代码收藏家 深入理解正则表达式的工作原理及应用
正则表达式
处理字符串的利器
- 想查看原字符串是否匹配 ->match，fullmatch,search
- 想从大字符串中提取指定的子字符串 ——> findall,finditer
- 格式：函数（正则表达式，字符串）
- 核心：正则表达式整体就是一个具有某一特定规则的字符串，主要是要将想要拿的数据的特定规则写出来
- 切割和替换：split,sub
一、匹配
匹配核心规则：判断后面的字符，是否符合正则表达式描述的规则，符合返回：匹配的字符，不符合返回：None
1. 正则表达式语法
1. 匹配类符号
以下都是针对一个字符的格式判断
- 普通符号： – 在正则表达式中表示本身的符号
- str1 = ‘abc’
- result = fullmatch(r’abc’,str1)
- 除了特殊符号，就是普通字符
- . : – 表示匹配任意一个字符
- result = fullmatch(r’a.c’,str1)
- 任意字符，注重要求长度或占位情况
- \d : – 匹配任意一个数字字符
- result = fullmatch(r’a\dc’,‘123’)
- \s : – 匹配任意一个空白字符：例如：空格、换行、水平制表符
- \D : – 匹配任意一个非数字字符
- \S : – 匹配任意一个非空白字符
- \w : – 匹配字母数字下划线，等价于[a-zA-Z0-9_]
- \W : – 匹配非数字字母下划线的字符
- [字符集]： – 匹配字符集中的任意一个字符（最常用）
- 规范：可以连在一起写，合并为一个区间,判断该一个字符在不在这个区间
- 写多个其中一个，eg：[abc],字符集中不用写引号
- 有特殊字符，eg：[abc\d],匹配任意一个数字或者a/b/c
- 区间,小的放前面，大小按照编码值来确定eg:[1-9],[3-9],[a-z],[A-Z],[\u4e00-\u9fa5]，[1-9abcA-Z],[1-9a-zA-Z]
- 如果减号两边没有字符，那就是普通字符‘-’
- '-'号只有在[]里的，且在两个字符中间的时候，有特殊功能表示区间
- [^字符集]： – 不在字符集中的任意一个字符
- result = fullmatch(r’a[^\u4e00-\u9fa5]b’,‘asb’)
2. 匹配次数符号：
统一格式为：匹配符号匹配次数符号.跟在谁后面，就是控制谁
- ：0次或多次，任意次数。eg:result = fullmatch(r’a*bc’,‘aaaaabc’)
- ：1次或者多次，至少一次。
- ？ ：1次或0次。
- {} : – 最常用
- {M,N} – M到N次
- {M,} – 至少M次
- {,N} – 最多N次
- {N} – 就是N次
3. 贪婪和非贪婪 – 当匹配次数不确定时（*、+、？、{M,N},{M,}、{,N}）,匹配模式分为贪婪模式和非贪婪模式两种，默认是贪婪的。
- 贪婪：如果匹配成功的时候，有多种匹配结果，贪婪取最多次数对应的匹配结果
- *、+、？、{M,N},{M,}、{,N}
- 非贪婪：如果匹配成功的时候，有多种匹配结果，贪婪取最多次数对应的匹配结果
- 正常匹配次数后面加一个‘？’
- *？、+？、？？、{M,N}?、{M,}?、{,N}?
- 注意：
- 要求：必须有多种匹配返回的结果
- 举例：fullmatch只有一个结果（原字符串/空），无贪婪情况。match是从原字符串中截取开头，返回开头字符串，可能会有多种开头字符的情况
4.分组和分支
-
分组 – （）、捕获是针对于（）来说的
- 分组功能：
- 表达式重复：将正则中的一部分看成一个整体，进行相关操作。
- ‘12MN23MN34KJ…’
- result = fullmatch(r’(\d\d[A-Z]{2})+',str1)
- 对一个括号整体结构，进行匹配次数操作
- 要求某块字符和之前的部分字符的一样：可以在正则表达式中通过\N（\任意正整数）来重复它前面第N个分组的匹配结果(从左边开始数)
- str2 = ‘23MKJ==MKJ23’
- result = fullmatch(r’(\d{2})([A-Z]{3})==\2\1’,str2)
- 只能重复在它之前的分组，不能重复之后的
- 捕获： 只获取正则表达式中的分组匹配到的结果
- 手动捕获：（）里输入组数
- 自动捕获： 当findall正则表达式中加入（），先匹配出结果，然后返回匹配结果（）中的内容
分支 – ｜
- 语法：正则1｜正则2｜正则3｜…
- 功能： 匹配可以和多个正则中任意一个正则匹配的字符串
- 理解：
- |分开的是两个正则
- （）中加｜，是对组内分支。所以如果只想要一部分变化，那就用（部分正则1｜部分正则2）
- 举例：result=fullmatch(r’\d{3}|[a-z]{2}',‘mk’) –>
5.转义字符
- 正则表达式中有许多有特殊含义的字符，当需要让其表示本身时，前面加一个\进行转义即可
- 正则表达式前面的r是为了让正则规则生效，不是原始字符串
- 单独存在，有特殊意义的符号，在[]中特殊意义会自动失效
6. 检测类符号 – 在匹配成功的情况下，检测检测符号所在的位置是否符合要求
- \b:检测是否是单词边界
- 单词边界：可以将两个单词分开的符号都是单词边界，比如：空白符号、英文标点符号、字符串开头、字符串结尾
- 不影响原正则，只是在其上对成功返回的匹配结果，进行进一步筛选。\b
- \B:
- ^ :检测是否是字符串开头
- 预防贪婪，只取前面多少个
- findall(r’^.{10}')
- $ :检测是否以字符串结尾
- 预防贪婪，只取前面多少个
- findall(r’.{5}$')
2. 功能函数
-
fullmatch(正则表达式，字符串) – 完全匹配；全部字符，挨个对照格式，返回是否匹配
- 功能： 判断正则表达式和指定的一个字符串是否完全匹配
- 返回值:匹配成功，返回匹配对象，匹配失败，为None
match(正则表达式,字符串)
search(正则表达式,字符串)
findall(正则表达式,字符串)
finditer(正则表达式,字符串)
split(正则表达式,字符串)
sub(正则表达式，字符串1，字符串2)
3.匹配对象
- 获取整个正则表达式对应的匹配结果（match=）：result.group()
- 手动捕获某个分组对应的匹配结果：result.group(分组数)
- 获取匹配结果在原字符串中的位置：result.span（分组数） 分组数可以不写，不写是大的 ，有分组，就发生捕获。都会返回一个元组，（开始下标，结束下标）
4. 参数
- 正则匹配忽略大小写
- 写法“fullmatch(r’(?i)abc’,aBc) 引号里开头写入（？i）
- 单行匹配 ：
- 多行匹配：匹配时，.不能和换行（\n）进行匹配,需要先将其转化为单行匹配
- 方法：引号里的开头加上（？s）
from re import match
var = 'abcd'
result = match(r'ab',var)
print(result)
<re.Match object; span=(0, 2), match='ab'>
from re import match
str2 = '23MKJ==MKJ23'
result = fullmatch(r'(\d{2})([A-Z]{3})==\2\1',str2)
print(result)
<re.Match object; span=(0, 12), match='23MKJ==MKJ23'>
