python 正则表达式学习

python正则表达式学习
- 创建正则表达式对象
- 括号分组
- 管道方法匹配多个分组
- 选择匹配
- 多次匹配
- findall方法
- 通配符

python正则表达式学习

很久没有用python写正则，有些荒废，很多都忘记了，这段时间正好看了python编程书籍，算是小菜鸡的温故知新，正则表达式有很多实际的用处，然而有时候却很复杂，在用python写爬虫的时候很有用，用的好可以事半功倍，简单的回顾一下python正则表达式的一些简单用法。

创建正则表达式对象

Python 中所有正则表达式的函数都在 re 模块中。
正则表达式首先需要一个匹配模式，即你想要匹配的字符串形式，简单介绍，以匹配电话号码为例。
如下一串字符串：‘My number is 415-555-4242.’
我们想要匹配取出其中的电话号码：”415-555-4242“
首先创建一个匹配的模式：通过向re.compile()函数中传入字符串实现，字符串表示了你想要匹配的目标字符串形式，之后compile返回一个Rege对象
Regex 对象的 search()方法查找传入的字符串，寻找该正则表达式的所有匹配。如
果字符串中没有找到该正则表达式模式，search()方法将返回 None。如果找到了该模式，
search()方法将返回一个 Match 对象。Match 对象有一个 group()方法，它返回被查找字
符串中实际匹配的文本

import re#向re.compile传入一个字符串值，表示正则表达式，返回一个Regex模式对象
phoneNumberRegex = re.compile(r'\d\d\d-\d\d\d-\d\d\d\d')# Regex对象的search方法查找传入的字符串，如果找到了该模式，则返回一个Match对象
# Match对象中有一个group方法，会返回被查找字符串中实际匹配的文本
s = "My number is 415-555-4242"
mo = phoneNumberRegex.search(s)
print("phone number found: "+mo.group())

运行结果：

括号分组

可以在匹配模式中添加括号表示分组，如(\d\d\d)-(\d\d\d-\d\d\d\d)，然后可以使用group()匹配对象方法，这里一个括号是一组，如group(1)取出第一组。
注意这里与python列表习惯不一样的是分组并不是从0开始而是从1开始，group(1)表示第一组，group(0)等价于不传入参数，返回的是整个匹配的文本。
也可以通过groups()（复数）返回匹配到的所有分组

phoneNumberRegex_1 = re.compile(r'(\d\d\d)-(\d\d\d)-(\d\d\d\d)')
mo = phoneNumberRegex_1.search(s)
print("mo.group(0) = ",mo.group(0))
print("mo.group(1) = ",mo.group(1))
print("mo.group(2) = ",mo.group(2))
print("mo.group() = ",mo.group())# 如果想要一次就获取所有的分组，请使用 groups()方法，注意函数名的复数形式。
#groups 返回的是一个turple数据
print("mo.groups = ",mo.groups(),type(mo.groups()))

运行结果：

管道方法匹配多个分组

字符”|“表示管道，表示选择。如模式”A|B"那么A或者B都可以被匹配，但如果A和B都在文本中，那么将会返回第一次出现的那个。

s1 = "Batman and Tina Fey is a filmaly.."
s2 = "Tina Fey and Batman is a filmaly.."
heroRegex = re.compile(r'Batman|Tina Fey')
mo1 = heroRegex.search(s1)
print("mo1.group = ",mo1.group())
# 如果 Batman 和 Tina Fey 都出现在被查找的字符串中，第一次出现的匹配文本，
# 将作为 Match 对象返回。
mo2 = heroRegex.search(s2)
print("mo2.group = ", mo2.group())

