【Python 基础教程】优雅的拿捏正则表达式

简介: 【Python 基础教程】优雅的拿捏正则表达式

💓前言


今天带给大家一个非常强大的字符串处理库。学好之后可以很轻松的解析掉一个格式化文档,在爬虫数据分析有着很广泛的应用。当然这篇文章不仅仅使用与Python语言学习者学习,而是适用于各种语言学习者学习。正则表达式在每一门语言中应该都有应用,并且在每一门语言中不会有太大的差异,最多就是换个小马甲。


👻什么是正则表达式


😻概念:


大家应该都听说过数据分析这一门学科,在数据分析中需要按照某种格式处理某些数据,使得数据有条有理,经过数据分析处理过的数据往往更有利于检索、合并、显示。对数据进行数据分析的话可能会经过很多道步骤进行处理,进行每一步处理的时候都有一个共同的特性,就是特征的提取,或者说根据特征进行删除、替换。而在提取的时候使用的方式往往就是匹配。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。正则表达式又称规则表达式。(英语:Regular Expression,在代码中常简写为regex、regexp或RE),计算机科学的一个概念。许多程序设计语言都支持利用正则表达式进行字符串操作。正则表达式这个概念最初是由Unix中的工具软件普及开的。正则表达式通常缩写成“regex”,单数有regexp、regex,复数有regexps、regexes、regexen。可能看概念比较懵逼,大家继续往下看即可,接下来咱们在需求中学会正则表达式。


😻各种语言支持正则表达式语法的情况:


53ecb1b9c0454db9ac146c3d5f32b993.png

👻修饰符与模式匹配


😻函数标志位参数


这个就是调用search或者findall函数时传进去的参数flag


1667996967838.png


😻匹配模式标志符


字母和数字表示他们自身。一个正则表达式模式中的字母和数字匹配同样的字符串。

多数字母和数字前加一个反斜杠时会拥有不同的含义。

标点符号只有被转义时才匹配自身,否则它们表示特殊的含义。

反斜杠本身需要使用反斜杠转义。


1667997000360.png

1667997035155.png

1667997059228.png


😻常用的模式匹配


1667997094371.png

1667997108391.png

👻Python中使用正则表达式


Python作为时下最时髦的语言之一,具有非常强的数据分析功能。天然的支持正则表达式。Python中内置的re包中包含我们需要的函数。使用正则表达式进行模式匹配针对的是字符串。大家不要传其他类型。使用以下函数进行模式匹配后会返回一个对象,我们可以调用该对象的group方法对获取匹配到的结果按匹配模式进行分组 group的参数类型是int型,group(0)代表的是将满足所有匹配模式的串拿出来,group(1)是满足第一个匹配模式的,group(2)是满足第二个匹配模式的......我们会使用()进行分组,也就是说一个()内部就是一个匹配模式。


①match


💥函数原型


re.match(pattern, string, flags=0)
• 1


💥参数说明:


参数 描述
pattern 匹配的正则表达式
string 要匹配的字符串。
flags 标志位,用于控制正则表达式的匹配方式,如:是否区分大小写,多行匹配等等。



匹配成功re.match方法返回一个匹配的对象,否则返回None。


💥函数作用


尝试从字符串的起始位置匹配一个模式,如果不是起始位置匹配成功的话,match()就返回none。
• 1


我们可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。


mystr="我的账号是:9999,密码是:000,我的账号是:8080,密码是:9090,"
mystr1="9999,9999我的账号是:99\n99,密码是:000,我的账号是:8\n080,密码是:90\n90,"
import re
print(re.match("9999",mystr))
# 等价于group(0)将匹配的段落拿出来
print(re.match("9999",mystr1).group())
# 起始终止位置的索引
print(re.match("9999",mystr1).span())


②search


💥函数原型


re.search(pattern, string, flags=0)
• 1


💥参数说明:


参数 描述
pattern 匹配的正则表达式
string 要匹配的字符串。
flags 标志位,用于控制正则表达式的匹配方式,如:是否区分大小写,多行匹配等等。



匹配成功re.search方法返回一个匹配的对象,否则返回None。


💥函数作用


re.search 扫描整个字符串并返回第一个成功的匹配。
re.match 只匹配字符串的开始,如果字符串开始不符合正则表达式,
则匹配失败,函数返回 None,而 re.search 匹配整个字符串,直到找到一个匹配。


mystr="我的银行卡账号是:9999,密码是:000,我的学习通账号是:8080,密码是:9090,"
mystr1="9999,9999我的银行卡账号是:99\n99,密码是:000,我的学习通账号是:8\n080,密码是:90\n90,"
import re
print(re.search("9999",mystr).group())
print(re.search("9999",mystr1).group())
print(re.search("9999",mystr1).span())


