百度360必应搜狗淘宝本站头条
nodejsbufferorg.jsoupsetnocountoncv2.bitwise_nottime.strptime
当前位置：网站首页 > 编程字典 > 正文

Python re模块:正则表达式综合指南

toyiye 2024-07-05 01:36 18 浏览 0 评论

Python re 的模块提供对正则表达式 （regex） 的支持，正则表达式是匹配文本中模式的强大工具。正则表达式广泛用于数据验证、文本处理等。

快速入门re

要在 Python 中使用正则表达式，需要导入以下 re 模块：

import re

该 re 模块提供了广泛的模式匹配、搜索、拆分和替换文本的功能。

正则表达式的基本语法

正则表达式由定义搜索模式的字符序列组成。以下是一些基本元素：

  • 文字字符：匹配自己。例如， a 匹配字符“a”。
  • 元字符：具有特殊含义，例如 . （除换行符外的任何字符）、 ^ （字符串开头）、 $ （字符串结尾）、 * （0 次或更多次）、 + （1 次或多次出现）、 ? （0 或 1 次出现）、 {} （特定出现次数）、 [] （字符类）、 | （或）、 () （分组）。

常用re功能

re.match()

该 re.match() 函数检查模式是否与字符串开头的模式匹配。

import re
pattern = r'\d+'
text = "123abc"
match = re.match(pattern, text)
if match:
    print(f"Matched: {match.group()}")
else:
    print("No match")

输出：

匹配： 123

re.search()

该 re.search() 函数扫描整个字符串以查找匹配项。

import re
pattern = r'\d+'
text = "abc123xyz"
search = re.search(pattern, text)
if search:
    print(f"Found: {search.group()}")
else:
    print("Not found")

输出：
找到： 123

re.findall（）

该 re.findall() 函数以列表形式返回字符串中模式的所有非重叠匹配项。

import re
pattern = r'\d+'
text = "abc123xyz456"
matches = re.findall(pattern, text)
print(f"Matches: {matches}")

输出：
 比赛： ['123'， '456']

re.finditer()

该 re.finditer() 函数返回一个迭代器，为所有非重叠匹配项生成匹配对象。

import re
pattern = r'\d+'
text = "abc123xyz456"
matches = re.finditer(pattern, text)
for match in matches:
    print(f"Match: {match.group()}")

输出：
 匹配： 123
匹配： 456

re.sub()

该 re.sub() 函数将匹配项替换为指定的替换字符串。

import re
pattern = r'\d+'
replacement = '#'
text = "abc123xyz456"
result = re.sub(pattern, replacement, text)
print(f"Result: {result}")

输出：
 结果：abc#xyz#

re.split（）

该 re.split() 函数按模式的出现次数拆分字符串。

import re
pattern = r'\d+'
text = "abc123xyz456"
split_result = re.split(pattern, text)
print(f"Split result: {split_result}")

输出：

拆分结果： ['abc'， 'xyz'， '']

特殊序列和字符类

正则表达式为更复杂的模式提供特殊的序列和字符类。

  • \d：匹配任何数字。等效于 [0-9] 。
  • \D：匹配任何非数字。
  • \w：匹配任何字母数字字符。等效于 [a-zA-Z0-9_] 。
  • \W：匹配任何非字母数字字符。
  • \s：匹配任何空格字符。
  • \S：匹配任何非空格字符。
  • [abc]：匹配括号内的任何字符。
  • [^abc]：匹配括号内的任何字符。
  • a|b：匹配 a 或 b 。

分组和捕获

括号 () 用于对比赛的某些部分进行分组和捕获。

import re
pattern = r'(\d+)-(\w+)'
text = "123-abc"
match = re.search(pattern, text)
if match:
    print(f"Group 1: {match.group(1)}")
    print(f"Group 2: {match.group(2)}")

输出：

第 1 组：123
第 2 组：abc

前瞻和后瞻

Lookahead 和 lookbehind 断言允许在不消耗字符串字符的情况下创建更复杂的模式。

  • Lookahead （？=...）：断言断言后面的内容为 true。
import re
pattern = r'\d+(?=abc)'
text = "123abc456"
match = re.search(pattern, text)
if match:
    print(f"Lookahead match: {match.group()}")

