304 lines
8.6 KiB
Markdown
304 lines
8.6 KiB
Markdown
# Python 中的正则表达式
|
||
|
||
> 原文：<https://www.pythonforbeginners.com/regex/regular-expressions-in-python>
|
||
|
||
## 什么是正则表达式？
|
||
|
||
这是一个用紧凑语法编写的字符串模式，允许我们快速检查
|
||
给定的字符串是否匹配或包含给定的模式。
|
||
|
||
正则表达式的强大之处在于它们可以指定模式，而不仅仅是
|
||
固定字符。这篇文章中的许多例子可以在:
|
||
[谷歌 Python 课程](https://developers.google.com/edu/python/regular-expressions "google_regex")上找到
|
||
|
||
## 基本模式
|
||
|
||
**a，X，9**
|
||
普通人物正好和自己完全匹配。
|
||
|
||
**。^ $ * + ?{ [ ] | ( )**
|
||
具有特殊含义的元字符(见下文)
|
||
|
||
**。**
|
||
(句点)匹配除换行符' n '以外的任何单个字符
|
||
|
||
**w**
|
||
匹配一个“单词”字符:一个字母或数字或下划线[a-zA-Z0-9_]。
|
||
它只匹配单个字符，而不是整个单词。
|
||
|
||
**W**
|
||
匹配任何非单词字符。
|
||
|
||
**w+**
|
||
匹配一个或多个单词/字符
|
||
|
||
**b**
|
||
词与非词的界限
|
||
|
||
**s**
|
||
匹配单个空白字符、空格、换行符、回车符、制表符、表单
|
||
|
||
**S**
|
||
匹配任何非空白字符。
|
||
|
||
**t，n，r**
|
||
制表符、换行符、回车
|
||
|
||
**D**
|
||
匹配除了数字以外的任何东西
|
||
|
||
**d**
|
||
匹配一个十进制数字[0-9]
|
||
|
||
**d{1，5}**
|
||
匹配长度在 1 到 5 之间的数字。
|
||
|
||
**{n} d{5}**
|
||
连续匹配 5 位数
|
||
|
||
**匹配字符串的开始**
|
||
|
||
****$**
|
||
匹配字符串结束的**
|
||
|
||
*******
|
||
匹配 0 个或更多重复**
|
||
|
||
****？**
|
||
匹配其前面的 0 或 1 个字符**
|
||
|
||
**使用。匹配句点或匹配斜杠。**
|
||
|
||
**如果您不确定某个字符是否有特殊含义，例如' @ '，您可以
|
||
在它前面加上一条斜线@以确保它被视为一个字符。**
|
||
|
||
## **重新发现**
|
||
|
||
**findall()可能是 re 模块
|
||
中最强大的函数，我们将在这个脚本中使用这个函数。**
|
||
|
||
**在下面的例子中，我们创建了一个包含许多电子邮件地址的字符串。**
|
||
|
||
**然后我们创建一个变量(emails ),它将包含所有找到的
|
||
电子邮件字符串的列表。**
|
||
|
||
**最后，我们使用一个 for 循环，我们可以对找到的每个电子邮件字符串
|
||
做一些事情。**
|
||
|
||
```py
|
||
`str = 'purple [[email protected]](/cdn-cgi/l/email-protection), blah monkey [[email protected]](/cdn-cgi/l/email-protection) blah dishwasher'
|
||
|
||
## Here re.findall() returns a list of all the found email strings
|
||
emails = re.findall(r'[w.-][[email protected]](/cdn-cgi/l/email-protection)[w.-]+', str) ## ['[[email protected]](/cdn-cgi/l/email-protection)', '[[email protected]](/cdn-cgi/l/email-protection)']
|
||
|
||
for email in emails:
|
||
# do something with each found email string
|
||
print email`
|
||
```
|
||
|
||
**我们也可以将此应用于文件。如果您有一个文件，并且想要遍历该文件的所有行，只需将它输入 findall()并让它在一个步骤中返回一个包含所有匹配的列表**
|
||
|
||
**read()在单个字符串中返回文件的全部文本。**
|
||
|
||
**(如果你想了解更多关于 Python 中的文件处理，我们写了一个
|
||
‘备忘单’，你可以在这里找到)**
|
||
|
||
```py
|
||
`# Open file
|
||
f = open('test.txt', 'r')
|
||
|
||
# Feed the file text into findall(); it returns a list of all the found strings
|
