Python 正则表达式教程展示了如何在 Python 中使用正则表达式。 对于 Python 中的正则表达式,我们使用 re 模块。
正则表达式用于文本搜索和更高级的文本操作。 正则表达式是内置工具,如 grep,sed,文本编辑器(如 vi,emacs),编程语言(如 Tcl,Perl 和 Python)。
Python re
模块
在 Python 中,re
模块提供了正则表达式匹配操作。
模式是一个正则表达式,用于定义我们正在搜索或操纵的文本。 它由文本文字和元字符组成。 用compile()
函数编译该模式。 由于正则表达式通常包含特殊字符,因此建议使用原始字符串。 (原始字符串以 r 字符开头。)这样,在将字符编译为模式之前,不会对这些字符进行解释。
编译模式后,可以使用其中一个函数将模式应用于文本字符串。 函数包括match()
,search()
,find()
和finditer()
。
下表显示了一些正则表达式:
正则表达式 | 含义 |
---|---|
. |
匹配任何单个字符。 |
? |
一次匹配或根本不匹配前面的元素。 |
+ |
与前面的元素匹配一次或多次。 |
* |
与前面的元素匹配零次或多次。 |
^ |
匹配字符串中的起始位置。 |
$ |
匹配字符串中的结束位置。 |
| |
备用运算符。 |
[abc] |
匹配 a 或 b 或 c。 |
[a-c] |
范围; 匹配 a 或 b 或 c。 |
[^abc] |
否定,匹配除 a 或 b 或 c 之外的所有内容。 |
\s |
匹配空白字符。 |
\w |
匹配单词字符; 等同于[a-zA-Z_0-9] |
匹配函数
以下是一个代码示例,演示了 Python 中简单正则表达式的用法。
match_fun.py
#!/usr/bin/python3
import re
words = ('book', 'bookworm', 'Bible',
'bookish','cookbook', 'bookstore', 'pocketbook')
pattern = re.compile(r'book')
for word in words:
if re.match(pattern, word):
print('The {} matches '.format(word))
在示例中,我们有一个单词元组。 编译后的模式将在每个单词中寻找一个“ book”字符串。
pattern = re.compile(r'book')
使用compile()
函数,我们可以创建图案。 正则表达式是一个原始字符串,由四个普通字符组成。
for word in words:
if re.match(pattern, word):
print('The {} matches '.format(word))
我们遍历元组并调用match()
函数。 它将模式应用于单词。 如果字符串开头有匹配项,则match()
函数将返回匹配对象。
$ ./match_fun.py
The book matches
The bookworm matches
The bookish matches
The bookstore matches
元组中的四个单词与模式匹配。 请注意,以“ book”一词开头的单词不匹配。 为了包括这些词,我们使用search()
函数。
搜索函数
search()
函数查找正则表达式模式产生匹配项的第一个位置。
search_fun.py
#!/usr/bin/python3
import re
words = ('book', 'bookworm', 'Bible',
'bookish','cookbook', 'bookstore', 'pocketbook')
pattern = re.compile(r'book')
for word in words:
if re.search(pattern, word):
print('The {} matches '.format(word))
在示例中,我们使用search()
函数查找“ book”一词。
$ ./search_fun.py
The book matches
The bookworm matches
The bookish matches
The cookbook matches
The bookstore matches
The pocketbook matches
这次还包括菜谱和袖珍书中的单词。
点元字符
点(。)元字符代表文本中的任何单个字符。
dot_meta.py
#!/usr/bin/python3
import re
words = ('seven', 'even', 'prevent', 'revenge', 'maven',
'eleven', 'amen', 'event')
pattern = re.compile(r'.even')
for word in words:
if re.match(pattern, word):
print('The {} matches '.format(word))
在示例中,我们有一个带有八个单词的元组。 我们在每个单词上应用一个包含点元字符的模式。
pattern = re.compile(r'.even')
点代表文本中的任何单个字符。 字符必须存在。
$ ./dot_meta.py
The seven matches
The revenge matches
两个字匹配模式:七个和复仇。
问号元字符
问号(?)元字符是与上一个元素零或一次匹配的量词。
question_mark_meta.py
#!/usr/bin/python3
import re
words = ('seven', 'even','prevent', 'revenge', 'maven',
'eleven', 'amen', 'event')
pattern = re.compile(r'.?even')
for word in words:
if re.match(pattern, word):
print('The {} matches '.format(word))
在示例中,我们在点字符后添加问号。 这意味着在模式中我们可以有一个任意字符,也可以在那里没有任何字符。
$ ./question_mark_meta.py
The seven matches
The even matches
The revenge matches
The event matches
这次,除了七个和复仇外,偶数和事件词也匹配。
锚点
锚点匹配给定文本内字符的位置。 当使用^
锚时,匹配必须发生在字符串的开头,而当使用$锚时,匹配必须发生在字符串的结尾。
anchors.py
#!/usr/bin/python3
import re
sentences = ('I am looking for Jane.',
'Jane was walking along the river.',
'Kate and Jane are close friends.')
