资讯专栏INFORMATION COLUMN

Python下正则表达式学习笔记

Ashin / 1239人阅读

摘要:匹配并捕获该匹配的子表达式。执行正向预测先行搜索的子表达式,该表达式匹配处于匹配的字符串的起始点的字符串。续感谢好东西传送门机器学习日报的推荐,我了解到了北京知识图谱学习小组第一次线下活动中关于正则学习阅读资料,在这里收藏并分享。

用途

正则表达式可以

测试字符串内的模式

替换文本

基于模式匹配从字符串中提取子字符串

RegEx语法

正则表达式(Regular Expression, RegEx)通过单个字符串来匹配一系列符合此语法规则的目标字符串。

元字符以及其在RegEx中的行为说明列表:

元字符 行为
^ 匹配输入字符串开始的位置。如果设置了 RegExp 对象的 Multiline 属性,^ 还会与“n”或“r”之后的位置匹配。
$ 匹配输入字符串结尾的位置。如果设置了 RegExp 对象的 Multiline 属性,$ 还会与“n”或“r”之前的位置匹配。
* 零次或多次匹配前面的字符或子表达式。例如,zo 匹配“z”和“zoo”。 等效于 {0,}。
+ 一次或多次匹配前面的字符或子表达式。例如,“zo+”与“zo”和“zoo”匹配,但与“z”不匹配。+ 等效于 {1,}。
? 零次或一次匹配前面的字符或子表达式。例如,“do(es)?”匹配“do”或“does”中的“do”。? 等效于 {0,1}。
{n} n 是非负整数。正好匹配 n 次。例如,“o{2}”与“Bob”中的“o”不匹配,但与“food”中的两个“o”匹配。
{n,} n 是非负整数。至少匹配 n 次。例如,“o{2,}”不匹配“Bob”中的“o”,而匹配“foooood”中的所有 o。“o{1,}”等效于“o+”。“o{0,}”等效于“o*”。
{n,m} M 和 n 是非负整数,其中 n <= m。匹配至少 n 次,至多 m 次。例如,“o{1,3}”匹配“fooooood”中的头三个 o。"o{0,1}" 等效于 "o?"。注意:您不能将空格插入逗号和数字之间。
? 当此字符紧随任何其他限定符(*、+、?、{n}、{n,}、{n,m})之后时,匹配模式是“非贪心的”。“非贪心的”模式匹配搜索到的、尽可能短的字符串,而默认的“贪心的”模式匹配搜索到的、尽可能长的字符串。例如,在字符串“oooo”中,“o+?”只匹配单个“o”,而“o+”匹配所有“o”。
. 匹配除“n”之外的任何单个字符。若要匹配包括“n”在内的任意字符,请使用诸如“[sS]”之类的模式。
(pattern) 匹配 pattern 并捕获该匹配的子表达式。可以使用 $0…$9 属性从结果“匹配”集合中检索捕获的匹配。若要匹配括号字符 ( ),请使用“(”或者“)”。
(?:pattern) 匹配 pattern 但不捕获该匹配的子表达式,即它是一个非捕获匹配,不存储供以后使用的匹配。这对于用“or”字符组合模式部件的情况很有用。
(?=pattern) 执行正向预测先行搜索的子表达式,该表达式匹配处于匹配 pattern 的字符串的起始点的字符串。它是一个非捕获匹配,即不能捕获供以后使用的匹配。
(?!pattern) 执行反向预测先行搜索的子表达式,该表达式匹配不处于匹配 pattern 的字符串的起始点的搜索字符串。它是一个非捕获匹配,即不能捕获供以后使用的匹配。
[xyz] 字符集。匹配包含的任一字符。例如,“[abc]”匹配“plain”中的“a”。
[^] 反向字符集。匹配未包含的任何字符。
[a-z] 字符范围。匹配指定范围内的任何字符。例如,“[a-z]”匹配“a”到“z”范围内的任何小写字母。
b 匹配一个字边界,即字与空格间的位置。例如,“erb”匹配“never”中的“er”,但不匹配“verb”中的“er”。
B 非字边界匹配。“erB”匹配“verb”中的“er”,但不匹配“never”中的“er”。
cx 匹配 x 指示的控制字符。例如,cM 匹配 Control-M 或回车符。x 的值必须在 A-Z 或 a-z 之间。如果不是这样,则假定 c 就是“c”字符本身。
d 数字字符匹配。等效于 [0-9]。
D 非数字字符匹配。
f 换页符匹配。等效于 x0c 和 cL。
n 换行符匹配。等效于 x0a 和 cJ。
r 匹配一个回车符。等效于 x0d 和 cM。
s 匹配任何空白字符,包括空格、制表符、换页符等。与 [ fnrtv] 等效。
S 匹配任何非空白字符。
t 制表符匹配。与 x09 和 cI 等效。
v 垂直制表符匹配。与 x0b 和 cK 等效。
w 匹配任何字类字符,包括下划线。与“[A-Za-z0-9_]”等效。
W 与任何非单词字符匹配。
num 匹配 num,此处的 num 是一个正整数。到捕获匹配的反向引用。例如,“(.)1”匹配两个连续的相同字符。