运行结果：

选择匹配

有时候我们不确定被匹配的文本是不是一定会出现，可能会出现，也可能不出现。可以用“？”实现可选匹配。
字符？表示前面的分组在这个模式中出现0此或一次。

# 用问号实现可选匹配
# 字符?表明它前面的分组在这个模式中是可选的
#注意这里的括号同样是一个分组，一样可以分组输出
batRegex = re.compile(r"Bat(wo)?man")
mo3 = batRegex.search("The Adventures of Batman")
print(mo3.group())#运行结果：Batmanmo4 = batRegex.search("The Adventures of Batwoman")
print(mo4.group())#运行结果：Batwoman
print(mo4.group(1))#运行结果：wo

多次匹配

与符号？的匹配类似，星号*表示匹配0次或者多次，这个次数不限，
加号+匹配1次或多次，类似星号*一样，只是至少匹配一次

batRegex1 = re.compile(r'Bat(wo)*man')
mo5 = batRegex1.search("The Advanture of Batman")
print(mo5.group())mo6 = batRegex1.search("The Advanture of Batwoman")
print(mo6.group(),mo6.groups())mo7 = batRegex1.search("The Advanture of Batwowowoman")
print(mo7.group(),mo7.groups())

运行结果：

前面的星号与加号可以给定我们匹配多次，却不能控制匹配的次数。需要指定匹配的次数或者将匹配次数控制在某一范围内，可以使用花括号{}
花括号有两种使用方法：
1、指定匹配次数。只需要传入一个指定的匹配次数，如（Ha）{3}表示“Ha”重复3次，匹配“HaHaHa”，但不会匹配“Ha”，或“HaHa”等
2、指定匹配范围，类似于区间。例如（Ha）{3，5}那么“Ha”重复3至5次，那么“HaHaHa”，“HaHaHaHa”，“HaHaHaHaHa”都可以被匹配。

要注意Python 的正则表达式默认是“贪心”的，这表示在有二义的情况下，它们会尽可能匹配最长的字符串。花括号的“非贪心”版本匹配尽可能最短的字符串，即在结束的花括号后跟着一个问号。

greedRegex = re.compile(r'(Ha){3,5}')#贪心匹配
mo8 = greedRegex.search("HaHaHaHaHaHaHa")
print(mo8.group())#运行结果：HaHaHaHaHanongreedRegex = re.compile(r'(Ha){3,5}?')#非贪心匹配
mo9 = nongreedRegex.search("HaHaHaHaHaHaHa")
print(mo9.group())#运行结果：HaHaHa

findall方法

与search方法不同，search方法只返回第一次匹配的match对象。而findall方法将返回一组字符串列表，列表中每个字符串都是一段被查找的文本。

phoneNumberRegex1 = re.compile(r"\d\d\d-\d\d\d-\d\d\d\d")
mo10 = phoneNumberRegex1.search('Cell: 415-555-9999 Work: 212-555-0000')
print(mo10.group())
# findall()不是返回一个 Match 对象，而是返回一个字符串列表
print(phoneNumberRegex1.findall('Cell: 415-555-9999 Work: 212-555-0000'))
phoneRegex2 = re.compile(r'(\d\d\d)-(\d\d\d)-(\d\d\d\d)')
print(phoneRegex2.findall('Cell: 415-555-9999 Work: 212-555-0000'))

运行结果：

415-555-9999
['415-555-9999', '212-555-0000']
[('415', '555', '9999'), ('212', '555', '0000')]

通配符

符号 . 称之为通配符，匹配除了换行符以外的所有字符。但也可以通过在compile时传入re.DOTALL参数，匹配所有字符，包括换行符。

#通配符.匹配除了换行符以外的所有字符
atRegex = re.compile(r'.at')
print(atRegex.findall('The cat in the hat sat on the flat mat.'))# 点-星将匹配除换行外的所有字符。通过传入 re.DOTALL 作为 re.compile()的第
# 二个参数，可以让句点字符匹配所有字符，包括换行字符。
s = 'Serve the public trust.\nProtect the innocent. \nUphold the law.'
print(s)
nonewLineRegex = re.compile('.*')
print("nonlineRegex = \n",nonewLineRegex.search(s).group())
newLineRegex = re.compile('.*',re.DOTALL)
print("newlineRegex = \n",newLineRegex.search(s).group())

运行结果：

['cat', 'hat', 'sat', 'lat', 'mat']
Serve the public trust.
Protect the innocent.
Uphold the law.
nonlineRegex = Serve the public trust.
newlineRegex = Serve the public trust.
Protect the innocent.
Uphold the law.

