快捷導(dǎo)航

python演示解答正則為什么是最強(qiáng)文本處理工具

更新時(shí)間：2021年09月16日 16:44:08 作者：派森攻城獅

正則表達(dá)式又稱規(guī)則表達(dá)式，通常被用來(lái)檢索、替換那些符合某個(gè)模式(規(guī)則)的文本，它是最強(qiáng)的文本處理工具，至于原因本文將給你答案

正則表達(dá)式，又稱規(guī)則表達(dá)式。（英語(yǔ)：Regular Expression，在代碼中常簡(jiǎn)寫為regex、regexp或RE），計(jì)算機(jī)科學(xué)的一個(gè)概念。正則表達(dá)式通常被用來(lái)檢索、替換那些符合某個(gè)模式(規(guī)則)的文本。

Python作為一門數(shù)據(jù)處理語(yǔ)言，經(jīng)常使用正則匹配段落，比如爬蟲爬取數(shù)據(jù)時(shí)。正則表達(dá)式是Python內(nèi)置的模塊，不需要額外安裝。

在這里插入圖片描述

今天來(lái)給大家分享一份比較全面的Python正則表達(dá)式寶典，學(xué)會(huì)之后，你將掌握正則表達(dá)式的各種應(yīng)用場(chǎng)景。

re模塊

re （Regular Expression簡(jiǎn)寫），這個(gè)很好記住。

1.導(dǎo)入re模塊

在使用正則表達(dá)式之前，需要導(dǎo)入re模塊。

import re

2.findall()的語(yǔ)法：

導(dǎo)入了re模塊之后就可以使用findall()方法了，
re.findall(pattern, string, flags=0)

參數(shù)

pattern：必填。正則表達(dá)式
string：必填，需要檢索的文本， == 確保沒亂碼 ==
Flags：選填，功能標(biāo)志位

返回?cái)?shù)組

str='a1a2a3'
newStr=re.findall('a\d',str )
nullVlue=re.findall('b\d',str)
print('newStr匹配個(gè)數(shù)：',len(newStr))
print('newStr匹配結(jié)果',newStr)
print('nullVlue匹配個(gè)數(shù)：',len(nullVlue))
print('nullVlue匹配結(jié)果',nullVlue)

顯示如下：

newStr匹配個(gè)數(shù)： 3
newStr匹配結(jié)果 ['a1', 'a2', 'a3']
nullVlue匹配個(gè)數(shù)： 0
nullVlue匹配結(jié)果 []

基本語(yǔ)法已經(jīng)介紹完成了。

正則表達(dá)式

1.傻瓜式截取findall

import re

text='aaa bbb ccc'

rol='aaa (.*) ccc'

rul=re.findall(rol ,text)

print(rul)

顯示如下：

['bbb']

直接復(fù)制原來(lái)的文本，把想要提取的文本替換成(.*)

在這里插入圖片描述

表達(dá)式解釋：

表示	意義
`(pattern)`	表示匹配pattern并獲取這一匹配。要匹配圓括號(hào)字符，請(qǐng)使用" $" 或 "$ "。
`.`	匹配除“\n"之外的任何單個(gè)字符。要匹配包括"\n"在內(nèi)的任何字符，請(qǐng)使用像"(.\|\n)"的模式。
`*`	匹配前面的子表達(dá)式零次或多次。例如，zo能匹配“z"以及"zoo"。等價(jià)于{0,}。

增加替代

import re

text = '<li><a href="/2/" rel="external nofollow"  rel="external nofollow"  rel="external nofollow" >動(dòng)作片</a></li> <li><a href="/1/" rel="external nofollow"  rel="external nofollow"  rel="external nofollow" >喜劇片</a></li>'

rol = r'<li><a href=".*?" rel="external nofollow"  rel="external nofollow"  rel="external nofollow" >(.*?)</a></li>'

rul = re.findall(rol, text)

print(rul)

顯示：

['動(dòng)作片', '喜劇片']

表達(dá)式解釋：

在這里插入圖片描述

表示	意義
`?`	非貪婪模式盡可能少的匹配所搜索的字符串，而默認(rèn)的貪婪模式則盡可能多的匹配所搜索的字符串。
`pattern`	不帶( )表示匹配pattern匹配值不獲取~~獲取值不輸出~~。

