正则表达式 - 技术栈

通过导入re模块，使得程序可以使用正则表达式。

一.字符匹配

findall(x,str) 遍历字符串，找到正则表达式匹配的所有位置，并以列表的形式返回。

python 复制代码

import re

re.findall('clocky7','clocky7 is a nice clocky7')

$'clocky7', 'clocky7'$

match 判断一个正则表达式是否从开始处匹配一个字符串。

python 复制代码

x = re.match('clocky7','clocky7 is a nice clocky7')
print(x)

y = re.match('is','clocky7 is a nice clocky7')
print(y)

<re.Match object; span=(0, 7), match='clocky7'>

None

search 遍历字符串，找到正则表达式匹配的第一个位置，返回匹配对象。

python 复制代码

re.search('clocky7','he is a good clocky7')

<re.Match object; span=(13, 20), match='clocky7'>

finditer() 遍历字符串，找到正则表达式匹配的所有位置，并以迭代器的形式返回

python 复制代码

r = re.finditer('ky','clocky is a good 1ky1')
print(type(r))
for i in r:
    print(i)

<class 'callable_iterator'>

<re.Match object; span=(4, 6), match='ky'>

<re.Match object; span=(18, 20), match='ky'>

二.正则的规则

hqyj匹配文本中的hqyj

python 复制代码

re.findall('hqyj','hqyj is a nice hqyj')

$'hqyj', 'hqyj'$

$hqyj$ 匹配h或者q或者y或者j字符

python 复制代码

# 这里引号要写在[]外，因为这个地方就是要填字符串
re.findall('[hqyj]','hqyj is a nice hqyj')

$'h', 'q', 'y', 'j', 'h', 'q', 'y', 'j'$

$\^hqyj$ 匹配除了hqyj以外的其他字符

python 复制代码

re.findall('[^hqyj]','hqyj is a nice hqyj')

$' ', 'i', 's', ' ', 'a', ' ', 'n', 'i', 'c', 'e', ' '$

$a-z$ 匹配a~z的任意字符( $0-9$ 也可以)

python 复制代码

re.findall('[a-z]','he is a 12345')

$'h', 'e', 'i', 's', 'a'$

. 匹配除了换行符以外的任意字符，空字符也可以返回

python 复制代码

re.findall('.','he is a 12345')

$'h', 'e', ' ', 'i', 's', ' ', 'a', ' ', '1', '2', '3', '4', '5'$

. 后还可以添加字符匹配,其表示（默认）匹配一个任意字符加上特定字符匹配

python 复制代码

a = re.findall('.12','he is a 12345')
print(a)

#贪婪匹配(匹配最长的)
b = re.findall('.+12','he is a 12345')
print(b)

# 可以是没有字符（空），用 - 表示
c = re.findall('.+?12','12 he is a 12345')
print(c)

$' 12'$ $'he is a 12'$ $'12 he is a 12'$

三.特殊字符

python 复制代码

import re
# \d 匹配任何十进制数字；相当于类 [0-9]
re.findall(r'\d', 'abc123')

$'1', '2', '3'$

python 复制代码

# \D与 \d 相反，匹配任何非十进制数字的字符；相当于类 [^0-9]
import re
s = '123abc456'
print(re.findall('\D',s))

$'a', 'b', 'c'$
<>:4: SyntaxWarning: invalid escape sequence '\D'

<>:4: SyntaxWarning: invalid escape sequence '\D'

C:\Users\Clocky7\AppData\Local\Temp\ipykernel_18016\3487280925.py:4: SyntaxWarning: invalid escape sequence '\D'

print(re.findall('\D',s))

python 复制代码

# \s 匹配任何空白字符（包含空格、换行符、制表符等）；相当于类 [  \t\n\r\f\v]
s = 'a\tb\nc\td'
print(re.findall('\s',s))

$'\\t', '\\n', '\\t'$
<>:3: SyntaxWarning: invalid escape sequence '\s'

<>:3: SyntaxWarning: invalid escape sequence '\s'

C:\Users\Clocky7\AppData\Local\Temp\ipykernel_18016\4213507675.py:3: SyntaxWarning: invalid escape sequence '\s'

print(re.findall('\s',s))

python 复制代码

# \S 与 \s 相反，匹配任何非空白字符
import re
s = 'a\tb\tc'
print(re.findall('\S',s))

$'a', 'b', 'c'$
<>:4: SyntaxWarning: invalid escape sequence '\S'

<>:4: SyntaxWarning: invalid escape sequence '\S'

C:\Users\Clocky7\AppData\Local\Temp\ipykernel_18016\108571978.py:4: SyntaxWarning: invalid escape sequence '\S'

print(re.findall('\S',s))

python 复制代码

# \w 匹配任意一个文字字符，包括大小写字母、数字、下划线，等价于表达式[a-zA-Z0-9_]

s = 'hello world_1234\t\n'
print(re.findall('\w',s))

