使用Python正則表達式操作文本數(shù)據(jù)的方法

來源：本站原創(chuàng)|時間：2020-01-11|欄目：正則表達式|點擊：次

什么是正則表達式

正則表達式，是簡單地字符的序列，可指定特定的搜索模式。正則表達式已存在很長一段時間，并且它本身就是計算機科學(xué)的一個領(lǐng)域。

在 Python中，使用Python的內(nèi)置re模塊處理正則表達式操作。在本節(jié)中，我將介紹創(chuàng)建正則表達式并使用它們的基礎(chǔ)知識。您可以使用以下步驟實現(xiàn)正則表達式：

指定模式字符串。
將模式字符串編譯為正則表達式對象。
使用正則表達式對象在字符串中搜索模式。
可選：從字符串中提取匹配的模式。

編寫和使用正則表達式

在Python中創(chuàng)建正則表達式的第一步是導(dǎo)入re 模塊：

import re

Python正則表達式使用模式字符串表示，模式字符串是指定所需搜索模式的字符串。在最簡單的形式中，模式字符串只能由字母，數(shù)字和空格組成。以下模式字符串表示精確字符序列的搜索查詢。您可以將每個角色視為一個單獨的模式。在后面的例子中，我將討論更復(fù)雜的模式：

import re

pattern_string = "this is the pattern"

下一步是將模式字符串處理為Python可以使用的對象，以便搜索模式。這是使用re模塊的compile（）方法完成的。的編譯（）方法將圖案字符串作為參數(shù)并返回一個正則表達式對象：

import re

pattern_string = "this is the pattern" regex = re.compile(pattern_string)

獲得正則表達式對象后，可以使用它在搜索字符串中搜索模式字符串中指定的模式。搜索字符串只是您要在其中查找模式的字符串的名稱。要搜索模式，可以使用regex對象的search（）方法，如下所示：

import re

pattern_string = "this is the pattern" regex = re.compile(pattern_string)

match = regex.search("this is the pattern")

如果模式字符串中指定的模式位于搜索字符串中，則search（）方法將返回匹配對象。否則，它返回None數(shù)據(jù)類型，這是一個空值。

由于Python相當(dāng)松散地解釋了True和False值，因此搜索函數(shù)的結(jié)果可以像if語句中的布爾值一樣使用，這可能相當(dāng)方便：

....

match = regex.search("this is the pattern") if match:

print("this was a match!")

這個模式應(yīng)該產(chǎn)生一個匹配，因為它與模式字符串中指定的模式完全匹配。如果在搜索字符串的任意位置找到模式，搜索函數(shù)將生成匹配，如下所示:

....

match = regex.search("this is the pattern") if match:

print("this was a match!")

if regex.search("*** this is the pattern ***"): print("this was not a match!")

if not regex.search("this is not the pattern"): print("this was not a match!")

特殊字符

正則表達式取決于使用某些特殊字符來表達模式。因此，除非用于預(yù)期目的，否則不應(yīng)直接使用以下字符：

. ^ $ * + ? {} () [] |

如果確實需要使用模式字符串中的任何前面提到的字符來搜索該字符，則可以編寫以反斜杠字符開頭的字符。這稱為轉(zhuǎn)義字符。這是一個例子：

pattern string = "c*b"

## matches "c*b"

如果需要搜索反斜杠字符本身，則使用兩個反斜杠字符，如下所示：

pattern string = "cb"

## matches "cb"

匹配空格

在模式字符串中的任何位置使用s都匹配空白字符。這比空格字符更通用，因為它適用于制表符和換行符：

....

a_space_b = re.compile("asb") if a_space_b.search("a b"):

print("'a b' is a match!")

if a_space_b.search("1234 a b 1234"): print("'1234 a b 1234' is a match")

if a_space_b.search("ab"):

print("'1234 a b 1234' is a match")

匹配字符串的開頭

如果在模式字符串的開頭使用^字符，則只有在搜索字符串的開頭找到模式時，正則表達式才會產(chǎn)生匹配：

....

