Python中正則表達式是什么

這篇文章主要介紹Python中正則表達式是什么，文中介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們一定要看完！

一、 正則表達式基礎

1.1.概念介紹

正則表達式是用于處理字符串的強大工具，它并不是Python的一部分。

其他編程語言中也有正則表達式的概念，區別只在于不同的編程語言實現支持的語法數量不同。

它擁有自己獨特的語法以及一個獨立的處理引擎，在提供了正則表達式的語言里，正則表達式的語法都是一樣的。

下圖展示了使用正則表達式進行匹配的流程：

正則表達式的大致匹配過程是：

1.依次拿出表達式和文本中的字符比較，

2.如果每一個字符都能匹配，則匹配成功；一旦有匹配不成功的字符則匹配失敗。

3.如果表達式中有量詞或邊界，這個過程會稍微有一些不同。

1.2. 數量詞的貪婪模式與非貪婪模式

正則表達式通常用于在文本中查找匹配的字符串。

貪婪模式，總是嘗試匹配盡可能多的字符；

非貪婪模式則相反，總是嘗試匹配盡可能少的字符。

Python里數量詞默認是貪婪的。

例如：正則表達式"ab*"如果用于查找"abbbc"，將找到"abbb"。

而如果使用非貪婪的數量詞"ab*?"，將找到"a"。

1.3. 反斜杠的問題

與大多數編程語言相同，正則表達式里使用"\"作為轉義字符，這就可能造成反斜杠困擾。

假如你需要匹配文本中的字符"\"，那么使用編程語言表示的正則表達式里將需要4個反斜杠"\\\\"：

第一個和第三個用于在編程語言里將第二個和第四個轉義成反斜杠，

轉換成兩個反斜杠\\后再在正則表達式里轉義成一個反斜杠用來匹配反斜杠\。

這樣顯然是非常麻煩的。

Python里的原生字符串很好地解決了這個問題，這個例子中的正則表達式可以使用r"\\"表示。

同樣，匹配一個數字的"\\d"可以寫成r"\d"。

有了原生字符串，媽媽再也不用擔心我的反斜杠問題~

二、 介紹re模塊

2.1. Compile

Python通過re模塊提供對正則表達式的支持。

使用re的一般步驟是：

Step1：先將正則表達式的字符串形式編譯為Pattern實例。

Step2：然后使用Pattern實例處理文本并獲得匹配結果（一個Match實例）。

Step3：最后使用Match實例獲得信息，進行其他的操作。

我們新建一個re01.py來試驗一下re的應用：

代碼如下:

# -*- coding: utf-8 -*- 
#一個簡單的re實例，匹配字符串中的hello字符串 
#導入re模塊 
import re 
# 將正則表達式編譯成Pattern對象，注意hello前面的r的意思是“原生字符串” 
pattern = re.compile(r'hello') 
# 使用Pattern匹配文本，獲得匹配結果，無法匹配時將返回None 
match2 = pattern.match('hello world!') 
match3 = pattern.match('helloo world!') 
match4 = pattern.match('helllo world!') 
#如果match2匹配成功 
if match2: 
# 使用Match獲得分組信息 
print match2.group() 
else: 
print 'match2匹配失敗！' 
#如果match3匹配成功 
if match3: 
# 使用Match獲得分組信息 
print match3.group() 
else: 
print 'match3匹配失敗！' 
#如果match4匹配成功 
if match4: 
# 使用Match獲得分組信息 
print match4.group() 
else: 
print 'match4匹配失敗！'

可以看到控制臺輸出了匹配的三個結果：

下面來具體看看代碼中的關鍵方法。

★ re.compile(strPattern[, flag]):

這個方法是Pattern類的工廠方法，用于將字符串形式的正則表達式編譯為Pattern對象。

第二個參數flag是匹配模式，取值可以使用按位或運算符'|'表示同時生效，比如re.I | re.M。

另外，你也可以在regex字符串中指定模式，

比如re.compile('pattern', re.I | re.M)與re.compile('(?im)pattern')是等價的。

可選值有：

re.I(全拼：IGNORECASE): 忽略大小寫（括號內是完整寫法，下同）

re.M(全拼：MULTILINE): 多行模式，改變'^'和'$'的行為（參見上圖）

re.S(全拼：DOTALL): 點任意匹配模式，改變'.'的行為

re.L(全拼：LOCALE): 使預定字符類 \w \W \b \B \s \S 取決于當前區域設定

re.U(全拼：UNICODE): 使預定字符類 \w \W \b \B \s \S \d \D 取決于unicode定義的字符屬性

re.X(全拼：VERBOSE): 詳細模式。這個模式下正則表達式可以是多行，忽略空白字符，并可以加入注釋。

以下兩個正則表達式是等價的：

代碼如下:

# -*- coding: utf-8 -*- 
#兩個等價的re匹配,匹配一個小數 
import re 
a = re.compile(r"""\d + # the integral part 
\. # the decimal point 
\d * # some fractional digits""", re.X) 
b = re.compile(r"\d+\.\d*") 
match21 = a.match('3.1415') 
match22 = a.match('33') 
match31 = b.match('3.1415') 
match32 = b.match('33') 
if match21: 
# 使用Match獲得分組信息 
print match21.group() 
else: 
print u'match21不是小數' 
if match22: 
# 使用Match獲得分組信息 
print match22.group() 
else: 
print u'match22不是小數' 
if match31: 
# 使用Match獲得分組信息 
print match31.group() 
else: 
print u'match31不是小數' 
if match32: 
# 使用Match獲得分組信息 
print match32.group() 
else: 
print u'match32不是小數'

re提供了眾多模塊方法用于完成正則表達式的功能。

這些方法可以使用Pattern實例的相應方法替代，唯一的好處是少寫一行re.compile()代碼，

但同時也無法復用編譯后的Pattern對象。

這些方法將在Pattern類的實例方法部分一起介紹。

如一開始的hello實例可以簡寫為：

代碼如下:

