作者:極光
来源:Python 技术
正则表达式相信大家应该都不陌生,本质上就是一种微小的、高度专业化的编程语言,使用它你可以为要匹配的可能字符串集指定规则。大多数编程语言正则语法基本相似,只是实现正则的函数库不同,今天就来跟大家一起了解下 Python 支持正则表达式的函数。
正则最简单的应用,就是对字符串进行操作,用来找出想要匹配的字符串,比如 Python 就只会匹配字符串 Python ,当然也可以设置不区分大小写,这样就可以匹配更多,比如 python、pyThon等。
如果还想来点复杂的匹配要怎么做,这就需要用到元字符了,下面就是所有的元字符:
// 元字符 [ ] ( ) . ^ $ * + ? { } |
这一对元字符主要用于指定字符类,也就是你想要匹配的一组字符。
比如:[asd] 就是要匹配任何字符 a, s, d,但如果想匹配 a b c d e …… x y z 是不是要把所有的都写一遍?当然不是了,这个我们可以写成 [a-z] 就行了,- 就是用来表示一个范围,再比如表示数字 1 至 9,可以写成 [1-9] 。
上面说的是包含的字符范围,如果想匹配不包含的范围要怎么做?这就要用到元字符 ^,比如匹配除了 n, u, 3 之外的字符,可以写成 [^nu3]。
还有一点需要注意,在 [ ] 中的元字符会作为普通字符匹配,比如 [$+] 就会匹配 $, +。
最后说下元字符 ,它的意义是用于转义所有元字符,也就是去掉元字符的特殊性,比如 {$\,其实就是匹配字串 {, $, 。
上面说了 [a-z] 可以匹配所有小写字母,[0-9] 用来匹配所有数字,这样已经够简单了,还有更简单的几种特殊范围表达方式。
字符说明.匹配除 "n" 之外的任何单个字符。要匹配包括 'n' 在内的任何字符,请使用象 '[.n]' 的模式。d相当于[0-9],即匹配一个数字字符。D相当于[^0-9],即匹配一个非数字字符。s相当于[fnrtv],也就是匹配任何空白字符,包括空格、制表符、换页符等等。S相当于[^fnrtv],匹配任何非空白字符。w相当于[a-zA-Z0-9_],匹配任何字母与数字字符。W相当于[^a-zA-Z0-9_],匹配任何非字母与数字字符。
上面这些特殊序列可以包含在字符类中,比如 [sd,] 即匹配任何空白字符,数字和 ,。
只是做到匹配字符串集合,肯定是不够的,它还有个更大的优势,那就是可以指定某一部分字符是重复的,并且可以指定重复的次数。
先说第一个表示重复的元字符 *,它用来指定前面一个字符可以重复0次或者多次。
比如 ap*le 将会匹配 apple,appple,ale 等等。
这里当重复正则时,匹配引擎会尝试尽可能多的重复它。当发现模式的后续部分不匹配,则匹配引擎将会回退并以较少的重复次数再次尝试。
另一个重复的元字符 +,它用来表示前一个字符可重复1次或多次。它跟 * 相比,其实就是少了一个重复0次,也就是上面 ap*le 换成 ap+le 不会出现匹配到 ale。
第三个元字符就是 ?,它用来表示前一个字符可重复0次或1次,把上面的例子换成 ap?le,其实就是两个字符串 ale 或 aple。
最后一个复杂些就是 {m,n},这个表示前一个字符可重复次数是一个区间,也就是最少重复m次,最多重复n次。
例如 ap{2,3}le将会匹配 apple,appple 两个字符串,其他都不会匹配。
在这里需要注意下,m 需要小于 n,当然 m 或 n 也是可以省略的。比如当 m=0 时,可以省略 m,当 n 为无穷大时,也可以省略 n。
对!你没看错,如果想使用正则表达式,首先得要把它编译成模式对象。编译成对象后,它就可以使用各种操作方法了,比如字串匹配查询或替换等。
Python 编译的方法是 re.compile('正则表达式'),比如 re.compile('ap?le')。
当然也可以传一些特殊的参数,比如忽略大小写,那上面的编译方法就可以写成 re.compile('ap?le', re.IGNORECASE),这样在匹配字串时就可以忽略大小写了。
那除了这个还有别的参数吗?有,下面我把一部分常用的参数列出来,对了参数还可以简写,比如刚才使用的 re.IGNORECASE 可以简写成 re.I,这样就方便多了。
以下是常用编译参数:
参数简写说明IGNORECASEI忽略大小写ASCIIA使几个转义(w、b、s和d)匹配仅与具有相应特征属性的 ASCII 字符匹配DOTALLS使 . 匹配任何字符,包括换行符LOCALEL进行区域设置感知匹配MULTILINEM多行匹配,影响 ^ 和 $VERBOSEX忽略正则字符串中的空格,除非空格位于字符类中或前面带有未转义的反斜杠,可以组织和缩进,还可以写注释
大部分都容易理解,只是最后一个参数 VERBOSE 可能不太容易理解,这里给大家个官方的例子看下就理解了。
test = re.compile(r"""
&[#] # 数字开始部分
(
0[0-7]+ # 八进制
| [0-9]+ # 小数形式
| x[0-9a-fA-F]+ # 十六进制
)
; # 结束分号
""", re.VERBOSE)
其实上面说的编译都只是在做准备,准备接下来要介绍的,正则表达式最重要的查询匹配。
常用匹配方法:
上面这些方法,如果匹配成功,会返回一个对象实例,其中包含匹配相关的信息:起始和终结位置、匹配的子串以及其它信息。
// 示例代码
import re
ret = re.compile('[0-9]+')
ret.match("apple") // 返回 None
ret.match("12189") // 返回 <re.Match object; span=(0, 5), match='12189'>
ret.match("121ab") // 返回 <re.Match object; span=(0, 3), match='121'>
好了,今天我们简单介绍了下正则表达式,以及在 Python 中如何使用正则表达式,其实以上这些只是基础,后续还会为大家介绍更多。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14