python Regex

標籤：效率   依賴   預設   match   解析   pre   一個   none   property   

Regex應用情境

• 特定規律字串的尋找替換切割等

• 郵箱格式、url等格式的驗證

• 爬蟲項目，提取特定的有效內容

• 很多應用的設定檔

使用原則

• 只要能夠通過字串等相關函數能夠解決的，就不要使用正則

• 正則的執行效率比較低，會降低代碼的可讀性

• 世界上最難讀懂的三樣東西：醫生的處方、道士的神符、碼農的正則

• 提醒：正則是用來寫的，不是用來讀的，不要試著閱讀別人的正則；不懂功能時必要讀正則。

基本使用

• 說明：正則是通過re模組提供支援的

• 相關函數：

  • match：從開頭進行匹配，找到就立即返回正則結果對象，沒有就返回None

  • search：匹配全部內容，任意位置，只要找到，立即返回正則結果對象，沒有返回None

    # python依賴次模組完成正則功能
    import re
    ?
    # 從開頭進行匹配，找到一個立即返回正則結果對象，沒有返回None
    m = re.match(‘abc‘, ‘abchelloabc‘)
    # 匹配全部內容，任意位置，只要找到，立即返回正則結果對象，沒有返回None
    m = re.search(‘abc‘, ‘helloabcshsjsldj‘)
    if m:
        print(‘ok‘)
        # 擷取匹配內容
        print(m.group())
        # 擷取匹配位置
        print(m.span())

  • findall：匹配所有內容，返回匹配結果組成的列表，沒有返回None

    
    # 匹配所有內容，返回匹配結果組成的列表，沒有返回None
    f = re.findall(‘abc‘, ‘abcsdisuoiabcsjdklsjabc‘)
    if f:
        print(f)

  • compile：根據字串產生Regex的對象，用於特定正則匹配，通過match、search、findall匹配

    
    # 根據字串產生Regex的對象，用於正則匹配
    c = re.compile(‘abc‘)
    # 然後進行特定正則匹配
    # m = c.match(‘abcdefghijklmn‘)
    m = c.search(‘abcdefghijklmn‘)
    if m:
        print(m)
    ?
    print(c.findall(‘abcueywiabcsjdkaabc‘))

    將re模組中的match、search、findall方法的處理過程分為了兩步完成。

正則規則

• 單個字元

  
  一般字元：就是一對一的完全符合
  []：中間的任意一個字元
      [a-z]：表示a到z的任一字元
      [0-9]：表示0到9的任一字元
      [^abc]：除abc之外的字元
  . ：匹配‘\n‘以外的任一字元
  \d：所有的數字字元，等價於[0-9]
  \D：所有的非數字字元，等價於[^0-9]
  \w：所有的數字、字母、中文、底線等 (就是字的意思)
  \W：\w之外的所有字元
  \s：所有的空白字元，如：空格、\t、\n、\r
  \S：\s之外的所有字元
  \b：詞邊界，如：開頭、結尾、標點、空格等
  \B：非詞邊界

• 次數控制

  
  *：前面的字元可以是任意次
  +：前面的字元至少出現一次
  ?：至多一次，0次或1次
  {m}：匹配固定的m次
  {m,}：至少m次
  {m,n}：m到n次

  正則的匹配預設是貪婪的

• 邊界限定

  • ^：以指定內容開頭

  • $：以指定內容結尾

  
  import re
  ?
  # 以指定內容開頭
  # c = re.compile(r‘^abc‘)
  # 以指定內容結尾
  # c = re.compile(r‘abc$‘)
  # 同時限制開頭和結尾
  c = re.compile(r‘^abc$‘)
  ?
  s = c.search(‘abc‘)
  ?
  if s:
      print(‘ok‘)
      print(s.group())

• 分組匹配

  • |：表示或，具有最低的優先順序

  • ()：用於表示一個整體，可以確定優先順序

  
  import re
  ?
  # | 表示或，具有最低的優先順序
  # () 用於表示一個整體，可以確定優先順序
  c = re.compile(r‘a(hello|world)d‘)
  ?
  s = c.search(‘aworldd‘)
  ?
  if s:
      print(‘ok‘)
      print(s.group())

  ()還有分組匹配的作用，下次再講。

練習：

• 若匹配有特殊正則含義的字元怎麼辦，如：\d

  • 友情提示：轉義問題（python中轉義一次、正則解析轉義一次）

• 驗證一個字串是否是正確的郵箱格式

• 驗證一個字串是否是正確的url格式

思路

• 以功能為導向

• 寫出符合規則的若干字串

• 寫一點測一點，不斷的調整

• 最終完成功能

python Regex