Python学习【四】：正则表达式

一、正则表达式基础

1.简介

　　正则表达式并不是Python的一部分。正则表达式是用于处理字符串的强大工具，拥有自己独特的语法以及一个独立的处理引擎，效率上可能不如str自带的方法，但功能十分强大。得益于这一点，在提供了正则表达式的语言里，正则表达式的语法都是一样的，区别只在于不同的编程语言实现支持的语法数量不同；但不用担心，不被支持的语法通常是不常用的部分。如果已经在其他语言里使用过正则表达式，只需要简单看一看就可以上手了。

　　正则表达式的大致匹配过程是：依次拿出表达式和文本中的字符比较，如果每一个字符都能匹配，则匹配成功；一旦有匹配不成功的字符则匹配失败。如果表达式中有量词或边界，这个过程会稍微有一些不同，但也是很好理解。

　　下图列出了Python支持的正则表达式元字符和语法（图片来自网络）：

2、细节注意

　　（1）贪婪匹配和非贪婪匹配

　　当我们使用 * + ?号的时候默认采取贪婪匹配（即匹配最大个数），当在这些符号之后再加一个 ?或者直接使用{m,n}采取非贪婪匹配（加?表示按最小次数，｛｝表示按需匹配）

　　（2）匹配模式

#匹配模式
re.I  #匹配中大小写不敏感

re.L  #使预定字符类 \w \W \b \B \s \S 取决于当前区域设定

re.M  #多行匹配，影响^和$符号

re.S  #包含换行在内的所有字符，影响 . 元字符

re.U  #使预定字符类 \w \W \b \B \s \S \d \D 取决于unicode定义的字符属性

re.X  #详细模式。这个模式下正则表达式可以是多行，忽略空白字符，并可以加入注释。

　　（3）原生字符串

　　与大多数编程语言相同，正则表达式里使用"\"作为转义字符，这就可能造成反斜杠困扰。假如你需要匹配文本中的字符"\"，那么使用编程语言表示的正则表达式里将需要4个反斜杠"\\\\"：前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。Python里的原生字符串很好地解决了这个问题，这个例子中的正则表达式可以使用r"\\"表示。同样，匹配一个数字的"\\d"可以写成r"\d"。有了原生字符串，你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观。

二、re模块的使用

1、re中的函数

re.match(pattern, string, flags = 0)
#查找字符串最前面符合的子串，返回match对象
#flags表示匹配模式

re.search（pattern, string, flags = 0）
#找到一个符合的子串，返回match对象

re.findall(pattern, string, flags = 0)
#找到所有符合的子串，返回列表

re.sub(pattern, repl, string, max = 0)
#替换字符串中符合的子串，max表示替换的次数

re.subn #替换后还得到替换的次数

re.compile(pattern)
#将规则字符串编译到Pattern对象中，可重复使用，是Pattern类的工厂方法

re.finditer #生成迭代对象

　　在这过程中，函数返回了match对象和pattern对象，我们来看一下这些类。

#属性

string: 匹配时使用的文本。

re: 匹配时使用的Pattern对象。

pos: 文本中正则表达式开始搜索的索引。值与Pattern.match()和Pattern.seach()方法的同
名参数相同。

endpos: 文本中正则表达式结束搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。

lastindex: 最后一个被捕获的分组在文本中的索引。如果没有被捕获的分组，将为None。

lastgroup: 最后一个被捕获的分组的别名。如果这个分组没有别名或者没有被捕获的分组，将为None。

#方法
group([group1, …]):
获得一个或多个分组截获的字符串；指定多个参数时将以元组形式返回。group1可以使用编号也可以使用别名；编号0代表整个匹配的子串；不填写参数时，返回group(0)；没有截获字符串的组返回None；截获了多次的组返回最后一次截获的子串。

groups([default]):
以元组形式返回全部分组截获的字符串。相当于调用group(1,2,…last)。default表示没有截获字符串的组以这个值替代，默认为None。

groupdict([default]):
返回以有别名的组的别名为键、以该组截获的子串为值的字典，没有别名的组不包含在内。default含义同上。

start([group]):
返回指定的组截获的子串在string中的起始索引（子串第一个字符的索引）。group默认值为0。

end([group]):
返回指定的组截获的子串在string中的结束索引（子串最后一个字符的索引+1）。group默认值为0。

span([group]):
返回(start(group), end(group))。

expand(template):
将匹配到的分组代入template中然后返回。template中可以使用\id或\g<id>、\g<name>引用分组，但不能使用编号0。\id与\g<id>是等价的；但\10将被认为是第10个分组，如果你想表达\1之后是字符‘0‘，只能使用\g<1>0。

Match对象

#Pattern对象是一个编译好的正则表达式，通过Pattern提供的一系列方法可以对文本进行匹配查找。

#Pattern不能直接实例化，必须使用re.compile()进行构造。

#Pattern提供了几个可读属性用于获取表达式的相关信息：

pattern: 编译时用的表达式字符串。
flags: 编译时用的匹配模式。数字形式。
groups: 表达式中分组的数量。
groupindex: 以表达式中有别名的组的别名为键、以该组对应的编号为值的字典，没有别名的组不包含在内。

Pattern对象

2、如何使用

 1 #导入re模块
 2 import re
 3
 4 #生成pattern对象
 5 pa = re.compile(r‘zss‘)
 6
 7 ma = pa.search(‘hello zss world!‘)
 8
 9 if ma:
10     print(ma.group())#通过group函数得到match对象中的元素
11
12 #out#
13 #zss

Python通过re模块提供对正则表达式的支持。使用re的一般步骤是先将正则表达式的字符串形式编译为Pattern实例，然后使用Pattern实例处理文本并获得匹配结果（一个Match实例），最后使用Match实例获得信息，进行其他的操作。

三、实例

1、ip地址检测

#!/usr/bin/env python

import re

def IPTest(ipstr):
    #创建正则规则字符串
    regexstr = r‘(([10]?\d?\d|2[0-4]\d|25[0-5])\.){3}([10]?\d?\d|2[0-4]\d|25[0-5])
    pa = re.compile(regexstr)
    #找出符合规则的迭代对象
    ips = pa.finditer(ipstr)
    if ips:
        for ip in ips:
            print(ma.group())
    else:
        print(error!)
    return 0

def main():
    ip = ‘192.168.1.1zss245.255.234zsssss1.1.1.1‘
    IPTest(ip

main()

#运行结果：
#192.186.1.1
#245.255.234.1
#1.1.1.1

　　我们来分析一下规则字符串regexstr：

原文地址：https://www.cnblogs.com/zhangss/p/8442269.html

时间： 2024-10-25 03:19:27