a_at_start = re.compile("^a") if a_at_start.search("a"):

print("'a' is a match")

if a_at_start.search("a 1234"): print("'a 1234' is a match")

if a_at_start.search("1234 a"): print("'1234 a' is a match")

匹配字符串的結(jié)尾

類似地，如果在模式字符串的末尾使用$符號，則正則表達式將僅在模式出現(xiàn)在搜索字符串的末尾時生成匹配：

....

a_at_end = re.compile("a$") if a_at_end.search("a"):

print("'a' is a match") if a_at_end.search("a 1234"):

print("'a 1234' is a match") if a_at_end.search("1234 a"):

print("'1234 a' is a match")

匹配一系列字符

可以匹配一系列字符而不是一個字符。這可以為模式增加一些靈活性：

[A-Z] matches all capital letters

[a-z] matches all lowercase letters

[0-9] matches all digits

....

lower_case_letter = re.compile("[a-z]") if lower_case_letter.search("a"):

print("'a' is a match")

if lower_case_letter.search("B"): print("'B' is a match")

if lower_case_letter.search("123 A B 2"): print("'123 A B 2' is a match")

digit = re.compile("[0-9]") if digit.search("1"):

print("'a' is a match") if digit.search("342"):

print("'a' is a match") if digit.search("asdf abcd"):

print("'a' is a match")

匹配幾種模式中的任何一種

如果存在構(gòu)成匹配的固定數(shù)量的模式，則可以使用以下語法組合它們：

(||)

以下a_or_b正則表達式將匹配任何字符或ab字符的字符串：

....

a_or_b = re.compile("(a|b)") if a_or_b.search("a"):

print("'a' is a match") if a_or_b.search("b"):

print("'b' is a match") if a_or_b.search("c"):

print("'c' is a match")

匹配序列而不是僅匹配一個字符

如果+字符位于另一個字符或模式之后，則正則表達式將匹配該模式的任意長序列。這非常有用，因為它可以很容易地表達可以是任意長度的單詞或數(shù)字。

將模式放在一起

通過一個接一個地組合圖案串可以產(chǎn)生更復(fù)雜的圖案。在下面的示例中，我創(chuàng)建了一個正則表達式，用于搜索嚴格后跟單詞的數(shù)字。生成正則表達式的模式字符串由以下內(nèi)容組成：

與數(shù)字序列匹配的模式字符串：[0-9]+與空白字符匹配的模式字符串：s與字母序列匹配的模式字符串：[az] +

與字符串結(jié)尾或空格字符匹配的模式字符串：（s | $）

....

number_then_word = re.compile("[0-9]+s[a-z]+(s|$)")

正則表達式split（）函數(shù)

Python中的Regex 對象也有一個split（）方法。split方法將搜索字符串拆分為子字符串?dāng)?shù)組。所述分裂發(fā)生在沿著其中該圖案被識別的字符串中的每個位置。結(jié)果是在模式的實例之間出現(xiàn)的字符串?dāng)?shù)組。如果模式出現(xiàn)在搜索字符串的開頭或結(jié)尾，則分別在結(jié)果數(shù)組的開頭或結(jié)尾包含一個空字符串：

....

print(a_or_b.split("123a456b789")) print(a_or_b.split("a1b"))

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持我們。

上一篇：python使用BeautifulSoup與正則表達式爬取時光網(wǎng)不同地區(qū)top100電影并對比

欄目：正則表達式

下一篇：詳解正則表達式后面不要包含指定的字符串內(nèi)容

本文標(biāo)題：使用Python正則表達式操作文本數(shù)據(jù)的方法

本文地址：http://www.jygsgssxh.com/a1/zhengzebiaodashi/11176.html

更多正則表達式

雷火电竞-中国电竞赛事及体育赛事平台

正則表達式

使用Python正則表達式操作文本數(shù)據(jù)的方法

您可能感興趣的文章

閱讀排行

本欄相關(guān)

隨機閱讀