# -*- coding: utf-8 -*- 
#一個簡單的re實例，匹配字符串中的hello字符串 
import re 
m = re.match(r'hello', 'hello world!') 
print m.group()

2.2. Match

Match對象是一次匹配的結果，包含了很多關于此次匹配的信息，可以使用Match提供的可讀屬性或方法來獲取這些信息。

屬性：

string: 匹配時使用的文本。

re: 匹配時使用的Pattern對象。

pos: 文本中正則表達式開始搜索的索引。值與Pattern.match()和Pattern.seach()方法的同名參數相同。

endpos: 文本中正則表達式結束搜索的索引。值與Pattern.match()和Pattern.seach()方法的同名參數相同。

lastindex: 最后一個被捕獲的分組在文本中的索引。如果沒有被捕獲的分組，將為None。

lastgroup: 最后一個被捕獲的分組的別名。如果這個分組沒有別名或者沒有被捕獲的分組，將為None。

方法：

group([group1, …])：

獲得一個或多個分組截獲的字符串；指定多個參數時將以元組形式返回。group1可以使用編號也可以使用別名；編號0代表整個匹配的子串；不填寫參數時，返回group(0)；沒有截獲字符串的組返回None；截獲了多次的組返回最后一次截獲的子串。

groups([default])： 

以元組形式返回全部分組截獲的字符串。相當于調用group(1,2,…last)。default表示沒有截獲字符串的組以這個值替代，默認為None。

groupdict([default])：

返回以有別名的組的別名為鍵、以該組截獲的子串為值的字典，沒有別名的組不包含在內。default含義同上。

start([group])： 

返回指定的組截獲的子串在string中的起始索引（子串第一個字符的索引）。group默認值為0。

end([group])：

返回指定的組截獲的子串在string中的結束索引（子串最后一個字符的索引+1）。group默認值為0。

span([group])：

返回(start(group), end(group))。

expand(template)： 

將匹配到的分組代入template中然后返回。template中可以使用\id或\g、\g引用分組，但不能使用編號0。\id與\g是等價的；但\10將被認為是第10個分組，如果你想表達\1之后是字符'0'，只能使用\g<1>0。

下面來用一個py實例輸出所有的內容加深理解：

代碼如下:

# -*- coding: utf-8 -*- 
#一個簡單的match實例 
import re 
# 匹配如下內容：單詞+空格+單詞+任意字符 
m = re.match(r'(\w+) (\w+)(?P.*)', 'hello world!') 
print "m.string:", m.string 
print "m.re:", m.re 
print "m.pos:", m.pos 
print "m.endpos:", m.endpos 
print "m.lastindex:", m.lastindex 
print "m.lastgroup:", m.lastgroup 
print "m.group():", m.group() 
print "m.group(1,2):", m.group(1, 2) 
print "m.groups():", m.groups() 
print "m.groupdict():", m.groupdict() 
print "m.start(2):", m.start(2) 
print "m.end(2):", m.end(2) 
print "m.span(2):", m.span(2) 
print r"m.expand(r'\g<2> \g<1>\g<3>'):", m.expand(r'\2 \1\3') 
### output ### 
# m.string: hello world! 
# m.re: <_sre.SRE_Pattern object at 0x016E1A38> 
# m.pos: 0 
# m.endpos: 12 
# m.lastindex: 3 
# m.lastgroup: sign 
# m.group(1,2): ('hello', 'world') 
# m.groups(): ('hello', 'world', '!') 
# m.groupdict(): {'sign': '!'} 
# m.start(2): 6 
# m.end(2): 11 
# m.span(2): (6, 11) 
# m.expand(r'\2 \1\3'): world hello!

2.3. Pattern

Pattern對象是一個編譯好的正則表達式，通過Pattern提供的一系列方法可以對文本進行匹配查找。

Pattern不能直接實例化，必須使用re.compile()進行構造，也就是re.compile()返回的對象。

Pattern提供了幾個可讀屬性用于獲取表達式的相關信息：

pattern: 編譯時用的表達式字符串。

flags: 編譯時用的匹配模式。數字形式。

groups: 表達式中分組的數量。

groupindex: 以表達式中有別名的組的別名為鍵、以該組對應的編號為值的字典，沒有別名的組不包含在內。

可以用下面這個例子查看pattern的屬性：

代碼如下:

# -*- coding: utf-8 -*- 
#一個簡單的pattern實例 
import re 
p = re.compile(r'(\w+) (\w+)(?P.*)', re.DOTALL) 
print "p.pattern:", p.pattern 
print "p.flags:", p.flags 
print "p.groups:", p.groups 
print "p.groupindex:", p.groupindex 
### output ### 
# p.pattern: (\w+) (\w+)(?P.*) 
# p.flags: 16 
# p.groups: 3 
# p.groupindex: {'sign': 3}

以上是Python中正則表達式是什么的所有內容，感謝各位的閱讀！希望分享的內容對大家有幫助，更多相關知識，歡迎關注億速云行業資訊頻道！