python 之正则表达式详解

文章目录


分清字符串与字符

r与R

在Python中,前缀 rR 表示原始字符串。这种原始字符串中的反斜杠字符 \ 被视为普通字符,而不是转义字符。这在处理正则表达式、文件路径等需要保留反斜杠原始含义的情况下非常有用。

原始字符串的特点:

  1. 反斜杠不进行转义: 在普通字符串中,反斜杠具有特殊含义,如 \n 表示换行符、\t 表示制表符等。但在原始字符串中,反斜杠只是普通字符,如 \\ 会被视为两个反斜杠字符而不是转义字符。

  2. 常用于正则表达式、文件路径: 在处理正则表达式时,原始字符串非常有用,因为正则表达式经常包含大量反斜杠。同时,处理文件路径时,原始字符串能够避免不必要的转义。

示例:

正则表达式示例:
python 复制代码
import re

# 使用原始字符串处理正则表达式
pattern = r'\b\d{3}\b'  # 匹配一个三位数的单词
text = "The code is 123 and 4567."

matches = re.findall(pattern, text)
print(matches)
文件路径示例:
python 复制代码
path = r'C:\Users\Username\Documents\file.txt'
with open(path, 'r') as file:
    content = file.read()
    print(content)

这些示例演示了如何使用 rR 前缀创建原始字符串,以便在正则表达式或文件路径等场景中保留反斜杠的原始含义。

有没有r 带来的影响

在Python中,使用 r 前缀与不使用 r 前缀的主要区别是,r 前缀创建的是一个"原始字符串",其中反斜杠 \ 不会被解释为转义字符。这在处理正则表达式时特别有用,因为正则表达式本身经常包含大量反斜杠。

使用 r 前缀的示例:

python 复制代码
pattern = r'(\d{4}-\d{2}-\d{2})\s\1'

这个模式是用来匹配一个日期格式(YYYY-MM-DD),然后后面跟着相同的日期格式,两者之间有一个空格。在原始字符串中,反斜杠 \ 不会被看作是转义字符,而是作为普通字符。所以 \d 表示匹配数字字符,\s 表示匹配空白字符(空格、制表符等),\1 表示引用前面捕获的日期格式。

不使用 r 前缀的示例:

python 复制代码
pattern = '(\d{4}-\d{2}-\d{2})\s\1'

在这种情况下,没有使用 r 前缀,因此反斜杠 \ 会被看作是转义字符。这可能导致一些意想不到的结果,因为反斜杠后面的字符可能被解释为特殊字符而非字面意义。 在正则表达式中,\d 代表数字字符,\s 代表空白字符,\1 引用前面捕获的内容。

总的来说,使用 r 前缀创建原始字符串通常更适合于编写正则表达式,因为它可以让反斜杠在字符串中保持原样,避免不必要的转义。

\b 作为单词的界限

当使用 \b 作为单词边界的元字符时,可以结合不同的模式以展示其作用。以下是不同用法的示例代码:

匹配以 "cat" 开头的单词:

python 复制代码
import re

text = "The cat and the catfish sat on the catwalk."

pattern_starting_with_cat = r'\bcat\w*'
matches_starting_with_cat = re.findall(pattern_starting_with_cat, text)
print("匹配以 'cat' 开头的单词:", matches_starting_with_cat)

这段代码中的 r'\bcat\w*' 匹配以 "cat" 开头的单词。在给定文本中,它会返回以 "cat" 开头的所有单词,例如 "cat", "catfish", "catwalk"。

匹配以 "cat" 结尾的单词:

python 复制代码
pattern_ending_with_cat = r'\b\w*cat\b'
matches_ending_with_cat = re.findall(pattern_ending_with_cat, text)
print("匹配以 'cat' 结尾的单词:", matches_ending_with_cat)

这段代码中的 r'\b\w*cat\b' 匹配以 "cat" 结尾的单词。在给定文本中,它会返回以 "cat" 结尾的所有单词,例如 "cat", "catfish"。

匹配整个单词 "cat":

python 复制代码
pattern_entire_word = r'\bcat\b'
matches_entire_word = re.findall(pattern_entire_word, text)
print("匹配整个单词 'cat':", matches_entire_word)

这段代码中的 r'\bcat\b' 匹配整个单词 "cat"。在给定文本中,它会返回所有独立的 "cat" 单词。

但是它不会返回"catfood"等包含"cat"的单词

运行这些代码将展示 \b 作为单词边界的不同用法,以便更好地理解其功能。

' .' 匹配除'\n'外任意字符

在正则表达式中,. 是一个特殊的元字符,用于匹配除了换行符 \n 之外的任何单个字符。

用法示例:

