Python正则表达式

正则表达式(Regular expression)是组成搜索模式的一组字符序列,是记录文本规则的代码,用来检查文本中是否包含指定模式的字符串,通过定义一个规则来匹配字符串。正则表达式广泛应用于在字符串查找和处理中,大多文本编辑器基本都支持正则表达式查找。本文将简要介绍正则表达式语法,然后介绍Python语言中正则表达式使用方法。

正则表达式

Unix之父Ken Tompson将正则表达式引入Unix,后面发展成了grep(Global Regular Expression Print)命令,由于grep不支持+|? ,且分组比较麻烦,AT&T的Alfred Aho开发了egrep命令。随着Unix的版本不断演化,Unix中的程序(比如Linux三剑客中的awk、sed)所支持的正则表达式有差异,比较混乱。在1986年制定了POSIX(Portable Operating System Interface)标准,其中统一了正则表达式的语法。

POSIX标准把正则表达式分为两种:BRE(Basic Regular Expressions)和ERE(Extended Regular Expressions )。BRE就是unix系统使用的grep命令,ERE对应egrep命令,是BRE的扩展。而linux系统使用的是GNU标准,linux发行版集成了GNU(Gnu’s Not Unix)套件,GNU在实现了POXIS标准的同时,做了一定的扩展。也包括GNU Basic Regular Expressions 和GNU Extends Regular Expressions。

正则表达式除了POSIX标准之外还有一个Perl分支,Perl与sed和awk兼容,后来演化成为PCRE(Perl Compatible Regular Expressions),是一个用C语言编写的正则表达式函数库,功能很强大,性能比POSIX正则表达式好。PCRE被引入了其他语言中,比如PHP, Tcl, Python, Ruby, C++, Java, R语言等等。

普通正则

代码 说明
. 匹配除换行符以外的任意字符
\w 匹配字母或数字或下划线或汉字
\s 匹配任意的空白符
\d 匹配数字
\b 匹配单词的开始或结束
^ 匹配字符串的开始
$ 匹配字符串的结束
* 重复零次或更多次

扩展正则

扩展正则:grep加 -E 参数

  • grep -E ' 404 | 500' nginx.log
代码/语法 说明
+ 重复一次或更多次
重复零次或一次
{n} 重复n次
{n,} 重复n次或更多次
{n,m} 重复n到m次
| 表示或

零宽断言

语法 说明
(?=exp) 匹配exp前面的位置
(?<=exp) 匹配exp后面的位置
(?!exp) 匹配后面不是exp的位置
(?<!exp) 匹配前面不是exp的位置

正则表达式实例

正则表达式在线测试工具:

  1. https://regex101.com/
  2. http://c.runoob.com/front-end/854
  3. https://tool.oschina.net/regex

1. 匹配以字母a开头的单词

\ba\w*\b

Python正则表达式

2. 匹配刚好6个字符的单词

\b\w{6}\b

Python正则表达式

3. 匹配1个或更多连续的数字

\d+

Python正则表达式

4. 5位到12位QQ号

\d{5,12}

Python正则表达式

^\d{5,12}$
Python正则表达式

5. 匹配电话号码

0\d{2}-\d{8}
Python正则表达式

6. 只匹配3位数字

^\d{3}$
Python正则表达式

7. 查找单词‘GET’

\bGET\b
Python正则表达式

^GET$
Python正则表达式

8. 查找‘Hello World’

\bHello\b.*\bWorld\b
Python正则表达式

Python正则表达式

Python有一个内置正则表达式模块 re ,可以使用它来进行字符串操作:

import re

re模块提供了以下4种方法:

  • findall:返回所有匹配项
  • search:如果匹配到目标字符,返回一个匹配对象,用于判断是否存在目标字符串
  • split:分割
  • sub:替换

匹配数字、字母

text = '1&\nbsp;hour(s) 2&\nbsp;min 25&\nbsp;s'
re.findall(r'\d+',text) # 匹配时间(数字)
re.findall(r'\d+|(?<=;)\w+',text) # 匹配时间和单位

output:

['1', '2', '25']
['1', 'hour', '2', 'min', '25', 's']
re.findall(r'\d{2}+',text) # 匹配2位数字

匹配全是数字: ^[0-9]*$

if re.match('^[0-9]*$',val):
   val = int(val)

查找替换两个字符串之间内容

替换字符target_text

xpath_path = '//*[contains(text(),"target_text")]/../td[5]/span' # xpath路径
repl = "需要替换成的字符串"
re.sub(r"(?<=\").*?(?=\")", repl, xpath_path) # 替换要查找的文本

output:

'//*[contains(text(),"需要替换成的字符串")]/../td[5]/span'

添加千位分割符

number = '12345678' 
re.sub(r"\B(?=(?:\d{3})+(?!\d))", ",",number) # 替换要查找的文本
re.sub(r"\B(?:(?:\d{3})+(?!\d))", ",",number) 

output:

'12,345,678'
'12,'

(?:\d{3})+(?!\d):

  • 查找3n(数字) + 非数字 组合

(?:exp) :

  • 匹配exp,不捕获匹配的文本(非获取匹配),也不给此分组分配组号,当执行了第一次匹配时,匹配到了行尾,直接将345678替换成了“,”。

参考文档

  1. 正则表达式30分钟入门教程:https://deerchao.cn/tutorials/regex/regex.htm
  2. github项目learn-regex:https://github.com/ziishaned/learn-regex
  3. https://www.w3schools.com/python/python_regex.asp

--THE END--

文章标题:Python正则表达式
本文作者:hiyo
本文链接:https://www.cnblogs.com/hiyong/p/14175955.html
欢迎关注公众号:「测试开发小记」及时接收最新技术文章!

发表评论

评论已关闭。

相关文章