8. 正则表达式

news2024/11/27 10:41:33

正则表达式

在处理字符串时，需要查找符合某些复杂规则的字符串，正则表达式就是用于描述这些规则的工具

一、正则表达式语法

行定位符：用来描述字符串的边界 -->用来匹配一整行

符号匹配位置
^ 行的开始
$ 行的结尾
- ^tm : 可以匹配行 tm equal Tomorrow Moon
- tm$：可以匹配行 Tomorrow moon tm
**元字符：**用来匹配的字符标记

代码说明
. 匹配除换行外的任意字符
\w 匹配字母、数字、下划线、汉字
\s 匹配任意空白符
\d 匹配数字
\b 匹配单词的开始、结束
- \bmr\w*\b：匹配一个以mr为开头的单词，比如：mrsoft、mr123456

符号	匹配位置
^	行的开始
$	行的结尾

代码	说明
.	匹配除换行外的任意字符
\w	匹配字母、数字、下划线、汉字
\s	匹配任意空白符
\d	匹配数字
\b	匹配单词的开始、结束

**重复：**用来匹配特定数量的元字符，称作限定符

限定符	说明	举例
?	匹配前面的字符一次、零次	colou?r --> 匹配color、colour
+	匹配前面的字符一次、多次	go+gle --> 匹配范围gogle ~ go…gle
*	匹配前面的字符零次、多次	go*gle --> 匹配范围ggle ~ go…gle
{n}	匹配前面的字符n次	go{2}gle --> 匹配google
{n,}	匹配前面的字符至少n次	go{2,}gle --> 匹配范围 google ~ goo…gle
{n, m}	匹配前面的字符[n, m]次	employe{0,2} --> 匹配employ, employe, employee

**字符类：**用来匹配没有预定义元字符的字符集合，使用[] 列举出来即可
- [aeiou]：匹配任何一个英文元音字母
- [,?!]：匹配三个符号中的其中一个
- [0-9]：匹配一个数字
- [a-z0-9A-Z]：匹配数字或字母
- [^a-zA-Z] : 匹配一个不是字母的字符， ^放在括号里面表示排除的意思
- [\u4e00-\u9fa5]：匹配一个汉字
这种字符类的匹配方式，是可以同重复限定符配合使用的
选择字符：匹配包含条件选择逻辑的字符
- 身份证号：可能为15为全数字、18位全数字、17为数字加x或X
```
(^\d{15}$)|(^\d{18}$)|(^\d{17}(x|X)$)
```
  上述使用 | 来表示选择性匹配，使用^ $限定开头和结尾
**转义字符：**匹配特殊的元字符，主要是针对 . * ? \ ( ) { }
- IP地址：格式通常为xxx.xxx.xxx.xxx
```
[1-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}
```
  上述使用 \. 来匹配IP地址中的 .
**小括号：**改变功能字符的限定范围
(thir | four)th: 匹配 thirth、fourth
(\.[1-9]{1,3}){3}：匹配(\.[1-9]{1,3})三次

二、python中的正则表达式

**说明：**python在使用正则表达式时，是将其作为模式字符串使用的，简而言之就是匹配模式是字符串类型，这就导致部分元字符，如\b 会被python解读为python语言的转义字符，故而要使用\\b表示正则模式字符串，为了比较出现大量的特殊字符、反斜杠，常采用原生字符串 r'\b'

**匹配字符串：**re模块提供match() search() findall()方法进行字符串匹配
- 使用match()方法匹配字符串：re.match(pattern, string, [flags]) 从string起始处开始匹配，匹配成功返回Match对象，否则返回None
```
import re
pattern = r'mr_\w+' # 匹配一个mr_开头的字符串
string = 'MR_SHOP'
flag = re.I # 不区分大小写
match = re.match(pattern, string, flag)
# 输出： <re.Match object; span=(0, 7), match='MR_SHOP'>

string = 'aaaMR_shop'
print(re.match(pattern, string, flag))
# 输出： None
```
  通过返回的Match对象可以查看相关数据
```
match.start() # 匹配值的起始位置 
match.end() # 匹配值的结束位置
match.span() # 匹配位置的元组
match.string # 进行匹配的字符串
match.group() # 匹配得到的结果
```
- 使用search(pattern, string)方法匹配字符串：该方法用于在整个字符串中搜索第一个匹配值，并返回Match对象，其余与match()方法相同
- **使用findall(pattern, string)方法匹配字符串：**该方法由于在整个字符串中搜索所有符合正则表达式的字符串，并以列表形式返回匹配结果，而不是Match对象。
- **替换字符串：**re模块提供sub()方法实现字符串的替换，re.sub(pattern, repl, string, count, flags) 表示按着pattern对string进行匹配，并替换成repl字符串。
- count：可选参数–>替换的最大次数，默认为0表示全部替换
- flags：可选参数 --> 用于控制匹配方式，如是否区分大小写等（flag=re.I表示不区分大小写）
**分割字符串：**re模块提供split()方法实现字符串的分割，re.split(pattern, string, [maxsplit], [flags]) 表示按着pattern对string进行分割，返回分割后的列表
- maxsplit: 可选参数 --> 最大查分次数，默认全拆
上述代码展示了，对网址按 ? $进行分割的实现以及具体的结果

三、实战中的相关问题

1. 对txt的每行进行匹配时，输出匹配结果时报错

由于进行匹配时往往会出现匹配失败返回的match为None的情况，就会对Match对象的属性输出报错，比如下述代码，如果没有匹配到那么match就会是None，代码就会报错
```
match = re.match(pattern, string, flag)
print(match.group())
```
正确的做法是加一个检测机制，如下所示，这样就保证了只有正确匹配到时才会输出
```
match = re.match(pattern, string, flag)
if match:
	print(match.group())
```
正确的做法是加一个检测机制，如下所示，这样就保证了只有正确匹配到时才会输出
```
match = re.match(pattern, string, flag)
if match:
	print(match.group())
```