||
strings = re.findall(r'some pattern', f.read())`
|
||
```
|
||
|
||
## **重新搜索**
|
||
|
||
**re.search()方法接受一个正则表达式模式和一个字符串，然后
|
||
在字符串中搜索该模式。**
|
||
|
||
**语法是 re.search(模式，字符串)。**
|
||
|
||
****其中:**
|
||
**模式**
|
||
要匹配的正则表达式。**
|
||
|
||
****字符串**
|
||
将被搜索以匹配字符串中任何位置的模式的字符串。**
|
||
|
||
**它在带有可选标志的字符串中搜索第一个出现的 RE 模式。**
|
||
|
||
**如果搜索成功，search()返回一个匹配对象，否则返回 None。**
|
||
|
||
**因此，搜索之后通常会立即跟随一个 if 语句来测试
|
||
搜索是否成功。**
|
||
|
||
**在模式字符串的开头使用“r”是很常见的，这表示
|
||
一个 python“原始”字符串，它通过反斜杠而不改变，这对于正则表达式来说
|
||
非常方便。**
|
||
|
||
**此示例搜索模式“word:”后跟一个 3 个字母的单词。**
|
||
|
||
**代码 match = re.search(pat，str)将搜索结果存储在名为“match”的变量
|
||
中。**
|
||
|
||
**然后，if 语句测试匹配，如果为真，则搜索成功，并且
|
||
match.group()是匹配的文本(例如‘word:cat’)。**
|
||
|
||
**如果匹配为 false，则搜索没有成功，并且没有匹配的文本。**
|
||
|
||
```py
|
||
`str = 'an example word:cat!!'
|
||
|
||
match = re.search(r'word:www', str)
|
||
|
||
# If-statement after search() tests if it succeeded
|
||
if match:
|
||
print 'found', match.group() ## 'found word:cat'
|
||
|
||
else:
|
||
print 'did not find'`
|
||
```
|
||
|
||
**正如您在下面的例子中看到的，我使用了|操作符，它搜索我指定的模式。**
|
||
|
||
```py
|
||
`import re
|
||
programming = ["Python", "Perl", "PHP", "C++"]
|
||
|
||
pat = "^B|^P|i$|H$"
|
||
|
||
for lang in programming:
|
||
|
||
if re.search(pat,lang,re.IGNORECASE):
|
||
print lang , "FOUND"
|
||
|
||
else:
|
||
print lang, "NOT FOUND"`
|
||
```
|
||
|
||
****上述脚本的输出将是:****
|
||
|
||
**Python 找到了
|
||
Perl 找到了
|
||
PHP 找到了
|
||
C++没有找到**
|
||
|
||
## **再接**
|
||
|
||
**re 模块中的 re.sub()函数可用于替换子字符串。**
|
||
|
||
**re.sub()的语法是 re.sub(pattern，repl，string)。**
|
||
|
||
**这将用 repl 替换字符串中的匹配项。**
|
||
|
||
**在这个例子中，我将用 repl ("good ")替换 string (text)中所有出现的 re 模式(" cool")
|
||
。**
|
||
|
||
```py
|
||
`import re
|
||
text = "Python for beginner is a very cool website"
|
||
pattern = re.sub("cool", "good", text)
|
||
print text2`
|
||
```
|
||
|
||
**这是另一个例子(取自[谷歌的 Python 类](https://code.google.com/edu/languages/google-python-class/regular-expressions.html "Google"))，它搜索所有
|
||
的电子邮件地址，并更改它们以保留用户(1)但将
|
||
yo-yo-dyne.com 作为主机。**
|
||
|
||
```py
|
||
`str = 'purple [[email protected]](/cdn-cgi/l/email-protection), blah monkey [[email protected]](/cdn-cgi/l/email-protection) blah dishwasher'
|
||
|
||
## re.sub(pat, replacement, str) -- returns new string with all replacements,
|
||
|
||
## 1 is group(1), 2 group(2) in the replacement
|
||
|
||