③sub


💥函数原型


re.sub(pattern, repl, string, count=0, flags=0)
• 1


💥参数说明:


pattern : 正则中的模式字符串。
repl : 替换的字符串,也可为一个函数。
string : 要被查找替换的原始字符串。
count : 模式匹配后替换的最大次数,默认 0 表示替换所有的匹配。
flags : 编译时用的匹配模式,数字形式。
前三个为必选参数,后两个为可选参数。
默认全盘替换,可以指定count指定替换个数。


匹配成功re.search方法返回一个匹配的对象,否则返回None。


💥函数作用


用于替换字符串中的匹配项。


import re
print(re.sub("9999","xxxx",mystr1))
# 将匹配的数字乘于 2
def double(matched):
    value = int(matched.group('value'))
    return str(value * 2)
s = 'A23G4HFD567'
print(re.sub('(?P<value>\d+)', double, s))


④cpmpile


💥函数原型


re.compile(pattern[, flags])
• 1


💥参数说明:


pattern : 一个字符串形式的正则表达式
flags 可选,表示匹配模式,比如忽略大小写,多行模式等,具体参数为:
    re.I 忽略大小写
    re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境
    re.M 多行模式
    re.S 即为' . '并且包括换行符在内的任意字符(' . '不包括换行符)
    re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库
    re.X 为了增加可读性,忽略空格和' # '后面的注释


匹配成功re.search方法返回一个匹配的对象,否则返回None。


💥函数作用


compile 函数用于编译正则表达式,生成一个正则表达式( Pattern )对象
供 match() 和 search() 这两个函数使用。



import re
mystr="我的银行卡账号是:AASAa,密码是:000,我的学习通账号是:8080,密码是:9090,"
# 使用compile进行初始化
r1=re.compile("aaSaa",re.I)
print(r1.search(mystr).group())
# 不使用compile进行初始化
print(re.search("aaSaa",mystr))


⑤findall ----- (最常用)


💥函数原型


re.findall(pattern, string, flags=0)
pattern.findall(string[, pos[, endpos]])


💥参数说明:


pattern 匹配模式。
string 待匹配的字符串。
pos 可选参数,指定字符串的起始位置,默认为 0。
endpos 可选参数,指定字符串的结束位置,默认为字符串的长度。


匹配成功re.search方法返回一个匹配的对象,否则返回None。


💥函数作用(重要程度:☆☆☆☆☆)


在字符串中找到正则表达式所匹配的所有子串,并返回一个列表,
如果有多个匹配模式,则返回元组列表,如果没有找到匹配的,则返回空列表。
match 和 search 是匹配一次 findall 匹配所有。


import re
# 单匹配模式
mystr="我的9999银行9999卡账号是:AASAa,密码是:000,我的9999学习通账号是:8080,密码是:9090,"
ls=re.findall("9999",mystr)
print(ls)
# 多匹配模式
result = re.findall(r'(\w+)=(\d+)', 'set width=200px and height=100px')
print(result)


⑥finditer


💥函数原型


re.finditer(pattern, string, flags=0)
• 1


💥参数说明:


pattern 匹配的正则表达式
string  要匹配的字符串。
flags 标志位,用于控制正则表达式的匹配方式,如:是否区分大小写,多行匹配等等。


匹配成功re.search方法返回一个匹配的对象,否则返回None。


💥函数作用


和 findall 类似,在字符串中找到正则表达式所匹配的所有子串,并把它们作为一个迭代器返回。


import re
it = re.finditer(r"\d+","12a32bc43jf3") 
for match in it: 
    print (match.group() )


⑦split


💥函数原型


re.split(pattern, string[, maxsplit=0, flags=0])
• 1


💥参数说明:


参数 描述
pattern 匹配的正则表达式
string 要匹配的字符串。
maxsplit 分割次数,maxsplit=1 分割一次,默认为 0,不限制次数。
flags 标志位,用于控制正则表达式的匹配方式,如:是否区分大小写,多行匹配等等。