$'h', 'e', 'l', 'l', 'o', 'w', 'o', 'r', 'l', 'd', '_', '1', '2', '3', '4'$
<>:4: SyntaxWarning: invalid escape sequence '\w'

<>:4: SyntaxWarning: invalid escape sequence '\w'

C:\Users\Clocky7\AppData\Local\Temp\ipykernel_18016\159184317.py:4: SyntaxWarning: invalid escape sequence '\w'

print(re.findall('\w',s))

python 复制代码

# \W 与 \w 相反  (注：re.ASCII 标志使得 \w 只能匹配 ASCII 字符)
import re
s = 'a1b2c3d4e5f6 g7h8i9j0'
print(re.findall('\W',s))

$' '$
<>:4: SyntaxWarning: invalid escape sequence '\W'

<>:4: SyntaxWarning: invalid escape sequence '\W'

C:\Users\Clocky7\AppData\Local\Temp\ipykernel_18016\603422700.py:4: SyntaxWarning: invalid escape sequence '\W'

print(re.findall('\W',s))

python 复制代码

# \b 匹配一个单词边界，也就是指单词和空格间的位置。
# 例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。
import re
s = 'clocky7 ikys a nice clocky'
t = re.findall(r'ky\b',s)
print(t)

$'ky'$

关于 \b 实际有一个需要注意的地方：

python 复制代码

# \b 在系统中可能作为其他字符的转义字符，比如 \n \t 等，\b表示退格,前面的一个字符会消失。所以在正则表达式中，最好在字符串前加r
import re
s = 'clocky7 is a nice clocky'

# 可见此处，\b已经不是正则表达式的元字符了，因此没法匹配
t = re.findall('ky\b',s)
print(t)


#测试\b,应该输出lve
print ("test \\b  :lo\bve")

test \b :lve

python 复制代码

# \B 与 \b 相反，'er\b' 不能匹配"never" 中的 'er'，但能匹配 "verb" 中的 'er'。
import re
s = 'clocky7 ikys a nice clocky'
t = re.findall(r'ky\B', s)

print(t)

$'ky', 'ky'$

四.数量控制

python 复制代码

import re
# *重复0次或多次
s = 'clocky7 is_a nice clocky77'
print(re.findall('clocky7*',s))

$'clocky7', 'clocky77'$

python 复制代码

# +重复1次或多次
s = 'clocky7 is_a nice clocky77'
print(re.findall('7+',s))

$'7', '77'$

python 复制代码

# ?重复1次或0次

import re

s = 'clocky7 is a nice clockyy7'
print(re.findall('kyy?', s))

$'ky', 'kyy'$

python 复制代码

# {n}重复n次
import re

s = 'clocky666 is a clocky66'
print(re.findall('ky6{2}', s))

$'ky66', 'ky66'$

python 复制代码

# {n,}重复n次或多次

import re
s = 'clocky666 is a clocky66'
print(re.findall('ky6{2,}', s))

$'ky666', 'ky66'$

python 复制代码

# {n,m}重复n到m次

import re
s = 'clocky666 is a clocky66,and clocky6666666'
print(re.findall('ky6{2,3}',s))

$'ky666', 'ky66', 'ky666'$

五.分组

**()**提取兴趣区域

其前后可以规定字符，最终输出的是括号的要求的表达式。

python 复制代码

import re

s = 'clocky7 is a nice clocky78898'
print(re.findall(r'clocky(\d+)', s))

$'7', '78898'$

**(|)**提取兴趣区域(| = or)

python 复制代码

import re

s = '伊内斯得了MVP,琴柳得了MVP,温蒂得了MVP,维什戴尔得了MVP'
print(re.findall(r'(\w{2,})得了MVP', s))

$'伊内斯', '琴柳', '温蒂', '维什戴尔'$

六.开始与结束

^ 表示从字符串开头进行操作，不去找下面的字符

python 复制代码

import re
s = "clocky7 is a good clocky8"
print(re.findall(r"^clocky\d", s))

$'clocky7'$

$ 表示从字符串结尾进行操作，不去找前面的字符

python 复制代码

import re
s = "clocky7 is a good clocky8"
print(re.findall(r'clocky\d$', s))

$'clocky8'$

注意：由于正则表达式中 * . \ {} () 等等符号具有特殊含义,如果你指定的字符正好就是这些符号,需要用 \ 进行转义

七.正则表达式常见方法

由于前面提过了 findall() , match() , **serch()**方法，接下来介绍一些不同的：

sub(a,b,c) 替换匹配成功的字符,a是被替换的，b是替换上去的,c是字符串

类似与字符串的replace函数

python 复制代码

import re
s = 'clocky7 is a clock'
print(re.sub('clocky7','MOl',s))

MOl is a clock

split 根据匹配成功的位置对字符串进行分割

python 复制代码

import re
s = 'clocky7 like6 arknights'
print(re.split(r'\d+',s))

$'clocky', ' like', ' arknights'$