led设计网站建设,wordpress图片广告代码,页面升级3秒后自动跳转,建筑网站叫什么盘python正则表达式处理文本-re模块
1.概述
正则表达式通常用于含有大量文本处理的应用当中。例如#xff0c;它们经常用作开发者使用的文本编辑程序的搜索模式#xff0c;包括 vi#xff0c;emacs 和现代集成开发环境。它们也是 Unix 命令行工具的组成部分#xff0c;例如…python正则表达式处理文本-re模块
1.概述
正则表达式通常用于含有大量文本处理的应用当中。例如它们经常用作开发者使用的文本编辑程序的搜索模式包括 viemacs 和现代集成开发环境。它们也是 Unix 命令行工具的组成部分例如 sed、grep 和 awk。很多编程语言是在语法中支持正则表达式Perl、Ruby、Awk 和 Tcl但 C、C 和 Python 等其他语言通过扩展库来支持正则表达式。
正则表达式存在多个开源实现每个实现都共享一个通用的核心语法但对高级特性有不同的扩展和修改。Python 的 re 库使用的语法基于 Perl 的正则表达式语法并且有一些特定于 Python 的增强。
尽管「正则表达式」的正式定义仅限于描述正则语言的表达式但 re 支持的一些扩展已经超出了正则语言的范畴。在这里「正则表达式」术语有点更通用的感觉意味着是任何可以被 Python 的 re 模块所描述的表达式。
2.re模块介绍
python中re模块赋予了正则更强的表达能力 尽管「正则表达式」的正式定义仅限于描述正则语言的表达式但 re 模块支持的一些扩展已经超出了正则语言的范畴。 在这里「正则表达式」术语有点更通用的感觉意味着是任何可以被 Python 的 re 模块所描述的表达式。
re模块结构介绍 re模块由9个常量、12个函数、1个异常构成下面通过示例详细介绍他们使用方法应用到开发中解决实际的问题。
re模块常用函数介绍 re模块提供了许多的函数对文本做不同的处理下面是函数处理文本的职责。
match函数 使用一个模式匹配文本如果匹配成功就返回匹配到的内容否则返回Nonecompile 函数 用于编译正则表达式生成一个正则表达式 Pattern 对象供 match() 和 search() 这两个函数使用search函数 扫描整个字符串并返回第一个成功的匹配如果没有匹配就返回一个 None。findall函数 在字符串中找到正则表达式所匹配的所有子串并返回一个列表如果没有找到匹配的则返回空列表。注意 match 和 search 是匹配一次 findall 匹配所有。finditer函数 和 findall 类似在字符串中找到正则表达式所匹配的所有子串并把它们作为一个迭代器返回。sub函数 sub是substitute的所写表示替换将匹配到的数据进⾏替换。subn函数 行为与sub()相同但是返回一个元组 (字符串, 替换次数)。split函数 根据匹配进⾏切割字符串并返回⼀个列表。
3.re模块常量介绍
3.1.常量介绍
re模块常量是定义在一个继承Int类型的枚举类中有9个常量常量的值都是int类型。
class RegexFlag(enum.IntFlag):ASCII A sre_compile.SRE_FLAG_ASCII # assume ascii localeIGNORECASE I sre_compile.SRE_FLAG_IGNORECASE # ignore caseLOCALE L sre_compile.SRE_FLAG_LOCALE # assume current 8-bit localeUNICODE U sre_compile.SRE_FLAG_UNICODE # assume unicode localeMULTILINE M sre_compile.SRE_FLAG_MULTILINE # make anchors look for newlineDOTALL S sre_compile.SRE_FLAG_DOTALL # make dot match newlineVERBOSE X sre_compile.SRE_FLAG_VERBOSE # ignore whitespace and comments# sre extensions (experimental, dont rely on these)TEMPLATE T sre_compile.SRE_FLAG_TEMPLATE # disable backtrackingDEBUG sre_compile.SRE_FLAG_DEBUG # dump pattern after compilation1.IGNORECASE
语法 re.IGNORECASE 或简写为 re.I
作用 进行忽略大小写匹配
下面的例子查询match时会将大写和小写都查询出来
import repattern match
text Does this text match the pattern, Match textprint(默认区分大小写, re.findall(pattern, text), end\n)print(IGNORECASE属性忽略大小写, re.findall(pattern, text, re.IGNORECASE))查找文本时使用re.IGNORECASE常量忽略了match的大小写大写和小写的match都会查询到。
