破解谜一样的正则表达式,从这9招开始

浏览: 71 发布日期: 2017-01-11 分类: python

都说正则表达式有点像密码,有的同学看到就头疼,感觉迷一样的。

那是因为你们没有掌握一些基本的要领,今天我们会讲9种常见的正则表达式的招式, (有同学会问这么多招,哪能记得住)

想要练成御剑飞行,基本功必须要扎实.这些都是最最基本的,哪怕死记硬背也要背住 (其实2-3遍就能记住,真的不难)

插一句:

有一点要注意Python的字符串本身也用'\'转义,所以要特别注意,一般我们都建议使用Python的r前缀,就不用考虑转义的问题了

1.行的起始

先说一个简单的例子:匹配以cat开头的

patt=re.compile(r'^cat')

表示匹配以c作为一行的第一个字符,后面跟着a,后面跟着t

所以'vocative'就不会被匹配到,原因是因为cat在字符的里面

2.行的结尾

如何我们要是以某一个字符串结尾的 ,比如我们要查邮件是以

BR或者Bestregards结尾的,如何匹配:我们用美元符号$来处理

import re

sentence='''Hi Jack:\n

Python is a beautiful language\n

BR'''

patt=re.compile(r'(BR|Bestregards)$')

m=re.search(patt,sentence)

if m :

print'match'

else:

print'not match'

>>

match

$表示匹配的位置是从行的结束的,也就是锚定在行的末尾,然后从行的末尾往前匹配BR或者是Bestregards,所以若你改成下面两种都匹配不到

sentence='''Hi Jack:\n

Python is a beautiful language\n

BRs'''

sentence='''Hi Jack:\n

Python is a beautiful language\n

Bestregard'''

解释一下:

第一种情况,是把 BR 改成了 BRs ,所以匹配不到

第二种情况,是把Bestregards改成了Bestregard,所以也匹配不到

3.单词的边界

前面介绍了匹配行的开头和结尾,那么如何匹配单词的边界呢 ,简单正则里面有2个特殊字符\b and \B来匹配单词的边界 :

\b 匹配的模式是一个单词的边界(不论这个单词的前面是有字符还是没有字符)

\B 匹配出现在一个单词中间的模式

例如:

the            #匹配包含有'the'的字符串

\bthe         #匹配任何以'the'开始的字符串

\bthe\b      #仅仅匹配单词'the'

\Bthe         #匹配任意包含'the'但不以'the'开头的单词

4.字符组

比如我们需要匹配'grey'或者'gray'的时候 ,怎么办,可以用正则的[]来表示,gr[ea]y,表示先找到g,然后找到r,然后找到e或者a,最后是一个y

import re

word='grey'

patt=re.compile(r'gr[ea]y')

m=re.match(patt,word)

if m :

print'match'

else:

print'not match'

>>

match

若把word改成'gray'也是匹配的

切记:字符组里面是匹配一个字符比如H[12345],表示H后面可以跟1或2或3或4或5,而不是12345,千万不要弄错了

5.多选结构

我们可以用'|'来匹配任意子表达式 ,'|'是一个非常简便的元字符,它的意思是"或",通过它我们能把不同的子表达式组合成一个总的表达式,比如'am'|'pm'就是能够同时匹配其中任意一个的正则表达式,回头再看上面的例子'gr[ea]y',其实能写成'grey|gray',或者'gr(e|a)y'

6.可选项元素

比如6月4号,这个6月可能写成'June'也可以写成'Jun',而且日期也有可能写作 'fourth'或者'4th'或者4 ,我们可以写成 (June|Jun)(fourth|4th|4) ,但是有没有其他办法呢,可以用问号?表示可选项

我们分步来处理:

第一部分:(June|Jun)改为(June?),什么意思呢

意思是说'?'出现在一个e后面,表示e是可选的

第二部分:(fourth|4th|4)改为(fourth|4(th)?),什么意思呢

意思是说'?'出现在一个括号后面,表示这个括号内的内容是可选的

最后这个复杂的(June|Jun)(fourth|4th|4)就可以变成了June?(fourth|4(th)?),大家看懂了吗~ ~ 有点晕是把,没事吐吐就习惯了

7.重复出现

重复出现用+和*表示,但是二者有一些小的区别

+加号表示:前面紧邻的元素出现一次或者多次,也就是至少出现一次

*星号表示:前面紧邻的元素出现任意多次,或者不出现.

其实说白了*比+多一种不出现的情况,匹配尽可能多的次数,如果实在匹配不到也不要紧,+也是匹配多次,但连一次匹配都无法完成,就报告失败

例如:

a* #匹配 a,aa,aaa,...还有''

a+ #匹配 a,aa,aaa,...

解释一下:

a*表示0个或者多个a,所以为0的时候,就是空字符

a+表示1个或者多个a,所以a至少要有1次

8.匹配重复的次数

1).比如我们想匹配前面的内容重复出现的次数 ,比如3次,或者是一个区间,比如1-3次,如何匹配:

import re

num_str='123aa45'

patt=re.compile(r'([1-9]{3})')

m=re.match(patt,num_str)

if m:

print m.group()

>>

123

表示出现1-9之间的任意一个数字,并且这个数字只能重复出现3次

2).为重复匹配次数设定一个区间

比如美国股票的代码,都是字符有大写的也有小写,基本都是在1到5个字母,如何用正则表达呢

简单[a-zA-Z]{1,5},就可以来匹配美国股票代码(1到5个字母)

9.排除型字符组

比如我们想匹配除了1到6以外的任何字符串,怎么办,简单用[^1-6],这个字符组中开头的^表示"排除的意思" .(有同学会举手说,你刚才不是说^表示开头吗,怎么现在变成排除型了).

这位同学会抢答了,下面就是我要解释的,正则的复杂性:

当^在字符组的外面的时候 "表示一个行的开头"

当^在字符组的内部(而且是必须紧接着字符组的第一个方括号之后), 它就是一个元字符,表示排除型

比如:找出字母g后面的字母不是u

import re

words=['gold','Google','Sogu','Guess']

patt=re.compile(r'.*g[^u]')

for w in words:

m=re.match(patt,w)

if m:

print w

>>

gold

Google

细心的同学会发现,我们的目的是要"找出字母g后面的字母不是u", 为啥'Guess'不在输出结果里面,不是排除型吗,我先不说答案,大家先思考一下,有兴趣的同学可以留言,我会解答.

好了 Py thon中的正则表达式元字符 就讲到这里啦,希望能给初学者一些启发,若有什么不懂的, 也可以留言跟我探讨交流.

 

来自:http://www.jianshu.com/p/9d16a82cc004

 

返回顶部