python常用正規表達式

Python正規表達式

常用函數

match(pat, str)：檢查字元串的開頭是否符合某個模式

search(pat, str)：檢查字元串中是否符合某個模式

findall(pat, str)：傳回所有符合某個模式的字元串，以清單形式輸出

finditer(pat, str)：傳回所有符合某個模式的字元串，以疊代器形式輸出

split(pat, str)：以某個模式為分割點，拆分整個句子為一系列字元串，以清單形式輸出

sub(pat, repl, str)：句子 str 中找到比對正規表達式模式的所有子字元串，用另一個字元串 repl 進行替換

compile(pat)：将某個模式編譯成對象，供之後使用

re.match

從起始位置開始比對，傳回比對的對象；若無比對，則傳回

none

文法：

參數	說明
pattern	比對的正規表達式
string	要比對的字元串
flags	标志符，用于控制正規表達式的比對方式，如：是否區分大小寫，多行比對等

re.search

周遊字元串，并傳回第一個成功的比對

文法：

re.sub

替換字元串中的比對項

參數：

• pattern : 正則中的模式字元串。
• repl : 替換的字元串，也可為一個函數。
• string : 要被查找替換的原始字元串。
• count : 模式比對後替換的最大次數，預設 0 表示替換所有的比對。(可選）

• flags : 編譯時用的比對模式，數字形式。（可選）

  e.g.1

import re
phone = "2004-959-559 # 這是一個電話号碼"
num = re.sub(r'#.*$',"",phone)  #去除注釋
## 2004-959-559 
           

e.g.2

import re

def double_num(matched):
	value=int(matched.group('value'))
	return str(value*2)
s = 'A23G4HFD567'
print(re.sub('(?P<value>\d+)', double, s))
           

compile函數

編譯正規表達式，生成pattren對象，供match() 和 search() 使用。

文法：

• pattern : 一個字元串形式的正規表達式
• flags 可選，表示比對模式，比如忽略大小寫，多行模式等，具體參數為：
  • re.I 忽略大小寫
  • re.L 表示特殊字元集 \w, \W, \b, \B, \s, \S 依賴于目前環境
  • re.M 多行模式
  • re.S 即為’ . ‘并且包括換行符在内的任意字元（’ . '不包括換行符）
  • re.U 表示特殊字元集 \w, \W, \b, \B, \d, \D, \s, \S 依賴于 Unicode 字元屬性資料庫
  • re.X 為了增加可讀性，忽略空格和’ # '後面的注釋

e.g.1

import re
pattern = re.compile(r'\d+')
pattren.metch('string')
           

findall

傳回一個清單，包含所有比對的子串

參數：

• string 待比對的字元串。
• pos 可選參數，指定字元串的起始位置，預設為 0。

• endpos 可選參數，指定字元串的結束位置，預設為字元串的長度。

  e.g.1

import re
 
pattern = re.compile(r'\d+')   # 查找數字
result1 = pattern.findall('aaa 123 bbbb 456') #['123', '456']
result2 = pattern.findall('aa88bbb123ccccc456', 0, 10) #['88', '12']
           

re.finditer

傳回一個疊代器，包含所有比對的子串

文法：

e.g.1

import re
 
it = re.finditer(r"\d+","12a32bc43jf3") 
for match in it: 
    print (match.group() )
           

re.split

比對的分隔符兩邊的實體都會被當成是結果中的元素傳回。如果正規表達式中包含一個括号捕獲分組，那麼被比對的文本也将出現在結果清單中，目的是保留分割字元串。

s = 'Kobe Bryant loves Gianna Bryant'
print( re.split(r'\s', s) )
['Kobe', 'Bryant', 'loves', 'Gianna', 'Bryant']
           

轉義字元

常用

點 . 表示除新行（\n）的任意字元，它是個通配符。

托字元 ^ 表示字元串開頭。

美元符 $ 表示字元串結尾。

貪婪模式：

• *

  表示後面可跟 0 個或多個字元

• +

  表示後面可跟 1 個或多個字元

• ?

  表示後面可跟 0 個或 1 個字元

非貪婪模式：

• *?

  表示後面可跟 0 個或多個字元，但隻取第一個

• +?

  表示後面可跟 1 個或多個字元，但隻取第一個

• ??

  表示後面可跟 0 個或 1 個字元，但隻取第一個

限定邊界

{}

可以設定具體的上界或（和）下界，使得代碼更加有效也更好讀懂，規則如下：

• {n} 左邊的字元串是否出現 n 次
• {n, } 左邊的字元串是否出現大于等于 n 次
• {, n} 左邊的字元串是否出現小于等于 n 次
• {n, m} 左邊的字元串是否出現在 n 次和 m 次之間。

其他

反斜杠 \ 可對特殊字元進行轉義，也可對普通字元轉義。

\b：比對空字元串，但僅适用于單詞的“首尾”

\B：比對空字元串，但僅适用于單詞的“非首尾”

\d：比對任何“數字”字元，等價于 [0-9]

\D：比對任何“非數字”字元，等價于

[^0-9]

\s：比對任何“空白”字元，等價于

[\t\n\r]

\S：比對任何“非空白”字元，等價于

[^\t\n\r]

\w：比對任何“字母數字下劃線”字元，等價于

[a-zA-Z0-9_]

\W：比對任何“非字母數字下劃線”字元，等價于

[^a-zA-Z0-9_]

\A：比對句子的“開頭”字元，等價于 ^

\Z：比對句子的“結尾”字元，等價于 $

\t：比對句子的“制表鍵 (tab)”字元

\r：比對句子的“Enter鍵 (return)”字元

\n：比對句子的“換行鍵 (newline)”字元