print re.sub(r'([w.-]+)@([w.-]+)', r'[[email protected]](/cdn-cgi/l/email-protection)', str)
|
||
|
||
## purple [[email protected]](/cdn-cgi/l/email-protection), blah monkey [[email protected]](/cdn-cgi/l/email-protection) blah dishwasher`
|
||
```
|
||
|
||
## **重新编译**
|
||
|
||
**使用 re.compile()函数，我们可以将模式编译成模式对象，
|
||
，它有各种操作的方法，比如搜索模式匹配
|
||
或执行字符串替换。**
|
||
|
||
**让我们看两个例子，使用 re.compile()函数。**
|
||
|
||
**第一个例子检查用户的输入是否只包含字母、
|
||
空格或。(无数字)**
|
||
|
||
**不允许使用任何其他字符。**
|
||
|
||
```py
|
||
`import re
|
||
|
||
name_check = re.compile(r"[^A-Za-zs.]")
|
||
|
||
name = raw_input ("Please, enter your name: ")
|
||
|
||
while name_check.search(name):
|
||
print "Please enter your name correctly!"
|
||
name = raw_input ("Please, enter your name: ")`
|
||
```
|
||
|
||
**第二个例子检查用户的输入是否只包含数字、
|
||
括号、空格或连字符(没有字母)**
|
||
|
||
**不允许使用任何其他字符**
|
||
|
||
```py
|
||
`import re
|
||
|
||
phone_check = re.compile(r"[^0-9s-()]")
|
||
|
||
phone = raw_input ("Please, enter your phone: ")
|
||
|
||
while phone_check.search(phone):
|
||
print "Please enter your phone correctly!"
|
||
phone = raw_input ("Please, enter your phone: ")`
|
||
```
|
||
|
||
****上述脚本的输出将是:****
|
||
|
||
**请输入您的电话号码**
|
||
|
||
**请正确输入您的电话号码！**
|
||
|
||
**它将继续询问，直到你只输入数字。**
|
||
|
||
## **在地址中查找电子邮件域**
|
||
|
||
**让我们用我在 [stackoverflow](https://stackoverflow.com/questions/5629907/python-regular-expressions-find-email-domain-in-address "so-regular-expressions") 上找到的一个简洁的脚本来结束这篇关于 Python 中正则表达式的文章。**
|
||
|
||
****@**
|
||
扫描直到看到这个字符**
|
||
|
||
****【w .】**
|
||
潜在匹配的一组字符，所以 w 是全字母数字字符，
|
||
和尾随句点。添加到该字符集。**
|
||
|
||
****+**+
|
||
先前设定的一个或多个。**
|
||
|
||
**因为这个正则表达式匹配句点字符和@后面的每一个字母数字
|
||
,所以它甚至会匹配句子中间的电子邮件域。**
|
||
|
||
```py
|
||
`import re
|
||
|
||
s = 'My name is Conrad, and [[email protected]](/cdn-cgi/l/email-protection) is my email.'
|
||
|
||
domain = re.search("@[w.]+", s)
|
||
|
||
print domain.group()`
|
||
```
|
||
|
||
**输出:
|
||
@gmail.com**
|
||
|
||
##### **更多阅读**
|
||
|
||
**[https://developers . Google . com/edu/python/regular-expressions](https://developers.google.com/edu/python/regular-expressions "regular-expressions_google")
|
||
[http://www.doughellmann.com/PyMOTW/re/](http://www.doughellmann.com/PyMOTW/re/ "Re PYMOTW")
|
||
[http://www.daniweb.com/](https://www.daniweb.com/software-development/python/tutorials/238544/simple-regex-tutorial# "simple-regex-tutorial")** |