💥函数作用


split 方法按照能够匹配的子串将字符串分割后返回列表 
与字符串中的split函数功能灰常类似
默认将所有可匹配的位置都进行切割


import re
# 单匹配模式
mystr="我的9999银行9999卡账号是:AASAa,密码是:000,我的9999学习通账号是:8080,密码是:9090,"
ls=re.split("9999",mystr,maxsplit=2)
print(ls)


正则表达式说到底也就是根据一个字符串的规则去匹配另外一个目标串,经过对目标串进行解析、替换得到想要的结果。
相关文章
|
12天前
|
存储 Python
SciPy 教程 之 SciPy 稀疏矩阵 4
SciPy 教程之 SciPy 稀疏矩阵 4:介绍稀疏矩阵的概念、类型及其在科学计算中的应用。SciPy 的 `scipy.sparse` 模块提供了处理稀疏矩阵的工具,重点讲解了 CSC 和 CSR 两种格式,并通过示例演示了如何创建和操作 CSR 矩阵。
36 3
|
4天前
|
Python
在Python中,可以使用内置的`re`模块来处理正则表达式
在Python中,可以使用内置的`re`模块来处理正则表达式
12 5
|
1天前
|
Python
SciPy 教程 之 Scipy 显著性检验 3
本教程介绍Scipy显著性检验,包括其基本概念、原理及应用。显著性检验用于判断样本与总体假设间的差异是否显著,是统计学中的重要工具。Scipy通过`scipy.stats`模块提供了相关功能,支持双边检验等方法。
7 1
|
4天前
|
机器学习/深度学习 Python
SciPy 教程 之 SciPy 插值 2
SciPy插值教程:介绍插值概念及其在数值分析中的应用,特别是在处理数据缺失时的插补和平滑数据集。SciPy的`scipy.interpolate`模块提供了强大的插值功能,如一维插值和样条插值。通过`UnivariateSpline()`函数,可以轻松实现单变量插值,示例代码展示了如何对非线性点进行插值计算。
7 3
|
6天前
|
机器学习/深度学习 数据处理 Python
SciPy 教程 之 SciPy 空间数据 4
本教程介绍了SciPy的空间数据处理功能,主要通过scipy.spatial模块实现。内容涵盖空间数据的基本概念、距离矩阵的定义及其在生物信息学中的应用,以及如何计算欧几里得距离。示例代码展示了如何使用SciPy计算两点间的欧几里得距离。
20 5
|
6天前
|
机器学习/深度学习 Python
SciPy 教程 之 SciPy 空间数据 6
本教程介绍了SciPy处理空间数据的方法,包括使用scipy.spatial模块进行点位置判断、最近点计算等内容。还详细讲解了距离矩阵的概念及其应用,如在生物信息学中表示蛋白质结构等。最后,通过实例演示了如何计算两点间的余弦距离。
15 3
|
5天前
|
机器学习/深度学习 数据处理 Python
SciPy 教程 之 SciPy 空间数据 7
本教程介绍了SciPy的空间数据处理功能,涵盖如何使用`scipy.spatial`模块进行点的位置判断、最近点计算等操作。还详细解释了距离矩阵的概念及其在生物信息学中的应用,以及汉明距离的定义和计算方法。示例代码展示了如何计算两个点之间的汉明距离。
10 1
|
8天前
|
Python
SciPy 教程 之 SciPy 图结构 7
《SciPy 教程 之 SciPy 图结构 7》介绍了 SciPy 中处理图结构的方法。图是由节点和边组成的集合,用于表示对象及其之间的关系。scipy.sparse.csgraph 模块提供了多种图处理功能,如 `breadth_first_order()` 方法可按广度优先顺序遍历图。示例代码展示了如何使用该方法从给定的邻接矩阵中获取广度优先遍历的顺序。
19 2
|
9天前
|
算法 Python
SciPy 教程 之 SciPy 图结构 5
SciPy 图结构教程,介绍图的基本概念和SciPy中处理图结构的模块scipy.sparse.csgraph。重点讲解贝尔曼-福特算法,用于求解任意两点间最短路径,支持有向图和负权边。通过示例演示如何使用bellman_ford()方法计算最短路径。
19 3
|
9天前
|
数据采集 Web App开发 iOS开发
如何使用 Python 语言的正则表达式进行网页数据的爬取?
使用 Python 进行网页数据爬取的步骤包括:1. 安装必要库(requests、re、bs4);2. 发送 HTTP 请求获取网页内容;3. 使用正则表达式提取数据;4. 数据清洗和处理;5. 循环遍历多个页面。通过这些步骤,可以高效地从网页中提取所需信息。