pattern = re.compile(r'^Jane')
for sentence in sentences:
if re.search(pattern, sentence):
print(sentence)
在示例中,我们有三个句子。 搜索模式为^Jane
。 该模式检查“ Jane”字符串是否位于文本的开头。 Jane\.
将在句子结尾处查找“ Jane”。
fullmatch
可以使用fullmatch()
函数或通过将术语放在锚点之间来进行精确匹配:^和$。
exact_match.py
#!/usr/bin/python3
import re
words = ('book', 'bookworm', 'Bible',
'bookish','cookbook', 'bookstore', 'pocketbook')
pattern = re.compile(r'^book$')
for word in words:
if re.search(pattern, word):
print('The {} matches'.format(word))
在示例中,我们寻找与“ book”一词完全匹配的内容。
$ ./exact_match.py
The book matches
这是输出。
字符类
字符类定义了一组字符,任何字符都可以出现在输入字符串中以使匹配成功。
character_class.py
#!/usr/bin/python3
import re
words = ('a gray bird', 'grey hair', 'great look')
pattern = re.compile(r'gr[ea]y')
for word in words:
if re.search(pattern, word):
print('{} matches'.format(word))
在该示例中,我们使用字符类同时包含灰色和灰色单词。
pattern = re.compile(r'gr[ea]y')
[ea]
类允许在模式中使用’e’或’a’字符。
命名字符类
有一些预定义的字符类。 \s
与空白字符[\t\n\t\f\v]
匹配,\d
与数字[0-9]
匹配,\w
与单词字符[a-zA-Z0-9_]
匹配。
named_character_class.py
#!/usr/bin/python3
import re
text = 'We met in 2013\. She must be now about 27 years old.'
pattern = re.compile(r'\d+')
found = re.findall(pattern, text)
if found:
print('There are {} numbers'.format(len(found)))
在示例中,我们计算文本中的数字。
pattern = re.compile(r'\d+')
\d+
模式在文本中查找任意数量的数字集。
found = re.findall(pattern, text)
使用findall()
方法,我们可以查找文本中的所有数字。
$ ./named_character_classes.py
There are 2 numbers
这是输出。
不区分大小写的匹配
默认情况下,模式匹配区分大小写。 通过将re.IGNORECASE
传递给compile()
函数,我们可以使其不区分大小写。
case_insensitive.py
#!/usr/bin/python3
import re
words = ('dog', 'Dog', 'DOG', 'Doggy')
pattern = re.compile(r'dog', re.IGNORECASE)
for word in words:
if re.match(pattern, word):
print('{} matches'.format(word))
在示例中,无论大小写如何,我们都将模式应用于单词。
$ ./case_insensitive.py
dog matches
Dog matches
DOG matches
Doggy matches
所有四个单词都与模式匹配。
交替
交替运算符|
创建具有多种选择的正则表达式。
alternations.py
#!/usr/bin/python3
import re
words = ("Jane", "Thomas", "Robert",
"Lucy", "Beky", "John", "Peter", "Andy")
pattern = re.compile(r'Jane|Beky|Robert')
for word in words:
if re.match(pattern, word):
print(word)
列表中有八个名称。
pattern = re.compile(r'Jane|Beky|Robert')
此正则表达式查找“ Jane”,“ Beky”或“ Robert”字符串。
查找方法
finditer()
方法返回一个迭代器,该迭代器在字符串中的模式的所有不重叠匹配上产生匹配对象。
find_iter.py
#!/usr/bin/python3
import re
text = ('I saw a fox in the wood. The fox had red fur.')