保留獲取

import re

text = '<li><a href="/2/" rel="external nofollow"  rel="external nofollow"  rel="external nofollow" >動(dòng)作片</a></li> <li><a href="/1/" rel="external nofollow"  rel="external nofollow"  rel="external nofollow" >喜劇片</a></li>'

role = r'<li><a href=".*?" rel="external nofollow"  rel="external nofollow"  rel="external nofollow" >(.*?)</a></li>'

resu = re.findall(role , text)

rol2=r'(<a href=".*?" rel="external nofollow"  rel="external nofollow"  rel="external nofollow" >.*?</a>)'

rul2 = re.findall(rol2, text)

print(resu )

顯示：

['<a href="/2/">動(dòng)作片</a>', '<a href="/1/">喜劇片</a>']

把括號(hào)寫在外面就可以了

傻瓜式的講完了，下面講講限定符

1 - [xyz]

字符集合。匹配所包含的任意一個(gè)字符。例如，“[abc]“可以匹配"plain"中的"a”。

import re

text = 'aab 1+23 ss aac 4-56 ss'

rol = r'aa(.*?)ss'

rul1 = re.findall(rol, text)

print(rul1)

rol2 = r'aa[bc](.*?)ss'

rul1 = re.findall(rol2, text)

print(rul1)

輸出：

['b 1+23 ', 'c 4-56 ']
[' 1+23 ', ' 4-56 ']

== 表達(dá)式解釋 ==
①我們可以先把固定的截取下來(lái)，紅框部分。
②再通過(guò)非截取方式把b和c過(guò)濾掉，藍(lán)色部分。
③[ ]提供的就是包含功能

在這里插入圖片描述

2 - {}

表示	意義
`{n}`	n是一個(gè)非負(fù)整數(shù)。匹配確定的n次。例如，“o{2}"不能匹配"Bob"中的"o"，但是能匹配"food"中的兩個(gè)o。
`{n,}`	n是一個(gè)非負(fù)整數(shù)。至少匹配n次。例如，“o{2,}"不能匹配"Bob"中的"o"，但能匹配"foooood"中的所有o。"o{1,}"等價(jià)于"o+"。"o{0,}"則等價(jià)于"o*"。
`{n,m}`	m和n均為非負(fù)整數(shù)，其中n<=m。最少匹配n次且最多匹配m次。例如，“o{1,3}"將匹配"fooooood"中的前三個(gè)o。"o{0,1}"等價(jià)于"o?"。請(qǐng)注意在逗號(hào)和兩個(gè)數(shù)之間不能有空格。
`+`	匹配前面的子表達(dá)式一次或多次。例如，“zo+"能匹配"zo"以及"zoo"，但不能匹配"z"。+等價(jià)于{1,}。。
`*`	匹配前面的子表達(dá)式零次或多次。例如，zo能匹配“z"以及"zoo"。等價(jià)于{0,}。

== 難度加大，b和c的個(gè)數(shù)不固定 ==

import re
#難度加大，b和c的個(gè)數(shù)不固定
text = 'aabbccbb 1+23 ss aaccb 4-56 ss'

rol = r'aa[bc]{3,10}(.*?)ss'

rul1 = re.findall(rol, text)

print(rul1)

rol2 = r'aa[bc](.*?)ss'

rul2 = re.findall(rol2, text)

print(rul2)

顯示：

[' 1+23 ', ' 4-56 ']
['bccbb 1+23 ', 'cb 4-56 ']

在這里插入圖片描述

3 - (?:pattern)正則斷言

斷言（Assertions）在正則表達(dá)式概念里面難理解，它通常指的是在目標(biāo)字符串的當(dāng)前匹配位置進(jìn)行的一種測(cè)試但這種測(cè)試并不占用目標(biāo)字符串，也即不會(huì)移動(dòng)模式在目標(biāo)字符串中的當(dāng)前匹配位置。

