正则表达式(re)的基本操作

前端之家收集整理的这篇文章主要介绍了正则表达式(re)的基本操作前端之家小编觉得挺不错的,现在分享给大家,也给大家做个参考。

1. 测试正则表达式的工具。

  • 在线正则表达式测试:

http://tool.oschina.net/regex/

2. 常见的匹配模式

3. 常用的匹配方法

3.1. re.match

  • re.match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()就会返回None

  • 最常规的匹配

import re
content = @H_404_32@"Hello 123 4567 World_This is a Regex Demo"
result = re.match(@H_404_32@"Hello\s\d\d\d\s\d{4}\s\w{10}.*Demo$",content)
print(f@H_404_32@"len = {len(content)}")
print(f@H_404_32@"result = {result}")
print(f@H_404_32@"result.group() = {result.group()}") # 返回匹配结果
print(f@H_404_32@"result.span = {result.span()}")     # 输出匹配结果的范围

# 输出结果
len = 41
result = <_sre.SRE_Match object; span=(0,41),match=@H_404_32@'Hello 123 4567 World_This is a Regex Demo'>
result.group() = Hello 123 4567 World_This is a Regex Demo
result.span = (0,41)
  • 泛匹配
# 泛匹配
result = re.match(@H_404_32@"^Hello.*Demo$",content)

# 输出结果
len = 41
result = <_sre.SRE_Match object; span=(0,match=@H_404_32@'Hello 123 4567 World_This is a Regex Demo'>
result.group() = Hello 123 4567 World_This is a Regex Demo
result.span = (0,41)
  • 匹配目标:如果我们想从字符串中获取我们想要的数据的话,我们就可以用一个()把我们要的目标括起来,然后指定它的左端点和右端点。然后用group(n)将其取出来。
# 匹配目标
content = @H_404_32@"Hello 1234567 World_This is a Regex Demo"

result = re.match(@H_404_32@"^Hello\s(\d+)\sWorld.*Demo$",content)
print(f@H_404_32@"len = {len(content)}")
print(f@H_404_32@"result = {result}")
print(f@H_404_32@"result.group() = {result.group()}") # 返回匹配结果
print(f@H_404_32@"result.span = {result.span()}")     # 输出匹配结果的范围
# 如果正则表达式中出现了(),那么第一个()里匹配的内容为group(1),第二个为group(2),依次类推
print(f@H_404_32@"result.group(1) = {result.group(1)}")

# 输出结果
len = 40
result = <_sre.SRE_Match object; span=(0,40),match=@H_404_32@'Hello 1234567 World_This is a Regex Demo'>
result.group() = Hello 1234567 World_This is a Regex Demo
result.span = (0,40)
result.group(1) = 1234567
  • 贪婪匹配
# 贪婪匹配:.*来匹配任意的字符串
# 结果只把 7 这个数字匹配出来了,前面的123456被前面的.*匹配掉了。
# 它会匹配尽可能多的字符,而后面(\d+)至少要有一个数字,那就匹配成了7
# .*会尽可能多的匹配,一直到匹配不到了为止
content = @H_404_32@"Hello 1234567 World_This is a Regex Demo"

result = re.match(@H_404_32@"^He.*(\d+).*Demo$",40)
result.group(1) = 7
  • 非贪婪匹配
# 非贪婪匹配:.*后面加一个? ———— .*?
# ? 会指定这个模式为非贪婪模式的匹配。它会匹配尽可能少的字符
# ?后面有个\d+,也就是说它要开始匹配一个数字了,那么如果它看到后面出现一个数字,那么他就会把前面的值进行匹配
# .*?会尽可能少的匹配,匹配到了就停止
content = @H_404_32@"Hello 1234567 World_This is a Regex Demo"

result = re.match(@H_404_32@"^He.*?(\d+).*Demo$",40)
result.group(1) = 1234567
  • 匹配模式
# 在regex字符串中指定匹配模式,取值可以使用按位或运算符'|'表示同时生效,比如re.I | re.M。

# 匹配模式的可选值有:
    # re.I (re.IGNORECASE): 忽略大小写(括号内是完整写法,下同)
    # re.M (re.MULTILINE): 多行模式,改变'^'和'$'的行为
    # re.S (re.DOTALL): 点任意匹配模式,改变'.'的行为
    # re.L (re.LOCALE): 使预定字符类 \w \W \b \B \s \S 取决于当前区域设定
    # re.U (re.UNICODE): 使预定字符类 \w \W \b \B \s \S \d \D 取决于unicode定义的字符属性
    # re.X (re.VERBOSE): 详细模式。这个模式下正则表达式可以是多行,忽略空白字符,并可以加入注释。

content = @H_404_32@'''Hello 1234567 World_This is a Regex Demo '''
result = re.match(@H_404_32@"^He.*?(\d+).*Demo$",content)
print(f@H_404_32@"result = {result}")
# 输出结果
result = None  # 因为 .*不能匹配This后面的换行符。