  1. 匹配任何单个字符: 正则表达式 . 可以匹配任何单个字符,比如字母、数字、标点符号等,除了换行符。

  2. 结合其他模式使用: 可以将. 与其他模式结合使用,比如 a. 可以匹配以字母 "a" 开头,后面跟着任何一个字符的字符串。

  3. 贪婪匹配: . 是贪婪的,它会尽可能多地匹配字符,直到无法匹配为止。

示例:

python 复制代码
import re

text = "The cat sat on the mat."

pattern = r'c.t'  # 匹配以 "c" 开头,后面是任意字符,然后是 "t"
matches = re.findall(pattern, text)
print(matches)  # 输出匹配的内容

在上述示例中,r'c.t' 这个模式将匹配字符串中以 "c" 开头,后面跟着任意字符,然后以 "t" 结尾的部分。在给定的文本中,匹配到的是 "cat"。

. 是一个非常常用的元字符,用于捕获或匹配大多数的单个字符,但需要注意它不能匹配换行符 \n

*匹配位于 * 之前的字符或者子模式0次或者多次

在正则表达式中,* 是一个量词,用于指示其前面的模式可以出现零次或多次。它表示匹配前面的元素零次或多次。

用法示例:

  • 匹配零次或多次:

    • a* 匹配零个或多个 "a"。
    • ab* 匹配 "a" 后面跟着零个或多个 "b"。例如,"a", "ab", "abb", "abbb", 等等。
  • 贪婪匹配:

    • a*贪婪的,它会尽可能多地匹配 "a",直到无法匹配为止。
  • 结合其他模式使用:

    • 可以将 * 与其他字符结合使用,比如 .* 可以匹配任意数量的任意字符(除了换行符)。

示例:

python 复制代码
import re

text = "The cat sat on the mat."

pattern = r's.*t'  # 匹配以 "s" 开头,后面是零个或多个任意字符,然后以 "t" 结尾
matches = re.findall(pattern, text)
print(matches)  # 输出匹配的内容

在上述示例中,r's.*t' 这个模式将匹配字符串中以 "s" 开头,后面跟着零个或多个任意字符,最后以 "t" 结尾的部分。在给定的文本中,匹配到的是 "sat" 和 "sat on the mat"。

* 是一个灵活且常用的量词,用于指示匹配其前面的模式零次或多次,以满足灵活的匹配需求。

+ 匹配+ 之前的字符或者子模式 1次或者多次出现

在正则表达式中,+ 是一个量词,用于指示其前面的模式必须至少出现一次或多次。它表示匹配前面的元素至少一次或多次。

用法示例:

  • 匹配一次或多次:

    • a+ 匹配一个或多个 "a"。
    • ab+ 匹配 "a" 后面跟着一个或多个 "b"。例如,"ab", "abb", "abbb", 等等。
  • 贪婪匹配:

    • a+ 是贪婪的,它会尽可能多地匹配 "a",直到无法匹配为止。
  • 结合其他模式使用:

    • 可以将 + 与其他字符结合使用,比如 .+ 可以匹配任意数量的任意字符(除了换行符)。

示例:

python 复制代码
import re

text = "The cat sat on the mat."

pattern = r's.+t'  # 匹配以 "s" 开头,后面是一个或多个任意字符,然后以 "t" 结尾
matches = re.findall(pattern, text)
print(matches)  # 输出匹配的内容

在上述示例中,r's.+t' 这个模式将匹配字符串中以 "s" 开头,后面跟着一个或多个任意字符,最后以 "t" 结尾的部分。在给定的文本中,匹配到的是 "sat on the mat"。

+ 用于指示至少要有一个或多个其前面的元素出现,使得匹配更具体并要求至少有一次出现。
注意:+ 号会至少匹配一次,但是* 可以至少匹配0次

- 号运算符

在[ ]里面表示范围

python 复制代码
[a-z]//表示小写字母

单单表示连接

- 不用作特殊含义时,它只匹配连字符本身而不具备其他特殊作用。

举例:

假设我们有一个文本字符串 "I have a 5-year-old cat",如果我们使用模式 r'\d+-year-old',这个模式会匹配包含连字符的短语,比如 "5-year-old"。

在这个例子中,- 只是表示连字符,它并没有特殊的匹配行为。

| 或关系

在正则表达式中,| 称为"管道符"或"竖线",它用于表示"或"关系。在正则表达式中,| 用于匹配多个模式中的任何一个。

用法示例:

