python筆記-Regex

標籤：大小   http   分享圖片   字元   class   dma   ase   第一個   list   

• 什麼是Regex：

Regex是一個特殊的字元序列，能協助我們方便的檢查一個字串是否與某種模式比對(定義往往都很枯燥) 

也稱之為”模式“，即可用於檢查一個給定的字串是否符合某種模式

 舉例：

我們定義一個模式，平常經常用到的日期模式：XXXX-XX-XX,2018-03-10

 在Regex的模式定義文法裡：\d用來指定一個數字，因此我們將日期的Regex的模式定義成：”\d\d\d\d-\d\d-\d\d" 

• 什麼是元字元：

元字元是一些在Regex中有特殊用途、不代表它本身字元意義的一組字元

 利用元字元，我們可以控制字元串匹配的方式

 比如上例中的\d,用來指定一個數字，"相當於[0-9]，匹配任何單個的數字字元"，而非d字母本身

• 元字元各自含義

   Regex的完整元字元及各自的含義（主要有11個）： 

          .   ^   $  *  +  ?  \   |   { }    []    ()

我們選挑重要的依次進行解釋

1.[ ] 方括弧

(1) 常用來指定一個字元集，如[abcd]匹配：a或b或c或d

(2) 元字元在”[]”中不起所用，比如：[a+]匹配：a或+ 

(3) 補集匹配：[^a]，匹配非a的一個字元

(4) 匹配連續字元：[a-zA-Z0-9]，匹配大小寫英文字母和數字

2.^

匹配行首，直接匹配字串中的每一個換行

3.$

匹配行尾，行尾是指：字串尾，或一個換行字元後的任何位置

4.\

逸出字元，如果要匹配”\”本身，需要使用再次轉義：”\\”

一些特殊字元：

\d：匹配：[0-9]

\D：匹配：[^0-9],與 \d 相反，匹配任何非十進位數位字元

\s：匹配：任何空白符，即：[\t\n\r\f\v]

\S：匹配：任何非空白符，即：[^\t\n\r\f\v]

\w：匹配：[a-zA-Z0-9_ ],即匹配任何字元

\W：匹配：[^a-zA-Z0-9_ ],與\w相反

5. *

匹配前一個字元或子運算式出現0次或多次

例如：ca*t 將匹配 ct（0 個字元 a），cat（1 個字元 a），caaat（3 個字元 a）

6. +

匹配前一個字元或子運算式出現1次或多次

例如： ca+t 會匹配 cat 和 caaat，但不會匹配 ct。

7.？

匹配前一個字元或子運算式出現1次或0次

例如 ：大?帥哥 可以匹配 大帥哥，也可以匹配 帥哥。

8.{ }

匹配前一個字元或子運算式出現指定次數（即代表重複）

{0,}：0次或多次，相當於”*”

{1,}：1次或多次，相當於”+”

{0,1}：0次或1次，相當於”?”

{m,n}：m次到n次(m <= n)，m是最少重複的次數，n是最多重複的次數

9.  .

匹配除分行符號以外的任意一個字元

10. |   

每一種條件匹配一次，且"|"和"[]"效果是相同的，返回形式一樣

例如：

>>> print (re.findall(r"[abc]","abc"))

[‘a‘,‘b‘,‘c‘]

>>> print (re.findall(r"[a|b|c]","abc"))

[‘a‘,‘b‘,‘c‘]

11. ( )

圓括弧分組匹配使得匹配返回元組

例如：

>>> print (re.findall(r"one two three four five six",a))

[‘one two three four five six‘]

>>> print (re.findall(r"(one) (two) (three) (four) (five) (six)",a))

[ ]返回空

• python語言中的re模組

在python語言中，re模組用於提供Regex的全部功能，而re模組中最重要的兩個函數是match()和re.search()

re.match()簡介

格式：re.match(pattern,string,flag=0),

第一個參數pattern用於傳入需要匹配的模式定義字串

第二個參數string用於傳入被匹配和檢查的字串內容

第三個flag用於傳入標識，如是否區分大小寫

例1：

import re

print(re.match("\d\d\d\d-\d\d-\d\d","2018-03-09"))

運行結果：<_sre.SRE_Match object; span=(0, 10), match=‘2018-03-09‘>

代表2018-03-09符合我們定義的日期模式

例2：

import re

print(re.match("\d\d\d\d-\d\d-\d\d","2018-3-9"))

運行結果：NONE

代表不符合

思考一下，如何既滿足符合一個數位月份和日又符合兩個數位月份和日（見例3）

例3：

import re

print(re.match("\d\d\d\d-\d{1,2}-\d{1,2}","2018-3-9")) 

如果看不懂，請返回到上節8.{}介紹部分

 例4：

再思考一下，下面的代碼

import re

print(re.match("\d{4}-\d{1,2}-\d{1,2}","2018-3-9"))

例5：

思考一下，下面的代碼（可先看一下上一節\s和*的含義）

imprt re

print(re.match("\s*\d{4}-\d{1,2}-\d{1,2}","   2017-05-08")

 代碼是為了相容日期前面如果出現多個空格的情況使用 \s*

例6：

import re

print(re.match("Dehom","Dehom Wang"))

 迴歸最簡單模式就是字串本身，這很重要

 

補充知識:

Python中字串前面加上 r 表示原生字串，（r=raw)

Python裡的原生字串很好地解決了需要\逸出字元這個問題，例如匹配一個數位"\\d"可以寫成r"\d"。有了原生字串，不用擔心是不是漏寫了反斜線，寫出來的運算式也更直觀

python筆記-Regex