# ----------- 加上匹配模式 re.S : 多行匹配 ----------
result2 = re.match(@H_404_32@"^He.*?(\d+).*Demo$",content,re.S)
print(f@H_404_32@"result2.group(1) = {result2.group(1)}")
# 输出结果
result2.group(1) = 1234567  # re.S可以多行匹配
  • 转义符
# 转义符
import re   
content = @H_404_32@'price is $5.00'
result = re.match(@H_404_32@'price is $5.00',content)
print(f@H_404_32@"result = {result}")
# 输出结果
result = None  # 因为$和.是通配符,失去了原字符的意义

result = re.match(@H_404_32@'price is \$5\.00',content)
print(f@H_404_32@"result = {result}")
# 输出结果
result = <_sre.SRE_Match object; span=(0,14),match=@H_404_32@'price is $5.00'>

3.2. 正则匹配的原则

  • 尽量使用泛匹配
  • 使用括号得到匹配目标
  • 尽量使用非贪婪模式
  • 有换行符就用re.S
  • 为匹配方便,能用search就不用match

3.3. re.search

  • 由于re.match是从字符串开头进行匹配的,适用性不算强。
  • re.search 是会对整个字符串进行扫描,返回第一个成功的匹配。
content = @H_404_32@'Extra strings Hello 1234567 World_This is a Regex Demo Extra strings'
result = re.search(@H_404_32@"Hello.*?(\d+).*?Demo",content)
print(f@H_404_32@"result = {result}")
print(f@H_404_32@"result.group(1) = {result.group(1)}")
# 输出结果
result = <_sre.SRE_Match object; span=(13,53),match=@H_404_32@'Hello 1234567 World_This is a Regex Demo'>
result.group(1) = 1234567

3.4. re.findall

  • 搜索字符串,以列表形式返回全部能匹配的子串
  • 如果有多个括号(),那么返回的列表,元素是元组 [( ),( ),( )]
 
 

3.5. re.sub

  • 替换字符串中每一个匹配的子串后,返回替换后的字符串
# re.findall 案例一
content = @H_404_32@'Extra strings Hello 1234567 World_This is a Regex Demo Extra strings'
content = re.sub(@H_404_32@'\d+',@H_404_32@'',content)
print(f@H_404_32@"content = {content}")
# 输出结果
content = Extra strings Hello  World_This is a Regex Demo Extra strings

# re.findall 案例二
content = @H_404_32@'Extra strings Hello 1234567 World_This is a Regex Demo Extra strings'
content = re.sub(@H_404_32@'\d+',@H_404_32@'Replacement',content)
print(f@H_404_32@"content = {content}")
# 输出结果
content = Extra strings Hello Replacement World_This is a Regex Demo Extra strings

# 如果需求是替换字符串本身,或者说需要替换的字符串是有包含原字符串的话,则需要把匹配的字符串加上一个括号,然后用\1拿到匹配的内容。又因为\是转义字符,所以需要在前面加上一个r
# \1就是把匹配结果,换成括号1中的匹配结果
# re.findall 案例三
content = @H_404_32@'Extra strings Hello 1234567 World_This is a Regex Demo Extra strings'
content = re.sub(@H_404_32@'(\d+)',@H_404_32@r'\1 8910',content)
print(f@H_404_32@"content = {content}")
# 输出结果
content = Extra strings Hello 1234567 8910 World_This is a Regex Demo Extra strings

3.5.1. 一般操作模式

  • 第一步:先用re.sub进行替换,修正原始字符串到一个比较有规律的模式。
  • 第二步:再使用re.findall进行字符串匹配。
html = re.sub('<a.*?>|</a>','',html)
print(html)
results = re.findall('<li.*?>(.*?)</li>',html,re.S)
print(results)
for result in results:
    print(result.strip())

3.6. re.compile

  • 将正则字符串编译成正则表达式对象
  • 为了方便重复使用固定的正则匹配模式,使用re.compile将一个正则表达式串编译成正则对象,以便于复用该匹配模式
  • 第二个参数flag是匹配模式,取值可以使用按位或运算符’|’表示同时生效,比如re.I | re.M。另外,你也可以在regex字符串中指定模式,比如re.compile(‘pattern’,re.I | re.M)与re.compile(‘(?im)pattern’)是等价的。
# re.compile 案例一
content = @H_404_32@'Hello 1234567 World_This is a Regex Demo'
pattern = re.compile(@H_404_32@'Hello.*Demo',re.S)
result1 = re.match(pattern,content)
result2 = re.match(@H_404_32@'Hello.*Demo',re.S)

猜你在找的正则表达式相关文章