输出：

前瞻匹配： 123

  • 负面展望（？！...）：断言断言后面的内容是错误的。
import re
pattern = r'\d+(?!abc)'
text = "123def456abc"
matches = re.findall(pattern, text)
print(f"Negative lookahead matches: {matches}")

输出：

负面前瞻匹配： ['123'， '456']

  • Lookbehind （？<=...）：断言断言之前的内容为真。
import re
pattern = r'(?<=abc)\d+'
text = "abc123def456"
match = re.search(pattern, text)
if match:
    print(f"Lookbehind match: {match.group()}")

输出：

后视匹配：123

  • 否定后视 （？<!...）：断言断言之前的内容是错误的。
import re
pattern = r'(?<!abc)\d+'
text = "abc123def456"
matches = re.findall(pattern, text)
print(f"Negative lookbehind matches: {matches}")

输出：

负后视匹配：['456']

实例

电子邮件验证

正则表达式的常见用途是电子邮件验证。

import re
pattern = r'^[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+#39;
text = "example@example.com"
match = re.match(pattern, text)
if match:
    print("Valid email")
else:
    print("Invalid email")

输出：

有效的电子邮件

电话号码提取

使用正则表达式可以很容易地从文本中提取电话号码。

import re
pattern = r'\b\d{3}[-.]?\d{3}[-.]?\d{4}\b'
text = "Contact me at 123-456-7890 or 987.654.3210"
matches = re.findall(pattern, text)
print(f"Phone numbers: {matches}")

输出：

电话号码： ['123–456–7890'， '987.654.3210']

解析日志

正则表达式通常用于分析日志文件中的特定信息。

import re
pattern = r'(\d{4}-\d{2}-\d{2}) (\d{2}:\d{2}:\d{2}),(\d+) - (\w+) - (.*)'
log_entry = "2024-06-03 12:34:56,789 - INFO - This is a log message"
match = re.match(pattern, log_entry)
if match:
    print(f"Date: {match.group(1)}")
    print(f"Time: {match.group(2)}")
    print(f"Milliseconds: {match.group(3)}")
    print(f"Level: {match.group(4)}")
    print(f"Message: {match.group(5)}")

输出：
 日期： 2024–06–03
时间： 12：34：56
毫秒： 789
级别： INFO

消息：这是一条日志消息

正则表达式中的高级主题

为了扩展我们对该 re 模块的理解，让我们深入研究一些高级主题和技术。其中包括更复杂的模式匹配、处理不同类型的输入数据以及优化使用正则表达式时的性能。

高级模式匹配

非贪婪量词

默认情况下，正则表达式中的量词是贪婪的，这意味着它们会尝试匹配尽可能多的文本。非贪婪量词尽可能少地匹配文本。

  • 贪婪： .* 尽可能多地匹配。
  • 非贪婪： .*? 尽可能少地匹配。
import re
text = "<div>content</div><div>another content</div>"
pattern_greedy = r'<div>.*</div>'
pattern_non_greedy = r'<div>.*?</div>'
match_greedy = re.findall(pattern_greedy, text)
match_non_greedy = re.findall(pattern_non_greedy, text)
print(f"Greedy match: {match_greedy}")
print(f"Non-Greedy match: {match_non_greedy}")

输出：

贪婪匹配：['<div>内容</div><div>另一个内容</div>']

非贪婪匹配： ['<div>content</div>'， '<div>another content</div>']

反向引用

反向引用允许您重用部分匹配文本。它们通过捕获组创建，然后使用 \1 、 \2 等进行引用。

import re
pattern = r'(\b\w+)\s+\1'
text = "hello hello world world"
matches = re.findall(pattern, text)
print(f"Backreferences match: {matches}")

输出：

反向引用匹配：['hello'， 'world']

条件表达式

正则表达式中的条件表达式通过测试特定捕获组的存在来允许更复杂的逻辑。

import re
pattern = r'(a)?b(?(1)c|d)'
text1 = "abc"
text2 = "bd"
match1 = re.match(pattern, text1)
match2 = re.match(pattern, text2)
print(f"Conditional match 1: {match1.group() if match1 else 'No match'}")
print(f"Conditional match 2: {match2.group() if match2 else 'No match'}")