默认区分大小写 [match]
IGNORECASE忽略大小写 [match, Match]2.ASCII码
语法 re.ASCII 或简写为 re.A 作用 顾名思义ASCII表示ASCII码的意思让 \w, \W, \b, \B, \d, \D, \s 和 \S 只匹配ASCII而不是Unicode。
import re
pattern r\w
text a白日依山尽b黄河入海流cprint(Unicode模式查找结果, re.findall(pattern, text))print(ASCII模式查找结果, re.findall(pattern, text, re.ASCII))在默认匹配模式下\w匹配到了所有字符串而在ASCII模式下只匹配到了a、b、cASCII编码支持的字符。
Unicode模式查找结果 [a白日依山尽b, 黄河入海流c]
ASCII模式查找结果 [a, b, c]3.DOTALL
语法 re.DOTALL 或简写为 re.S
作用 DOT表示.ALL表示所有连起来就是.匹配所有包括换行符\n。默认模式下.是不能匹配行符\n的。
import re
pattern r.*
text 白日依山尽,\n黄河入海流
print(默认匹配, re.findall(pattern, text))print(.匹配所有, re.findall(pattern, text, re.DOTALL))在默认匹配模式下.并没有匹配换行符\n而是将字符串分开匹配而在re.DOTALL模式下换行符\n与字符串一起被匹配到。
默认匹配 [白日依山尽,, , 黄河入海流, ]
.匹配所有 [白日依山尽,\n黄河入海流, ]4. MULTILINE
语法 re.MULTILINE 或简写为 re.M
作用 多行模式当某字符串中有换行符\n默认模式下是不支持匹配下一行行头匹配。而多行模式下是支持匹配行开头的。
正则表达式中^表示匹配行的开头默认模式下它只能匹配字符串的开头而在多行模式下它还可以匹配 换行符\n后面的字符。
注意正则语法中^匹配行开头、\A匹配字符串开头单行模式下它两效果一致多行模式下\A不能识别\n。
import re
pattern r^黄
text 白日依山尽,\n黄河入海流
print(默认匹配, re.findall(pattern, text))
print(多行匹配行头, re.findall(pattern, text, re.MULTILINE))多行模式匹配到了第二行开头黄 字符
默认匹配 []
多行匹配行头 [黄]5. VERBOSE
语法 re.VERBOSE 或简写为 re.X
作用 详细模式可以在正则表达式中加注解
import re
pattern r
白日 # 白天的太阳text 白日依山尽,\n黄河入海流
print(默认匹配, re.findall(pattern, text))
print(详细模式匹配注释, re.findall(pattern, text, re.VERBOSE))默认模式下并不能识别正则表达式中的注释而详细模式是可以识别的。
默认匹配 []
详细模式匹配注释 [白日]6.LOCALE
语法 re.LOCALE 或简写为 re.L
作用 由当前语言区域决定 \w, \W, \b, \B 和大小写敏感匹配这个标记只能对byte样式有效。这个标记官方已经不推荐使用因为语言区域机制很不可靠它一次只能处理一个 习惯”而且只对8位字节有效。
7.UNICODE
语法 re.UNICODE 或简写为 re.U
作用 与 ASCII 模式类似匹配unicode编码支持的字符但是 Python 3 默认字符串已经是Unicode所以有点冗余。
8. DEBUG
语法 re.DEBUG
作用 显示编译时的debug信息。
import re
pattern r白日
text 白日依山尽,\n黄河入海流
print(默认匹配, re.findall(pattern, text))
print(debug模式, re.findall(pattern, text, re.DEBUG))运行结果
默认匹配 [白日]
LITERAL 30333
LITERAL 260850. INFO 10 0b11 2 2 (to 11)prefix_skip 2prefix [0x767d, 0x65e5] (白日)overlap [0, 0]
11: LITERAL 0x767d (白)
13. LITERAL 0x65e5 (日)
15. SUCCESS
debug模式 [白日]
9.TEMPLATE
语法 re.TEMPLATE 或简写为 re.T 作用disable backtracking(禁用回溯)
3.2.常量组合使用
常量可叠加使用因为常量值都是2的幂次方值所以是可以叠加使用的叠加时请使用 | 符号请勿使用 符号
import repattern ^match
text Does this text match the pattern, \nMatch textprint(默认区分大小写, re.findall(pattern, text), end\n)print(多个模式组合使用, re.findall(pattern, text, re.IGNORECASE | re.MULTILINE))上面使用了忽略大小写和多行模式组合查询出Match开头的字符。
