python與Regex

標籤：替換   back   分組   order   .com   參數   顯示   查詢   arch   

1.Regex

　　正則，只跟字串相關，就是匹配字串內容的一種規則。

　　正則主要有兩部分組成，要尋找字元的類型，以及要尋找字元的數量。（自己的理解）

　　字元的類型：（相當於你要找的部分內容）

　　

元字元	匹配內容
.	匹配除分行符號以外的任一字元
\w	匹配字母或數字或底線
\s	匹配任意的空白符
\d	匹配數字
\n	匹配一個分行符號
\t	匹配一個定位字元
\b	匹配一個單詞的結尾
^	匹配字串的開始
$	匹配字串的結尾
\W	匹配非字母或數字或底線
\D	匹配非數字
\S	匹配非空白符
a|b	匹配字元a或字元b
()	匹配括弧內的運算式，也表示一個組
[...]	匹配字元組中的字元
[^...]	匹配除了字元組中字元的所有字元

 

　　代表數量的量詞：（相當於你要找的部分內容對應的個數）

　　　　

量詞	用法說明
*	重複零次或更多次
+	重複一次或更多次
?	重複零次或一次
{n}	重複n次
{n,}	重複n次或更多次
{n,m}	重複n到m次

 

 

　　樣本：

　　‘d\d+\w{3,6}p‘   這個Regex代表的是：以d開頭，後邊是數字，數量是1個或者多個，後邊是字母、數字、底線，數量是3-6個，然後以一個p結尾。

　　備忘：這裡都是預設為貪婪模式，數量能找到滿足條件的多個，就找多個，非貪婪模式的是在表達數位後邊加‘？’號。如右：‘d\d+？\w{3,6}？p‘

　　代表要尋找字元位置的符號：

　　^ 和 $ ： ^代表在字串的開頭出現，$ 代表在字串的末尾出現。

　　樣本 

　　string = ‘海燕海東海西‘  

　　^海.   會匹配到 開頭的‘海燕’  ，全部的意思是：匹配開頭是海這一個字，後邊跟一個除分行符號之外的一個字元。

　　海.$   會匹配到結尾的‘海西’ ，全部的意思是 ：匹配結尾的海+一個除分行符號之外的一個字元。

　　字元集［］［^］

　　[ ]  表示這一個位置可能出現的字元，注意是一個位置，表示多個位置的話，可以是 [ ]*,或者 [ ]+ 等[ ]後邊跟量詞

　　[ ^ ]  表示取非，即這一個位置可能出現的字元除了括弧內的，

　　

 　　分組 ()與 或 ｜

　　樣本：

　　（） 表示把一些字元看成一個整體，  | 是或的意思。

　　([1-9]\d{16}[0-9x]|[1-9]\d{14})   表示先匹配[1-9]\d{16}[0-9x]如果沒有匹配上就匹配[1-9]\d{14}

 

2.Python 下的Regex—— re 模組 

　　re模組常用方法：findall、search、 match、 split、 sub、

　　re.findall(pattern，) 

　　尋找滿足條件的字串，返回一個列表，元素是每一個找到的子字串，

1 樣本：2 str = ‘fhsjdhal66478636666guy66666hhfieyhf‘3 ret5 = re.findall(‘\d{4,6}?‘,str)4 print(ret5)

結果：
[[‘6647‘, ‘8636‘, ‘6666‘]]   # 此處是非貪婪模式

　　findall中有個分組優先的原則：

# 如果沒有分組，是這樣子的：str = ‘11512319890965443xhfauh630289768776545678ucufy‘ret5 = re.findall(‘[0-9]\d{5}\d{8}\d{3}[0-9x]‘,str)    # ret5 = re.findall(r‘[1-9]\d{16}[0-9x]‘,str)print(ret5)結果是：>>> [‘11512319890965443x‘, ‘630289768776545678‘]假如我分組了，就會返回組裡邊的資訊，str = ‘62012319890965443xhfauh630289768776545678ucufy‘ret5 = re.findall(‘[0-9]\d{5}(\d{8})\d{3}[0-9x]‘,str)# ret5 = re.findall(r‘[1-9]\d{16}[0-9x]‘,str)print(ret5)結果是：>>> [‘19890965‘, ‘76877654‘]其實其他位置的也匹配到了，只是沒有顯示出來而已。

 

　　re.resarch()

　　在字串內尋找模式比對,只到找到第一個匹配然後返回一個包含匹配資訊的對象,通過.group()方法調用。

1 ret = re.search(‘a‘, ‘eva egon yuan‘).group()2 print(ret) 3 #結果 : ‘a‘

　　re.math()

　　在字串開始處進行匹配，如果不在開頭，則會報錯，如找到，返回的跟search一樣。

1 ret = re.match(‘a‘, ‘abc‘).group()  2 print(ret)3 4 #結果 : ‘a‘

 　　re.finditer() 

　　返回一個存放匹配結果的迭代器

1 import re2 ret = re.finditer(‘\d‘, ‘ds3sy4784a‘)   #finditer返回一個存放匹配結果的迭代器3 print(ret)  # <callable_iterator object at 0x10195f940>4 print(next(ret).group())  #查看第一個結果5 print(next(ret).group())  #查看第二個結果6 print([i.group() for i in ret])  #查看剩餘的左右結果

 

　　re.split  返回一個切割之後的列表。

　　ret = re.split(‘[ab]‘, ‘abcd‘)

　　# 先按‘a‘分割得到‘‘和‘bcd‘,在對‘‘和‘bcd‘分別按‘b‘分割 print(ret) # [‘‘, ‘‘, ‘cd‘]   注意這裡　　

 

　　split的優先順序查詢

ret=re.split("\d+","eva3egon4yuan")print(ret) #結果 ： [‘eva‘, ‘egon‘, ‘yuan‘]ret=re.split("(\d+)","eva3egon4yuan")print(ret) #結果 ： [‘eva‘, ‘3‘, ‘egon‘, ‘4‘, ‘yuan‘]#在匹配部分加上（）之後所切出的結果是不同的，#沒有（）的沒有保留所匹配的項，但是有（）的卻能夠保留了匹配的項，#這個在某些需要保留匹配部分的使用過程是非常重要的。

　　re模組其他的方法：

　　sub 替換 、compile()編譯成一個對象

ret = re.sub(‘\d‘, ‘H‘, ‘eva3egon4yuan4‘, 1)#將數字替換成‘H‘，參數1表示只替換1個print(ret) #evaHegon4yuan4ret = re.subn(‘\d‘, ‘H‘, ‘eva3egon4yuan4‘)#將數字替換成‘H‘，返回元組(替換的結果,替換了多少次)print(ret)obj = re.compile(‘\d{3}‘)  #將Regex編譯成為一個 Regex對象，規則要匹配的是3個數字ret = obj.search(‘abc123eeee‘) #Regex對象調用search，參數為待匹配的字串print(ret.group())  #結果 ： 123

 

　　

　　

　　

 

python與Regex