模式的,，默認(rèn)情況下各個內(nèi)置函數(shù)的模式都等于零就是不指定模式,。1re.I 使匹配對大小寫不敏感
2re.L 做本地化識別（locale-aware）匹配
3re.M 多行匹配，影響 ^ 和 $
4re.S 使 . 匹配包括換行在內(nèi)的所有字符
5re.U 根據(jù)Unicode字符集解析字符,。這個標(biāo)志影響 \w, \W, \b, \B.
6re.X 該標(biāo)志通過給予你更靈活的格式以便你將正則表達(dá)式寫得更易于理解,。
3、re 模塊函數(shù)匹配正則表達(dá)式操作字符串
compile(pattern, flags=0) 對匹配的正則表達(dá)式進(jìn)行預(yù)編譯,，這種模式有利于后續(xù)對同一種匹配規(guī)則的復(fù)用,，當(dāng)然也可以不進(jìn)行預(yù)編譯使用 re 模塊的內(nèi)置函數(shù)直接進(jìn)行正則表達(dá)式的使用。 findall(pattern, string, flags=0) 找到所有的匹配以后的數(shù)據(jù),，并且使用列表的形式返回匹配后的數(shù)據(jù),。 1# 導(dǎo)入 re 內(nèi)置模塊
2import re
3# 定義多行字符串 sc
4sc = '''str1
5str2
6str3'''
7
8# 使用 compile() 函數(shù)進(jìn)行正則表達(dá)式對預(yù)編譯
9# 其中正則表達(dá)式為<.+>參照元字符表，表達(dá)式中<.>表示匹配任意字符（不包括換行符）
10# <+> 表示匹配前一個元字符1到多次,，組合<.+>就表示匹配所有字符不包括換行符
11pattern = re.compile(".+")
12# 正則表達(dá)對象調(diào)用 findall() 函數(shù)返回列表
13print pattern.findall(sc)
14# 打印返回列表,，結(jié)果應(yīng)該是下面列表
15['str1', 'str2', 'str3']
split(pattern, string, maxsplit=0, flags=0) 按照正則表達(dá)式匹配的數(shù)據(jù)為切割點，對原來的數(shù)據(jù)進(jìn)行切分并返回一個數(shù)據(jù)列表。1# 定義原始字符串
2sc = '''strw 1 laow
3 strd 2 laow
4 strc 3 laow'''
5# 按照數(shù)字切分
6print re.split('\d+', sc)
7# 打印結(jié)果
8['strw ', ' laow\n strd ', ' laow\n strc ', ' laow']
sub(pattern, repl, string, count=0, flags=0) 匹配正則表達(dá)式的字符串并且替換成指定的字符串后返回,。 1# 導(dǎo)入內(nèi)置模塊 re
2import re
3# 定義原始字符串
4sc = "the sum of 6 and 9 is [6+9]."
5# 將[6+9]替換為15
6print re.sub('\[6\+9\]', '15', sc)
7# 打印結(jié)果
8the sum of 7 and 9 is 15.
search(pattern, string, flags=0) 查找正則表達(dá)式內(nèi)容,。 1# 導(dǎo)入內(nèi)置模塊 re
2import re
3# 定義原始數(shù)據(jù)
4sc = '''strw 1 laow
5 strd 2 laow
6 strc 3 laow'''
7# 找到第一個以 t 開頭的字符串
8sc_res = re.search('t\w+', sc)
9# 必須使用返回對象的 group() 函數(shù)才能打印出值，因為 search() 函數(shù)返回的是對象
10print sc_res.group()
escape(pattern) 字符串的轉(zhuǎn)義函數(shù),，當(dāng)需要處理的字符串中包含正則表達(dá)式中的元字符時必須對原正則表達(dá)式進(jìn)行轉(zhuǎn)義,，否則會導(dǎo)致匹配不正確。 1# 導(dǎo)入內(nèi)置模塊 re
2import re
3# 定義原始字符串
4sc = ".+\d222"
5# 將正則表達(dá)式<.+\d222>進(jìn)行轉(zhuǎn)義
6pattern_str = re.escape(".+\d222")
7# 打印轉(zhuǎn)移后的正則表達(dá)式
8print pattern_str
9# 打印結(jié)果
10\.\+\\d222
11# 打印匹配后的字符串
12print re.findall(pattern_str, sc)
13# 打印結(jié)果
14['.+\\d222']
除了上述第三點中列舉的常見內(nèi)置函數(shù)的使用,，還有關(guān)于 python 內(nèi)置的正則表達(dá)式的用法還有分組、環(huán)視等使用方法,。能夠幫助我們處理字符串的大多數(shù)問題,，正則表達(dá)式在 python 中的使用非常強大、也是后端語言中使用比較高的,，建議大家收藏,。
|
