Python(十四) - 旧游无处不堪寻

正则表达式(Regular Expression)是对字符串操作的一种逻辑公式。之前的章节我们已经提到过正则表达式，本篇我们就对正则表达式做一个详细的介绍。

re.match

re.match 尝试从字符串的起始位置匹配一个模式，如果匹配不成功，则返回 None。

最常规匹配

import re

content = 'Hello 123 4567 Regex Demo'
result = re.match(r'^Hello\s\d\d\d\s\d{4}\s\w{5}.*Demo$', content)
print(result)
# <re.Match object; span=(0, 25), match='Hello 123 4567 Regex Demo'>

print(result.group())
# 'Hello 123 4567 Regex Demo'

print(result.span())
# (0, 25)

泛匹配

import re

content = 'Hello 123 4567 Regex Demo'
result = re.match(r'^Hello.*Demo$', content)
print(result)
# <re.Match object; span=(0, 25), match='Hello 123 4567 Regex Demo'>

print(result.group())
# 'Hello 123 4567 Regex Demo'

print(result.span())
# (0, 25)

匹配目标

import re

content = 'BIT 150001'
result = re.match(r'1\d{5}', content)
print(result)
# <re.Match object; span=(4, 10), match='150001'>
 
print(result.group(0)) # group(0) 取到的是第一个匹配字符串
# '150001'

print(result.group(1)) # group(1) 取到的是第一个分组匹配的字符串，如果没有括号分组，group(0) 与 group(1) 相同
# '150001'

print(result.span())
# (4, 10)

贪婪匹配

import re

content = 'PYANBNCN'
result = re.match(r'PY.*N', content)
print(result.group()) # 贪婪匹配总是尽可能匹配多
# 'PYANBNCN'

非贪婪匹配

非贪婪匹配可用于的操作符有:

*?
+?
??
{m,n}?

import re

content = 'PYANBNCN'
result = re.match(r'PY.*?N', content)
print(result.group()) # 非贪婪匹配总是尽可能匹配少，? 我们可以看作是优先级的意思
# 'PYAN'

匹配模式

常见的匹配模式有:

re.I: 忽略大小写，即 [a-z] 也可以匹配大写字母
re.M: 当有多行文本，^ 每一行都会进行匹配
re.S: . 可以忽略换行符进行匹配

import re

content = """Hello 1234567 
Regex Demo
"""
result = re.match(r'He.*?(\d+).*?Demo$', content)
print(result) # . 匹配除换行之外的任意字符
# None

result = re.match(r'He.*?(\d+).*?Demo$', content, re.S)
# <re.Match object; span=(0, 24), match='Hello 1234567\nRegex Demo'>

转义

我们在使用正则表达式时，最好使用原生字符串:

import re

content = 'price is $5.00'
result = re.match('price is $5.00', content)
print(result)
# None

result = re.match('price is \$5\.00', content)
print(result)
# <re.Match object; span=(0, 14), match='price is $5.00'>

result = re.match(r'price is $5.00', content)
print(result)
# <re.Match object; span=(0, 14), match='price is $5.00'>

常见示例

# IP 地址匹配
ip_pattern = r'(([1-9]?[0-9]|1\d{2}|2[0-4]\d|25[0-5]).){3}([1-9]?[0-9]|1\d{2}|2[0-4]\d|25[0-5])'

re.search

re.search 会扫描整个字符串并返回第一个成功的匹配。

import re

content = 'ABC Hello 1234567 Regex Demo DEF'
result = re.search(r'He.*?(\d+)\s.*Demo', content)
print(result)
# <re.Match object; span=(4, 28), match='Hello 1234567 Regex Demo'>

re.findall

re.findall 扫描整个字符串，以列表的形式返回所有匹配的子串。

html = r'''<html>
    <li>
        <a href="/1.mp3">偏偏喜欢你</a>
    </li>
    <li><a href="/2.mp3">山丘</a></li>
    <li><a href="/3.mp3">领悟</a></li>
    <li><a href="/4.mp3">BUGs</a></li>
<html>'''

results = re.findall(r'<a\shref="(.*?)">(.*?)</a>', html, re.S)
print(results)
# [('/1.mp3', '偏偏喜欢你'), ('/2.mp3', '山丘'), ('/3.mp3', '领悟'), ('/4.mp3', 'BUGs')]
for result in results:
    print(result[0], result[1])

re.compile

将正则字符串编译成正则表达式对象，便于复用。

import re

content = 'ABC Hello 1234567 Regex Demo DEF'

pattern = re.compile(r'Hello.*Demo', re.S)
result = re.search(pattern, content)
print(result)
# <re.Match object; span=(4, 28), match='Hello 1234567 Regex Demo'>