  • 匹配多个模式之一:

    • cat|dog 匹配包含 "cat" 或 "dog" 中任何一个的字符串。
    • yes|no 匹配包含 "yes" 或 "no" 中任何一个的字符串。
  • 用括号分组:

    • (cat|dog)food 匹配 "catfood" 或 "dogfood"。
    • yes(no|yes) 匹配 "yesno" 或 "yesyes"。

示例:

python 复制代码
import re

text = "I have a cat and a dog."

pattern = r'cat|dog'  # 匹配包含 "cat" 或 "dog" 中任何一个的字符串
matches = re.findall(pattern, text)
print(matches)  # 输出匹配的内容

在上面的示例中,r'cat|dog' 这个模式将匹配包含 "cat" 或 "dog" 中任何一个的部分。在给定的文本中,匹配到的是 "cat" 和 "dog"。

| 是一个非常有用的元字符,允许同时匹配多个模式中的任何一个,从而提供更灵活的匹配。

^ 规定开头

在正则表达式中,^ 是一个特殊的元字符,用于匹配字符串的开头。

用法示例:

  • 匹配字符串开头: ^pattern 匹配以指定模式 pattern 开头的字符串。
    • 例如,^hello 匹配以 "hello" 开头的字符串。

示例:

python 复制代码
import re

text = "hello world"

pattern = r'^hello'  # 匹配以 "hello" 开头的字符串
matches = re.findall(pattern, text)
print(matches)  # 输出匹配的内容

在上面的示例中,r'^hello' 这个模式将匹配以 "hello" 开头的字符串。在给定的文本中,由于 "hello" 出现在开头,所以正则表达式匹配到了 "hello"。

^ 在正则表达式中具有锚定作用,它表示匹配字符串的开头位置。

$ 匹配以$ 前面的字符或者模式结束的字符串

在正则表达式中,$ 是一个特殊的元字符,用于匹配字符串的结尾。

用法示例:

  • 匹配字符串结尾: pattern$ 匹配以指定模式 pattern 结尾的字符串。
    • 例如,world$ 匹配以 "world" 结尾的字符串。

示例:

python 复制代码
import re

text = "hello world"

pattern = r'world$'  # 匹配以 "world" 结尾的字符串
matches = re.findall(pattern, text)
print(matches)  # 输出匹配的内容

在上面的示例中,r'world$' 这个模式将匹配以 "world" 结尾的字符串。在给定的文本中,由于 "world" 出现在结尾,所以正则表达式匹配到了 "world"。

$ 在正则表达式中具有锚定作用,它表示匹配字符串的结尾位置。

? 的可选择性与改变"贪心性"

在正则表达式中,? 是一个量词,用于指示其前面的模式可以出现零次或一次,表示可选匹配。

用法示例:

  • 匹配零次或一次(也就是选择性):

    • colou?r 匹配 "colour" 或 "color"。在这里,ou? 表示 u 可以出现零次或一次,使得匹配模式更加灵活。
  • 非贪婪匹配:

    • a? 是非贪婪的,它只匹配零次或一次,尽可能少地匹配。
  • 结合其他模式使用:

    • 可以将 ? 与其他字符结合使用,比如 a?b 可以匹配零个或一个 "a",后面跟着 "b"。

示例:

python 复制代码
import re

text = "The colour is red, but color is also acceptable."

pattern = r'colou?r'  # 匹配 "colour" 或 "color"
matches = re.findall(pattern, text)
print(matches)  # 输出匹配的内容

在上述示例中,r'colou?r' 这个模式将匹配 "colour" 或 "color"。在给定的文本中,它匹配到了 "colour" 和 "color",因为 ou? 允许 u 出现零次或一次,使得模式可以匹配两种拼写形式。

改变贪心性

? 紧跟在其他限定符(比如 *, +, {})后面时,它改变限定符的默认贪婪性,使其变为非贪婪或最小匹配。

默认贪婪匹配和非贪婪匹配:

  • 默认情况下,*, +, {} 等限定符是贪婪的:

    • 它们会尽可能多地匹配文本,直到无法匹配为止。
  • 在限定符后添加 ? 将使其变为非贪婪匹配:

    • 这表示它们会尽可能少地匹配文本,只匹配所需的最小字符数。

示例:

python 复制代码
import re

text = "This is a sample sentence for demonstrating non-greedy matching."