输出：

条件匹配 1：abc
条件匹配 2：bd

处理不同类型的输入数据

多行字符串

使用多行字符串时， re.MULTILINE 标志允许 ^ 和 $ 分别匹配每行的开头和结尾。

import re
pattern = r'^\d+'
text = """123
abc
456
def"""
matches = re.findall(pattern, text, re.MULTILINE)
print(f"Multiline matches: {matches}")

输出：

多行匹配： ['123'， '456']

Dotall 模式

该 re.DOTALL 标志允许 . 字符匹配换行符，从而可以匹配整个文本，包括换行符。

import re
pattern = r'.*'
text = """line1
line2
line3"""
match = re.match(pattern, text, re.DOTALL)
print(f"Dotall match: {match.group() if match else 'No match'}")

输出：

Dotall 匹配：line1
2号线
3号线

Unicode 支持

该 re.UNICODE 标志支持完全 Unicode 匹配，这对于处理国际文本特别有用。

import re
pattern = r'\w+'
text = "Café Müller"
matches = re.findall(pattern, text, re.UNICODE)
print(f"Unicode matches: {matches}")

输出：

Unicode 匹配： ['Café'， 'Müller']

优化正则表达式性能

编译正则表达式

编译正则表达式可以在多次使用同一模式时提高性能。

import re
pattern = re.compile(r'\d+')
text = "123 456 789"
matches = pattern.findall(text)
print(f"Compiled matches: {matches}")

输出：

编译匹配项： ['123'， '456'， '789']

使用原始字符串

原始字符串（前缀 r ）可防止 Python 将反斜杠解释为转义字符，从而更轻松地编写和读取正则表达式。

import re
pattern = r'\b\d{3}\b'
text = "100 200 300"
matches = re.findall(pattern, text)
print(f"Raw string matches: {matches}")

输出：

原始字符串匹配：['100'， '200'， '300']

高级实例

提取 URL

从文本中提取 URL 是正则表达式的常见用例。

import re
pattern = r'https?://[^\s<>"]+|www\.[^\s<>"]+'
text = "Visit https://www.linkedin.com/in/gaurav-kumar007/ and https://topmate.io/gaurav_kumar_quant for more info. Also check https://docs.python.org/3/howto/regex.html."
matches = re.findall(pattern, text)
print(f"URLs: {matches}")

输出：

网址： [' https://www.linkedin.com/in/gaurav-kumar007/'， ' https://topmate.io/gaurav_kumar_quant'， ' https://docs.python.org/3/howto/regex.html.']

验证密码

密码验证通常需要复杂的规则，这些规则可以使用正则表达式来实现。

import re
pattern = r'^(?=.*[A-Z])(?=.*[a-z])(?=.*\d)(?=.*[@$!%*?&])[A-Za-z\d@$!%*?&]{8,}#39;
passwords = ["Password1!", "pass", "PASSWORD1!", "Pass1!", "ValidPass123!"]
for pwd in passwords:
    match = re.match(pattern, pwd)
    print(f"Password: {pwd} - {'Valid' if match else 'Invalid'}")

输出：

密码：Password1！— 有效
密码：pass — 无效

密码：PASSWORD1！— 无效

密码：Pass1！— 无效

密码：ValidPass123！— 有效

数据清洗

正则表达式对于清理和转换数据非常有用。例如，从文本中删除多余的空格或不需要的字符。

import re
text = "This    is  a  test   string."
# Remove extra spaces
cleaned_text = re.sub(r'\s+', ' ', text).strip()
print(f"Cleaned text: {cleaned_text}")

输出：

已清理的文本：这是一个测试字符串。

解析日期

使用正则表达式可以有效地从文本中提取和格式化日期。

import re
pattern = r'(\d{4})-(\d{2})-(\d{2})'
text = "Dates: 2024-06-03, 2023-12-25, and 2025-01-01."
matches = re.findall(pattern, text)
formatted_dates = [f"{year}/{month}/{day}" for year, month, day in matches]
print(f"Formatted dates: {formatted_dates}")

输出：

格式日期： ['2024/06/03'， '2023/12/25'， '2025/01/01']

相关推荐

为何越来越多的编程语言使用JSON（为什么编程）

JSON是JavascriptObjectNotation的缩写，意思是Javascript对象表示法，是一种易于人类阅读和对编程友好的文本数据传递方法，是JavaScript语言规范定义的一个子...

