python学习笔记之正则表达式1

正则表达式

正则表达式即RE，我们可以使用正则表达式来匹配字符串集，其实正则表达式是一个小型的编程语言。它可以方便我们对于文本任务的操作。

对于python来说，re模块就是正则式操作模块。

元字符：元字符是特殊的字符，普通的字符在正则表达式中都可以用来匹配自己，如正则表达式‘zhang’可以匹配字符串‘zhang’，但是元字符有他特殊的含义。元字符有： .   ^   $  *   ?   []  {}（）

常用的就是这7个。依次介绍：

1：中括号  [] ：作用是指定一个字符类，即用来存放需要匹配的字符串集合，该集合成为一个字符类，例如： [PTU] 含义是：匹配字符P、T或者U，含有一种形式：[a-c] 含义是：匹配字符a、b或者c

特别的，元字符在中括号中就丧失了它的特殊意义，变成了普通字符，也就是可以匹配元字符本身了。例如：[ZD$] 含义是：匹配字符Z、D或者$。

2：^ 是脱字符号，例子：[^1] 匹配除了1以外的任何字符。

3： 反斜杠：很重要，正则表达式中用的最多。反斜杠 加元字符可以将元字符转成普通字符。丧失其元字符的特殊含义。例如正则表达式：‘ *’含义是匹配字符*。‘？’含义是匹配字符问号？ 

4：反斜杠加上一些普通字符可以表示一些特殊功能。列举：d   匹配任何十进制数字字符 相当于 [0-9]

              D   匹配任何非十进制数字字符

              s   匹配任何空白字符（空格 回车 制表键）

             w  匹配任何单词字符

             这些都可以加入到字符类（中括号）中。

5： . 点：它匹配了换行符以外的任何字符    例如：正则式‘Z.U’匹配ZAU 或者ZBU等字符串

以上都是匹配字符，

我们还可以一下元字符来匹配字符串：

6： * ：匹配前一个字符的0次或者多次

7： + ：匹配前一个字符1次或者多次

8： ？：匹配前一个字符0次或者1次

9： 花括号{}   例如{m,n} 表示前一个字符必须要匹配m到n次之间。

当然花括号可以代替前面的6,7,8元字符。不在赘述

 

 

 

 

在python中使用正则表达式

Python中的re模块，就是正则式模块。一般情况下，我们将正则式字符串编译成模式对象，然后对其进行操作。

编译方法如下: p=re.compile(r‘zhangruilin’)   稍后会解释为什么字符串前面带一个r字符。 其中正则正则表达式作为一个字符传入函数，然后函数返回一个模式对象。

现在解释下正则表达式字符串前面为什么会有一个字符r，在正则表达式中，我们都知道反斜杠会让一些普通字符具有特殊含义，例如d,我们想要匹配反斜杠，就要在反斜杠前面加入一个反斜杠，即\。

同样，在python，反斜杠同样有特殊含义（即\ 表示），例如我们要匹配’zhangruilin’   则正则式表示为 ‘\zhangruilin’  进而，在python中   最终要写成’\\zhangruilin’ 才可以。大家若是不理解，就直接记住，在匹配字符串时候，正则式字符串前面加上字符r即可。所以要匹配字符串’zhangruilin’  正则式字符串表示为：‘\zhangruilin‘这样就更加简单。

10： 匹配函数：将正则表达式字符串编译后，成为模式对象，对于模式对象，我们有很多操作函数。

Findall    match     search     接下来一一介绍。

Findall()函数：遍历字符串，找到匹配成功的所有位置，然后以列表的形式返回

Match()函数：判断正则表达式是否从开始出匹配，若是，返回一个匹配对象，若不是返回none

Search（） 遍历字符串找到匹配的第一个位置（因为一个字符串中可以有多个匹配成功的子字符串）

同时对于match ()和search（）返回的匹配对象，我们有如下操作：

Group（） 返回匹配的字符串（默认是贪婪的，关于正则表达式默认是贪婪匹配的）

Start（）  返回匹配的字符串在元字符串中的起始位置

Span（）返回匹配的字符串在元字符串中的范围

End（）  返回匹配的字符串在元字符串中的结束位置

 

 

 

以上的所有操作如下图：

>>>import re      #导入模块

>>>ZZBDS=re.compile(r'.zhang*[abc]*')      #编译正则表达式，生成模式对象

>>>str1='.zhan'     #匹配字符串

>>>a=ZZBDS.match(str1)     #使用match函数 ：正则式对象 ZZBDS 从头匹配str1，则返回匹配对象

>>>a.span()      #返回匹配范围

(0, 5)

>>>a.start()       #返回匹配开始位置

0

>>>a.end()     #返回匹配结束位置的下一个  注意：真正结束位置是4

5

 

 

>>>str2='zhang'  

>>> b=ZZBDS.match(str2)     #匹配失败，ZZBDS表达式第一个匹配要求为  .        匹配失败

>>>type(b)                             #匹配失败，返回空

<class'NoneType'>

 

>>>str3='.zhanggggaaaa'      

>>>c=ZZBDS.match(str3)

>>>c.span()

(0, 13)

>>>c.start()

0

>>>c.end()

13

 

 

 

>>>str4='.zhanabc'

>>>d=ZZBDS.match(str4)

>>>type(d)

<class'_sre.SRE_Match'>

>>>d.span()

(0, 8)

>>>d.end()

8

>>>d.start()

0

 

 

>>>str5='zzu.zhangggggdddda'

>>>e=ZZBDS.search(str5)    #遍历字符串，找到匹配的第一个位置

>>>e.span() 

(3, 13)

 

 

import re
 
ZZBDS=re.compile(r'.zhang*[abc]*')
str1='.zhan'
a=ZZBDS.match(str1)
a.span()
a.start()
a.end()
 
str2='zhang'
b=ZZBDS.match(str2)
b
 
str3='.zhanggggaaaa'
c=ZZBDS.match(str3)
c.span()
c.start()
c.end()
 
 
str4='.zhanabc'
d=ZZBDS.match(str4)
 
 
str5='zzu.zhangggggdddda'
e=ZZBDS.search(str5)
 
str6='zzu.zhangggggdddd'
f=ZZBDS.search(str6)