# 贪婪匹配
pattern_greedy = r'.+e'
matches_greedy = re.findall(pattern_greedy, text)
print("贪婪匹配:", matches_greedy)

# 非贪婪匹配
pattern_non_greedy = r'.+?e'
matches_non_greedy = re.findall(pattern_non_greedy, text)
print("非贪婪匹配:", matches_non_greedy)

在上述示例中,r'.+e' 是一个贪婪匹配,它会匹配尽可能多的字符直到找到以 "e" 结尾的内容。相反,r'.+?e' 是一个非贪婪匹配,它会尽可能少地匹配字符直到找到以 "e" 结尾的内容。在给定文本中,这两种模式的匹配结果是不同的,一个会匹配更多的内容,另一个会匹配更少的内容。

\ 为转义

在正则表达式中,反斜杠 \ 是一个特殊字符,用于表示后面紧跟着的字符具有特殊含义或具有特定功能。它会改变紧跟其后的字符的解释方式,称为转义字符。

下面是一些常见的用法和特殊含义:

1. 转义特殊字符:

  • 使用 \ 可以让特殊字符失去其特殊含义。比如,. 通常匹配任意字符,但 \. 匹配实际的句点。

2. 匹配特殊字符:

  • \d 匹配一个数字字符。
  • \w 匹配一个字母、数字或下划线字符。
  • \s 匹配任何空白字符(例如空格、制表符、换行符等)。

3. 匹配特定字符:

  • \n 匹配换行符。
  • \t 匹配制表符。
  • \r 匹配回车符。
  • \\ 匹配实际的反斜杠字符。

示例:

假设有以下文本字符串:

python 复制代码
text = "The cat and the hat sat flat on the mat."

import re

pattern = r'\st\w+'  # 匹配以空格开始,后面是字母 "t",然后跟着一个或多个字母、数字或下划线字符的内容
matches = re.findall(pattern, text)
print(matches)

在这个示例中,r'\st\w+' 这个模式会匹配以空格开始,后面是字母 "t",然后跟着一个或多个字母、数字或下划线字符的内容。在给定的文本中,这个模式匹配到的内容是 " the"、 " the".

\num 匹配重复出现字符或者模式

当使用 \num 这种形式的反向引用时,num 代表着之前已经捕获的分组编号。这种引用可以用来匹配之前已经出现的相同模式。以下是两个示例:

示例1:匹配重复的连续数字

假设有字符串:

python 复制代码
text = "1234 1234 5678"

使用正则表达式来匹配重复的连续数字:

python 复制代码
import re

pattern = r'(\d+)\s\1'  # 匹配重复的连续数字
matches = re.findall(pattern, text)
print(matches)  # 输出匹配的内容

示例2:匹配重复的日期格式

假设有字符串:

python 复制代码
text = "Today is 2023-10-10, and tomorrow is 2023-10-10 as well."

使用正则表达式来匹配重复的日期格式:

python 复制代码
import re

pattern = r'(\d{4}-\d{2}-\d{2})\s\1'  # 匹配重复的日期格式
matches = re.findall(pattern, text)
print(matches)  # 输出匹配的内容

这两个示例都使用了 \num 的反向引用,用来匹配先前已经捕获的相同模式。

相关推荐
Captain823Jack23 分钟前
nlp新词发现——浅析 TF·IDF
人工智能·python·深度学习·神经网络·算法·自然语言处理
资源补给站1 小时前
大恒相机开发(2)—Python软触发调用采集图像
开发语言·python·数码相机
Captain823Jack1 小时前
w04_nlp大模型训练·中文分词
人工智能·python·深度学习·神经网络·算法·自然语言处理·中文分词
PieroPc1 小时前
Python 自动化 打开网站 填表登陆 例子
运维·python·自动化
VinciYan2 小时前
基于Jenkins+Docker的自动化部署实践——整合Git与Python脚本实现远程部署
python·ubuntu·docker·自动化·jenkins·.net·运维开发
测试老哥2 小时前
外包干了两年,技术退步明显。。。。
自动化测试·软件测试·python·功能测试·测试工具·面试·职场和发展
終不似少年遊*2 小时前
美国加州房价数据分析01
人工智能·python·机器学习·数据挖掘·数据分析·回归算法
如若1233 小时前
对文件内的文件名生成目录,方便查阅
java·前端·python
西猫雷婶3 小时前
python学opencv|读取图像(二十一)使用cv2.circle()绘制圆形进阶
开发语言·python·opencv
老刘莱国瑞4 小时前
STM32 与 AS608 指纹模块的调试与应用
python·物联网·阿里云