pattern = re.compile(r'fox')
found = re.finditer(pattern, text)
for item in found:
s = item.start()
e = item.end()
print('Found {} at {}:{}'.format(text[s:e], s, e))
在示例中,我们在文本中搜索“ fox”一词。 我们遍历找到的匹配项的迭代器,并使用它们的索引进行打印。
s = item.start()
e = item.end()
start()
和end()
方法分别返回起始索引和结束索引。
$ ./find_iter.py
Found fox at 8:11
Found fox at 29:32
这是输出。
捕获组
捕获组是一种将多个字符视为一个单元的方法。 通过将字符放置在一组圆括号内来创建它们。 例如,(book)是包含’b’,’o’,’o’,’k’,字符的单个组。
捕获组技术使我们能够找出字符串中与常规模式匹配的那些部分。
capturing_groups.py
#!/usr/bin/python3
import re
content = '''<p>The <code>Pattern</code> is a compiled
representation of a regular expression.</p>'''
pattern = re.compile(r'(</?[a-z]*>)')
found = re.findall(pattern, content)
for tag in found:
print(tag)
该代码示例通过捕获一组字符来打印提供的字符串中的所有 HTML 标签。
found = re.findall(pattern, content)
为了找到所有标签,我们使用findall()
方法。
$ ./capturing_groups.py
<p>
<code>
</code>
</p>
我们找到了四个 HTML 标签。
Python 正则表达式电子邮件示例
在以下示例中,我们创建一个用于检查电子邮件地址的正则表达式模式。
emails.py
#!/usr/bin/python3
import re
emails = ("luke@gmail.com", "andy@yahoocom",
"34234sdfa#2345", "f344@gmail.com")
pattern = re.compile(r'^[a-zA-Z0-9._-]+@[a-zA-Z0-9-]+\.[a-zA-Z.]{2,18}$')
for email in emails:
if re.match(pattern, email):
print("{} matches".format(email))
else:
print("{} does not match".format(email))
本示例提供了一种可能的解决方案。
pattern = re.compile(r'^[a-zA-Z0-9._-]+@[a-zA-Z0-9-]+\.[a-zA-Z.]{2,18}$')
前^
和后$
个字符提供精确的模式匹配。 模式前后不允许有字符。 电子邮件分为五个部分。 第一部分是本地部分。 这通常是公司,个人或昵称的名称。 [a-zA-Z0-9._-]+
列出了所有可能的字符,我们可以在本地使用。 它们可以使用一次或多次。
第二部分由文字@
字符组成。 第三部分是领域部分。 通常是电子邮件提供商的域名,例如 yahoo 或 gmail。 [a-zA-Z0-9-]+
是一个字符类,提供可在域名中使用的所有字符。 +
量词允许使用这些字符中的一个或多个。
第四部分是点字符。 它前面带有转义字符(\),以获取文字点。
最后一部分是顶级域:[a-zA-Z.]{2,18}
。 顶级域可以包含 2 到 18 个字符,例如 sk,net,信息,旅行,清洁,旅行保险。 最大长度可以为 63 个字符,但是今天大多数域都少于 18 个字符。 还有一个点字符。 这是因为某些顶级域包含两个部分: 例如 co.uk。
$ ./emails.py
luke@gmail.com matches
andy@yahoocom does not match
34234sdfa#2345 does not match
f344@gmail.com matches
这是输出。
在本章中,我们介绍了 Python 中的正则表达式。
您可能也对以下相关教程感兴趣: Python CSV 教程和 Python 教程,正则表达式。