標籤:元字元 sadd 單詞 字串 code none 物件導向 知識點 重複
1.Regex
??Regex為進階的文字模式匹配,抽取,與/或文本形式的搜尋和替換功能提供了基礎,簡單的來說,Regex是由一些字元和特殊符號組成的字串。Python通過標準庫中的re模組來支援Regex。
2.特殊符號和字元
??首先介紹一下最常見的特殊符號和字元,即所謂的元字元。
| 標記法 |
描述 |
Regex用法樣本 |
| literal |
匹配文本字串的字面值literal |
re.findall("chen","sadchen21") |
| . |
匹配任一字元(除了\n之外) |
re.findall("c..n","sadchen21") |
| ^ |
從字串開始部分開始匹配 |
re.findall("^sad","sadchen21") |
| $ |
匹配字串的終止部分 |
re.findall("21$","sadddchen21") |
| * |
匹配0次或多次前面出現的Regex |
re.findall("sad*","saddddchen21") |
| + |
匹配1次或多次前面出現的Regex |
re.findall("sad+","sadddchen21") |
| ? |
匹配0次或者1次前面出現的Regex |
re.findall("sad?","sadddchen21") |
| {N} |
匹配N次前面出現的Regex |
re.findall("sad{3}","sadddchen21") |
| {M,N} |
匹配M~N次前面出現的Regex |
re.findall("sad{1,3}","sadddcen21") |
| [] |
匹配來自字元集的任一單一字元 |
re.findall("[a-z]","sadddcen21") |
| [^..] |
不匹配此字元集中出現的任一字元,包括某一範圍的字元 |
re.findall("[^a-z]","sadddcen21") |
| (...) |
匹配封閉的Regex,然後另存新檔子組 |
re.findall("[(a-z)]","sadddcen21") |
| \d |
匹配任何的十進位數,與[0-9]一致(/D與/d相反,不匹配任何非數值型的數字) |
re.findall("\d","sa2dcen21") |
| \w |
匹配任何字母數字字元,與[A-Z],[a-z],[0-9]相同,(\W與之相反) |
re.findall("\w","sa2dcen21") |
| \s |
匹配任何空白字元,與\n\r\t等相同,(與\S相反) |
re.findall("\s","sa2dce\nn 21") |
| \b |
匹配任何單詞邊界,匹配特殊字元(\B與之相反) |
re.findall(r"I\b","I am Czp") |
??在上面/b的例子中,為什麼要加r?
??r的作用就是讓後面的字串不做任何的轉義,如果不加r能不能起到相同的作用呢?
re.findall("I\\b","I am Czp") 通過轉義符\來實現
3.重要符號詳細用法講解
- 表示擇一的管道符號“|”,表示一個“從多個模式中選擇其一”的操作,它用於分割不同的Regex,擇一匹配有時候也被稱為(union)或邏輯或
re.findall("ka|b","sdkakb11") 匹配ka或bre.findall("ka|b","sdka11")
- 匹配任一字元“.”,點好或句點(.)符號匹配除了分行符號\n以外的任一字元
re.findall("s..a","sdka11") 匹配在s和a之間任意的兩個字元re.findall("..","sdka11") 匹配任意兩個字元re.findall(".a","sdka112") 匹配a前的任意一個字元
??要顯式匹配一個句點符號本身,必須使用反斜線轉義句點符號的功能,例如“\.”
- 從字串起始或者結尾或者單詞邊界匹配“^”“$”“\b”
re.findall("^sa","sdka112") 匹配以s開頭的字元或字串re.findall("12$","sdka112") 匹配以12結尾的字元或字串
??匹配邊界字元“\b”
??\b用於匹配一個單詞的邊界,這意味著如果一個模式必須位於單詞的起始部分,就不管該單詞前面(單詞位於字串中間)是否有任何字元(單詞位於首行),而\B將匹配出現在一個單詞中間的模式,即不是單詞邊界
re.findall("er","never") 匹配任意包含the的字串re.findall(r"er\b","never") 匹配任意以er為起始位置的字串re.findall(r"er\B","evern") 匹配包含er但不以er為起始的字串
??建立字元集“[]”
??“.”可以用於匹配任意符號,但某些時候需要匹配某些特定字元,這就需要[],用來匹配一對方括弧中包含的任何字元。如b[ner]t匹配的字串就是bnt,bet,brt,方括弧表示邏輯或的功能,對於單個字元,如果想要:要麼匹配a,要麼匹配b,就可以用[ab]表示,字元集只適用於單字元的情況,如果要匹配多個字元,就需要使用擇一方法“|”
??最常用的特殊符號“”“+”“?”
??""、"?"、"+"都可以用來匹配一個、多個或者沒有出現的字串模式,"*”用來匹配其左邊的Regex出現零次或多次,“+”號將匹配一次或多次出現的情況,“?”將匹配零次或一次出現的Regex,而{N}或{M,N}這將最終精確的匹配前面的RegexN次或一定範圍的次數。
??當模式比對使用分組操作符的時候,Regex的引擎將試圖匹配出儘可能多的字元,這叫做貪婪匹配
re.findall("sad*","saddddsds") 匹配d,d可以出現0次,或多次re.findall("sad+","saddddsds") 匹配d,d不可以出現0次,匹配1次或多次re.findall("sad?","saddddsds") 匹配d,d可以出現0次,匹配0次或1次re.findall("\d{2}","sad123dsds") 匹配兩個連續的數字字元
??如果想要提取任意已經成功匹配的特定字串或子字串,就需要用“()”來包裹Regex
??當使用Regex的時候,一對圓括弧可以實現以下任意一個功能
??樣本:當有兩個不同的Regex而且想用它們來比較同一個字串的時候,就需要用到“()”,還有對Regex進行分組可以重複使用操作符,使匹配到的子字串儲存起來以供後續使用。
??擴充標記法,以問號開始(?..),很重要的一個(?P
4.re模組的核心函數和方法
??常見的Regex屬性
compile() | 使用可選的標記來編譯Regex的模式,返回一個對象
match() | 匹配字串,如果成功,就返回匹配對象,如果失敗,就返回None
search() | 匹配第一次出現的Regex,成功,返回匹配對象,失敗,就返回None
findall() | 尋找字串中所有出現的Regex模式,並返回一個匹配列表
finditer() | 與findall相同,但返回的不是一個列表,而是一個迭代器
spilt() | 將字串分割為列表,返回成功匹配的列表
sub() | 替換所有Regex的模式在字串中出現的位置
purge() | 清楚隱式編譯的Regex模式
group() | 返回整個匹配對象,或者編號為num的特定子組
??函數篇就寫到這裡,接下來會寫物件導向部分的內容,如果有遺漏的,歡迎大家和我交流,我會第一時間補上遺漏的知識點。
Python函數篇(7)-Regex