默认区分大小写 []
IGNORECASE属性忽略大小写 [Match]4.re模块函数
re模块有12个函数可以查找匹配文本根据他们的功能分类如下
4.1.查找一个匹配项
查找并返回一个匹配项的函数有3个search、match、fullmatch他们的区别分别是
search 查找任意位置的匹配项match 必须从字符串开头匹配fullmatch 整个字符串与正则完全匹配
1.查找一个匹配项示例
这个例子分别使用search、match、fullmatch 三个函数测试查询一个匹配项的区别。
import re
pattern 白日
text A白日依山尽白日依山尽print(search:, re.search(pattern, text).group())print(match, re.match(pattern, text))print(fullmatch:, re.fullmatch(pattern, text))search函数在字符串任意位置匹配符合表达式模式就会返回结果。 match函数需要从头匹配在文本中开头有个A字符因此他没有匹配到结果。 fullmatch函数匹配的内容需要与文本完全相同因此返回的结果也是空。
search: 白日
match None
fullmatch: None2.查询结果处理函数
使用search、match、fullmatch 三个函数查询字符串返回值是一个Match(Generic[AnyStr])类型对象在该对象中提供了一些方法用来处理返回值。 下面介绍下处理匹配结果常用方法
start获取匹配结果开始索引地址end获取匹配结果结束索引地址group分组截取字符串
import re
pattern 白日
text 白日依山尽白日依山尽search_result re.search(pattern, text)
print(search_result)
# search 获取查询开始和结尾索引
s search_result.start()
e search_result.end()# search_result.re.pattern 获取匹配模式 search_result.string获取匹配的文本
print(Found {}\nin {}\nfrom {} to {} ({}).format(search_result.re.pattern, search_result.string, s, e, text[s:e]))print(gourp 分组显示查询结果, search_result.group())
print(span 返回查询结果起止下标, search_result.span())运行结果
re.Match object; span(0, 2), match白日
Found 白日
in 白日依山尽白日依山尽
from 0 to 2 (白日)
gourp 分组显示查询结果 白日
span 返回查询结果起止下标 (0, 2)
4.2.查找多个匹配项
查找多项函数主要有findall函数 与 finditer函数 两个方法基本类似只不过一个是返回列表一个是返回迭代器。我们知道列表是一次性生成在内存中而迭代器是需要使用时一点一点生成出来的节省内存。
findall 从字符串任意位置查找返回一个列表finditer从字符串任意位置查找返回一个迭代器
import re
pattern 白日
text 白日依山尽白日依山尽search_sult re.search(pattern, text)
print(查找一个匹配项, search_sult.group())findall_sult re.findall(pattern, text)
print(查找多个匹配项, findall_sult)查找同一个文本使用search查找结果只有一个。使用findall查找所有符合条件的值。
查找一个匹配项 白日
查找多个匹配项 [白日, 白日]4.3.分割文本
re.split(pattern, string, maxsplit0, flags0) 函数作用就是根据分割模式对文本进行分隔他不是查找字符。
pattern相当于str.split()中的sep分隔符的意思不但可以是字符串也可以为正则表达式maxsplit表示最多进行分割次数flags表示模式就是上面我们讲解的常量
1.不限制分割次数
import re
pattern [a-b]
text 1,2,3,4,a,5,6,7,8,b,9,10,11,12split_sult re.split(pattern, text, maxsplit0, flagsre.IGNORECASE)
print(split分割, split_sult)
# 列表索引切片操作获取数据
print(split_sult[0])
print(split_sult[:2])上面使用[a-b] 模式分割文本maxsplit设置为0表示为不显示分割次数split函数将在文本中遇到a或b字符就会将文本分割一次返回的结果是一个列表可以通过索引获取每个值。
split分割 [1,2,3,4,, ,5,6,7,8,, ,9,10,11,12]
1,2,3,4,
[1,2,3,4,, ,5,6,7,8,]2.限制分割次数
import re
pattern [a-b]