表示	意義
`x\|y`	匹配x或y。例如，“z\|food"能匹配"z"或"food"。"(z\|f)ood"則匹配"zood"或"food"。
`(?:pattern)`	匹配pattern但不獲取匹配結(jié)果，也就是說(shuō)這是一個(gè)非獲取匹配，不進(jìn)行存儲(chǔ)供以后使用。這在使用或字符“(\|)"來(lái)組合一個(gè)模式的各個(gè)部分是很有用。
`(?=pattern)`	正向肯定預(yù)查，在任何匹配pattern的字符串開始處匹配查找字符串。這是一個(gè)非獲取匹配，也就是說(shuō)，該匹配不需要獲取供以后使用。
`(?!pattern)`	正向否定預(yù)查，在任何不匹配pattern的字符串開始處匹配查找字符串。這是一個(gè)非獲取匹配，也就是說(shuō)，該匹配不需要獲取供以后使用。
`(?!pattern)`	正向否定預(yù)查，在任何不匹配pattern的字符串開始處匹配查找字符串。這是一個(gè)非獲取匹配，也就是說(shuō)，該匹配不需要獲取供以后使用。
`(?<=pattern)`	反向肯定預(yù)查，與正向肯定預(yù)查類擬，只是方向相反。
`(?<!pattern)`	反向否定預(yù)查，與正向否定預(yù)查類擬，只是方向相反。

== 再把開頭字符變得不固定aa和dd，結(jié)尾字符ss，ff ==

import re
#難度加大，b和c的個(gè)數(shù)不固定
#再把開頭字符變得不固定aa和dd，結(jié)尾字符ss，ff
text = 'aabbccbb 1+23 ss ddccb 4-56 ff'

rol = r'aa[bc]{3,10}(.*?)ss'

rul1 = re.findall(rol, text)

print(rul1)

rol2 = r'(?:aa|dd)[bc]{3,10}(.*?)(?:ss|ff)'

rul2 = re.findall(rol2, text)

print(rul2)

顯示：

[' 1+23 ']
[' 1+23 ', ' 4-56 ']

在這里插入圖片描述

Python正則flags

編譯標(biāo)志讓你可以修改正則表達(dá)式的一些運(yùn)行方式。多個(gè)標(biāo)志可以通過(guò)按位 OR-ing 它們來(lái)指定。如 re.I | re.M 。flags都有兩種形式，縮寫和全寫都可以。

表示	意義
`re.I或re.IGNORECASE`	忽略大小寫
`re.L或re.LOCALE`	使用當(dāng)?shù)豯ocale。（python中有個(gè)locale模塊，locale代表不同的語(yǔ)言，地區(qū)和字符集）
`re.U或re.UNICODE`	使用unicode的locale
`re.U或re.UNICODE`	使用unicode的locale
`re.M或re.MULTILINE`	使用^或$時(shí)會(huì)匹配每一行的行首或行尾
`re.S或re.DOTALL`	使用.時(shí)能匹配換行符
`re.X或re.VERBOX`	忽略空白字符，而且可以加入注釋

re.I

import re
#難度加大，b和c的個(gè)數(shù)不固定
#再把開頭字符變得不固定aa和dd，結(jié)尾字符ss，ff
#改變字母大小寫
text = 'aAbBCcbb 1+23 Ss Ddccb 4-56 fF'

rol = r'(?:aa|dd)[bc]{3,10}(.*?)(?:ss|ff)'

rul = re.findall(rol, text)
print(rul)

rul2 = re.findall(rol, text,re.I)
print(rul2)

顯示：

[]
[' 1+23 ', ' 4-56 ']

在這里插入圖片描述

re.M和re.S

import re
#難度加大，b和c的個(gè)數(shù)不固定
#再把開頭字符變得不固定aa和dd，結(jié)尾字符ss，ff
#改變字母大小寫
#在中間添加一個(gè)換行符
text = 'aAbBCcbb 1+23 \n Ss Ddccb 4-56 fF'

rol = r'(?:aa|dd)[bc]{3,10}(.*?)(?:ss|ff)'

rul = re.findall(rol, text,re.I)
print(rul)

rul2 = re.findall(rol, text,re.I|re.S)
print(rul2)

顯示：