懵了!女友突然问我什么是正则表达式

来源:Python 技术「ID: pythonall」

正则表达式相信大家应该都不陌生,本质上就是一种微小的、高度专业化的编程语言,使用它你可以为要匹配的可能字符串集指定规则。大多数编程语言正则语法基本相似,只是实现正则的函数库不同,今天就来跟大家一起了解下 Python 支持正则表达式的函数。

简单应用

正则最简单的应用,就是对字符串进行操作,用来找出想要匹配的字符串,比如 Python 就只会匹配字符串 Python ,当然也可以设置不区分大小写,这样就可以匹配更多,比如 pythonpyThon等。

如果还想来点复杂的匹配要怎么做,这就需要用到元字符了,下面就是所有的元字符:

   // 元字符
  [ ] ( ) . ^ $ * + ? { }  \ | 

元字符 [ ] \

这一对元字符主要用于指定字符类,也就是你想要匹配的一组字符。

比如:[asd] 就是要匹配任何字符 a, s, d,但如果想匹配 a b c d e …… x y z 是不是要把所有的都写一遍?当然不是了,这个我们可以写成 [a-z] 就行了,- 就是用来表示一个范围,再比如表示数字 1 至 9,可以写成 [1-9]

上面说的是包含的字符范围,如果想匹配不包含的范围要怎么做?这就要用到元字符 ^,比如匹配除了 n, u, 3 之外的字符,可以写成 [^nu3]

还有一点需要注意,在 [ ] 中的元字符会作为普通字符匹配,比如 [$+] 就会匹配 $, +

最后说下元字符 \,它的意义是用于转义所有元字符,也就是去掉元字符的特殊性,比如 \{\$\\,其实就是匹配字串 {, $, \

特殊字符类

上面说了 [a-z] 可以匹配所有小写字母,[0-9] 用来匹配所有数字,这样已经够简单了,还有更简单的几种特殊范围表达方式。

字符 说明
. 匹配除 "\n" 之外的任何单个字符。要匹配包括 '\n' 在内的任何字符,请使用象 '[.\n]' 的模式。
\d 相当于[0-9],即匹配一个数字字符。
\D 相当于[^0-9],即匹配一个非数字字符。
\s 相当于[\f\n\r\t\v],也就是匹配任何空白字符,包括空格、制表符、换页符等等。
\S 相当于[^\f\n\r\t\v],匹配任何非空白字符。
\w 相当于[a-zA-Z0-9_],匹配任何字母与数字字符。
\W 相当于[^a-zA-Z0-9_],匹配任何非字母与数字字符。

上面这些特殊序列可以包含在字符类中,比如 [\s\d,] 即匹配任何空白字符,数字和 ,

重复匹配 * + ?{m,n}

只是做到匹配字符串集合,肯定是不够的,它还有个更大的优势,那就是可以指定某一部分字符是重复的,并且可以指定重复的次数。

先说第一个表示重复的元字符 *,它用来指定前面一个字符可以重复0次或者多次。

比如 ap*le 将会匹配 apple,appple,ale 等等。

这里当重复正则时,匹配引擎会尝试尽可能多的重复它。当发现模式的后续部分不匹配,则匹配引擎将会回退并以较少的重复次数再次尝试。

另一个重复的元字符 +,它用来表示前一个字符可重复1次或多次。它跟 * 相比,其实就是少了一个重复0次,也就是上面 ap*le 换成 ap+le 不会出现匹配到 ale

第三个元字符就是 ?,它用来表示前一个字符可重复0次或1次,把上面的例子换成 ap?le,其实就是两个字符串 aleaple

最后一个复杂些就是 {m,n},这个表示前一个字符可重复次数是一个区间,也就是最少重复m次,最多重复n次。

例如 ap{2,3}le将会匹配 apple,appple 两个字符串,其他都不会匹配。

在这里需要注意下,m 需要小于 n,当然 mn 也是可以省略的。比如当 m=0 时,可以省略 m,当 n 为无穷大时,也可以省略 n。

如何使用?分两步

  1. 编译

对!你没看错,如果想使用正则表达式,首先得要把它编译成模式对象。编译成对象后,它就可以使用各种操作方法了,比如字串匹配查询或替换等。

Python 编译的方法是 re.compile('正则表达式'),比如 re.compile('ap?le')

当然也可以传一些特殊的参数,比如忽略大小写,那上面的编译方法就可以写成 re.compile('ap?le', re.IGNORECASE),这样在匹配字串时就可以忽略大小写了。

那除了这个还有别的参数吗?有,下面我把一部分常用的参数列出来,对了参数还可以简写,比如刚才使用的 re.IGNORECASE 可以简写成 re.I,这样就方便多了。

以下是常用编译参数:

参数 简写 说明
IGNORECASE I 忽略大小写
ASCII A 使几个转义(\w\b\s\d)匹配仅与具有相应特征属性的 ASCII 字符匹配
DOTALL S 使 . 匹配任何字符,包括换行符
LOCALE L 进行区域设置感知匹配
MULTILINE M 多行匹配,影响 ^$
VERBOSE X 忽略正则字符串中的空格,除非空格位于字符类中或前面带有未转义的反斜杠,可以组织和缩进,还可以写注释

大部分都容易理解,只是最后一个参数 VERBOSE 可能不太容易理解,这里给大家个官方的例子看下就理解了。

test = re.compile(r"""
 &[#]                # 数字开始部分
 (
     0[0-7]+         # 八进制
   | [0-9]+          # 小数形式
   | x[0-9a-fA-F]+   # 十六进制
 )
 ;                   # 结束分号
""", re.VERBOSE)

  1. 查找匹配

其实上面说的编译都只是在做准备,准备接下来要介绍的,正则表达式最重要的查询匹配。

常用匹配方法:

  • match():当是从字符串的开头开始匹配时使用,如匹配不上返回None
  • search():通过扫描字符串,来匹配字符串任意位置,如匹配不上返回None
  • findall():这个方法返回的是个列表,即所有匹配上的字符串列表;
  • finditer():这个和 findall() 相同,只是不是返回列表,而是一个 iterator。

上面这些方法,如果匹配成功,会返回一个对象实例,其中包含匹配相关的信息:起始和终结位置、匹配的子串以及其它信息。

// 示例代码
import re
ret = re.compile('[0-9]+') 
ret.match("apple")    // 返回 None   
ret.match("12189")   // 返回 <re.Match object; span=(0, 5), match='12189'>
ret.match("121ab")   // 返回 <re.Match object; span=(0, 3), match='121'>

总结

好了,今天我们简单介绍了下正则表达式,以及在 Python 中如何使用正则表达式,其实以上这些只是基础,后续还会为大家介绍更多。OK,今天就聊这些,如果你喜欢记得点 在看

(0)

相关推荐