以上便是小菜鸡对正则表达式的一个简单总结归纳，如有错误和疏漏，还请指正。

参考：
《ython编程快速上手—让繁琐工作自动化》，Al Sweigart 著.

python 正则表达式，看这篇就够了相关推荐

python6小时完全入门_如果只有1小时学Python，看这篇就够了,摸摸头发你还好吗！...
和很多同学接触过程中,我发现自学Python数据分析的一个难点是资料繁多,过于复杂.大部分网上的资料总是从Python语法教起,夹杂着大量Python开发的知识点,花了很多时间却始终云里雾里,不知道哪 ...
自学python数据分析要多久-如果只有1小时学Python，看这篇就够了
大家好,我是大鹏,城市数据团联合发起人,致力于Python数据分析.数据可视化的应用与教学. 和很多同学接触过程中,我发现自学Python数据分析的一个难点是资料繁多,过于复杂.大部分网上的资料总是从 ...
学python重点是什么_如果只有1小时学Python，看这篇就够了
大家好,我是大鹏,城市数据团联合发起人,致力于Python数据分析.数据可视化的应用与教学. 和很多同学接触过程中,我发现自学Python数据分析的一个难点是资料繁多,过于复杂.大部分网上的资料总是从 ...
python java混合编程_详解java调用python的几种用法(看这篇就够了)
java调用python的几种用法如下: 在java类中直接执行python语句在java类中直接调用本地python脚本使用Runtime.getRuntime()执行python脚本文件(推荐 ...
python中tkinter模块窗口操作_Python GUI之tkinter窗口视窗教程大集合（看这篇就够了）...
本篇博文搬到个人博客:[洪卫の博客](https://sunhwee.com)上面去了,想要获得最佳阅读体验,欢迎前往 [https://sunhwee.com](洪卫の博客), 建议用电脑查看教程文 ...
史上最全！用Pandas读取CSV，看这篇就够了
导读:pandas.read_csv接口用于读取CSV格式的数据文件,由于CSV文件使用非常频繁,功能强大,参数众多,因此在这里专门做详细介绍. 作者:李庆辉来源:大数据DT(ID:hzdashuj ...
React入门看这篇就够了
2019独角兽企业重金招聘Python工程师标准>>> 摘要: 很多值得了解的细节. 原文:React入门看这篇就够了作者:Random Fundebug经授权转载,版权归原作者所 ...
NDK撩妹三部曲（四）—NDK 开发如何优雅的定位 Native 异常，看这篇就够了
NDK 开发如何优雅的定位 Native 异常,看这篇就够了从何说起? 摘要案例实操 aaddr2line objdump ndk-stack 1.假设我们已经通过 adb logcat 拿到了程 ...
groovy if 判断字符串_Groovy快速入门看这篇就够了
原标题:Groovy快速入门看这篇就够了来自:刘望舒(微信号:liuwangshuAndroid) 前言在前面我们学习了和两篇文章,对Gradle也有了大概的了解,这篇文章我们接着来学习Groov ...
C++两个函数可以相互递归吗_[算法系列] 搞懂递归, 看这篇就够了 !! 递归设计思路 + 经典例题层层递进
[算法系列] 搞懂递归, 看这篇就够了 !! 递归设计思路 + 经典例题层层递进从学习写代码伊始, 总有个坎不好迈过去, 那就是遇上一些有关递归的东西时, 看着简短的代码, 怎么稀里糊涂就出来了. ...

python 正则表达式，看这篇就够了