text 1,2,3,4,a,5,6,7,8,b,9,10,11,12split_sult re.split(pattern, text, maxsplit1, flagsre.IGNORECASE)
print(split分割, split_sult)设置split分割一次下面分割后列表中有两个元素。
split分割 [1,2,3,4,, ,5,6,7,8,b,9,10,11,12]4.4.替换
替换主要有sub函数 与 subn函数 re.sub(pattern, repl, string, count0, flags0) 函数
repl替换掉string中被pattern匹配的字符count表示最大替换次数flags表示正则表达式的常量
re.subn(pattern, repl, string, count0, flags0) 函数与 re.sub函数 功能一致只不过返回一个元组 (字符串, 替换次数)
1.sub替换文本
sub函数中的入参repl替换内容既可以是字符串也可以是一个函数哦 如果repl为函数时只能有一个入参Match匹配对象。
import re
pattern 在
repl 尽
text 白日依山在黄河入海流
sub_sult re.sub(pattern, repl, text)
print(sub替换文本,sub_sult)4.5.编译正则模板
re模块执行过程 re模块匹配文本时需要执行两个步骤编译正则表达式然后用表达式匹配文本。
为什么要预编译表达式 如果每次匹配文本都要编译一次正则表达式效率会降低因此我们可以可通过compile函数预编译表达式每次匹配文本时就省去了编译步骤。
编译表达式对象函数 compile函数 与 template函数 将正则表达式的样式编译为一个 正则表达式对象 这个对象与re模块有同样的正则函数。
注意 不论你是否使用预编译表达式python在re模块的源码中默认使用compile预编译模式执行匹配文本。 查看 findall(), search(), match(的源码
def search(pattern, string, flags0):Scan through string looking for a match to the pattern, returninga Match object, or None if no match was found.# 调用 _compile函数编译表达式然后在调用search查询文本return _compile(pattern, flags).search(string)
1.compile函数编译表达式
import re
pattern 白日
# 预编译表达式
pattern_obj re.compile(pattern)
text 白日依山尽白日依山尽compile_sult pattern_obj.search(text).group()
print(编译正则模板,compile_sult)运行结果
编译正则模板 白日2.template函数
template函数 与 compile函数 类似只不过是增加了我们之前说的re.TEMPLATE 模式我们可以看看源码。
def template(pattern, flags0):Compile a template pattern, returning a Pattern objectreturn _compile(pattern, flags|T)4.6.转义特殊字符
re.escape(pattern) 可以转义正则表达式中具有特殊含义的字符比如. 或者 *
import re
pattern 白日*
text 白日*依山尽黄河.入海流
search_sult re.search(pattern, text)
print(search查询结果, search_sult.group())# 输出转义字符
escape_sult re.escape(pattern)
print(escape转义字符输出结果, escape_sult)使用普通的search函数输出时没有将*特殊字符输出escape函数将*特殊字符转义后输出但是它的输出显示转义有问题在*前面加上了\ 因此不建议使用它转义还是手动转义好。
search查询结果 白日
escape转义字符输出结果 白日\*下面是在表达式中手动对特殊字符转义。
import re
# 手动转义
pattern 白日\*
text 白日*依山尽黄河.入海流
search_sult re.search(pattern, text)
print(search查询结果, search_sult.group())运行结果符合我们查找的结果
search查询结果 白日*4.7.清除正则表达式缓存
re.purge() 函数作用就是清除 正则表达式缓存具体有什么缓存呢我们先看看源码
def purge():Clear the regular expression caches_cache.clear()_compile_repl.cache_clear()5.正则语法
使用好re模块解决工作中遇到的问题除了掌握re模块提供的函数还要掌握正则本身的语法。 正则语法是标准的语法在网上也是非常容易找到这里提供了菜鸟教程的正则语法方便在工作中查阅正则语法。
菜鸟正则语法https://www.runoob.com/regexp/regexp-syntax.html