何时在数据库中使用 JSON（数据库用json格式存储）

在本文中，您将了解何时应考虑将JSON数据类型添加到表中以及何时应避免使用它们。每天?分享?最新?软件?开发?，Devops，敏捷?，测试?以及?项目?管理?最新?，最热门?的?文章?，每天?花?...

MySQL 从零开始:05 数据类型（mysql数据类型有哪些,并举例）

前面的讲解中已经接触到了表的创建，表的创建是对字段的声明，比如：上述语句声明了字段的名称、类型、所占空间、默认值和是否可以为空等信息。其中的int、varchar、char和decimal都...

JSON对象花样进阶（json格式对象）

一、引言在现代Web开发中，JSON（JavaScriptObjectNotation）已经成为数据交换的标准格式。无论是从前端向后端发送数据，还是从后端接收数据，JSON都是不可或缺的一部分。...

深入理解 JSON 和 Form-data（json和formdata提交区别）

在讨论现代网络开发与API设计的语境下，理解客户端和服务器间如何有效且可靠地交换数据变得尤为关键。这里，特别值得关注的是两种主流数据格式：...

JSON 语法（json 语法 priority）

JSON语法是JavaScript语法的子集。JSON语法规则JSON语法是JavaScript对象表示法语法的子集。数据在名称/值对中数据由逗号分隔花括号保存对象方括号保存数组JS...

JSON语法详解（json的语法规则）

JSON语法规则JSON语法是JavaScript对象表示法语法的子集。数据在名称/值对中数据由逗号分隔大括号保存对象中括号保存数组注意：json的key是字符串,且必须是双引号，不能是单引号...

MySQL JSON数据类型操作（mysql的json）

概述mysql自5.7.8版本开始，就支持了json结构的数据存储和查询，这表明了mysql也在不断的学习和增加nosql数据库的有点。但mysql毕竟是关系型数据库，在处理json这种非结构化的数据...

JSON的数据模式（json数据格式示例）

像XML模式一样，JSON数据格式也有Schema，这是一个基于JSON格式的规范。JSON模式也以JSON格式编写。它用于验证JSON数据。JSON模式示例以下代码显示了基本的JSON模式。{"...

前端学习——JSON格式详解（后端json格式）

JSON(JavaScriptObjectNotation)是一种轻量级的数据交换格式。易于人阅读和编写。同时也易于机器解析和生成。它基于JavaScriptProgrammingLa...

什么是 JSON:详解 JSON 及其优势（什么叫json）

现在程序员还有谁不知道JSON吗？无论对于前端还是后端，JSON都是一种常见的数据格式。那么JSON到底是什么呢？JSON的定义...

PostgreSQL JSON 类型:处理结构化数据

PostgreSQL提供JSON类型，以存储结构化数据。JSON是一种开放的数据格式，可用于存储各种类型的值。什么是JSON类型？JSON类型表示JSON(JavaScriptO...

JavaScript:JSON、三种包装类（javascript 包）

JOSN:我们希望可以将一个对象在不同的语言中进行传递，以达到通信的目的，最佳方式就是将一个对象转换为字符串的形式JSON（JavaScriptObjectNotation）-JS的对象表示法...

Python数据分析 只要1分钟 教你玩转JSON 全程干货

Json简介：Json，全名JavaScriptObjectNotation,JSON(JavaScriptObjectNotation(记号、标记))是一种轻量级的数据交换格式。它基于J...

比较一下JSON与XML两种数据格式?（json和xml哪个好）

JSON（JavaScriptObjectNotation）和XML（eXtensibleMarkupLanguage）是在日常开发中比较常用的两种数据格式，它们主要的作用就是用来进行数据的传...

取消回复欢迎 你 发表评论:

请填写验证码
一周热门
最近发表
标签列表