表格转载自 Microsoft博客:正则表达式语法

RegEx用法实例
说明 正则表达式
电子邮件(Email) w+([-+.]w+)@w+([-.]w+).w+([-.]w+)*
QQ号码 [1-9]d{4,}
密码(由数字/大写字母/小写字母/标点符号组成,四种都必有,8位以上) (?=^.{8,}$)(?=.d)(?=.W+)(?=.[A-Z])(?=.[a-z])(?!.n).$
汉字(字符) [u4e00-u9fa5]
中文及全角标点符号(字符) [u3000-u301eufe10-ufe19ufe30-ufe44ufe50-ufe6buff01-uffee]
中国大陆手机号码 1d{10}
中国大陆邮政编码 [1-9]d{5}
中国大陆身份证号(15位或18位) d{15}(dd[0-9xX])?
非负整数(正整数或零) d+
正整数 0-9]*[1-9*
负整数 -0-9]*[1-9*
整数 -?d+
小数 (-?d+)(.d+)?
不包含abc的单词 b((?!abc)w)+b

表格节选自 常用正则表达式

Memo:上面部分的模式,例如在Vim编辑器的find模式(/)下,无法进行匹配。

Python中常见的RegEx用法

为了避免上述部分模式无法匹配的问题,实际操作的时候以参考文档(RE python2)为准。

如果要替换一个字符串中的某个模式,如下:

import re
txt = [the text for processing]
regex = [your regular expression]
string = [your string to replace the others]
data, number = re.subn(re.compile(regex), string, txt)
# or you could use
data, number = re.subn(regex, string, txt)

模块中还有其他常用方法:

re.match

re.search

re.findall

当然,官方文档中还介绍了直接使用re的方法和使用re.compile()之后再进行正则的区别。具体请参考这里。

Weiming Hu


2016/6/13 续

感谢好东西传送门机器学习日报的推荐,我了解到了北京知识图谱学习小组第一次线下活动中关于正则学习阅读资料,在这里收藏并分享。

文章版权归作者所有,未经允许请勿转载,若此文章存在违规行为,您可以联系管理员删除。

转载请注明本文地址:https://www.ucloud.cn/yun/37919.html

相关文章

  • 重磅 | 完备的 AI 学习路线,最详细的资源整理!

    摘要:是你学习从入门到专家必备的学习路线和优质学习资源。的数学基础最主要是高等数学线性代数概率论与数理统计三门课程,这三门课程是本科必修的。其作为机器学习的入门和进阶资料非常适合。书籍介绍深度学习通常又被称为花书,深度学习领域最经典的畅销书。 showImg(https://segmentfault.com/img/remote/1460000019011569); 【导读】本文由知名开源平...

    荆兆峰 评论0 收藏0
  • SegmentFault 技术周刊 Vol.30 - 学习 Python 来做一些神奇好玩的事情吧

    摘要:学习笔记七数学形态学关注的是图像中的形状,它提供了一些方法用于检测形状和改变形状。学习笔记十一尺度不变特征变换,简称是图像局部特征提取的现代方法基于区域图像块的分析。本文的目的是简明扼要地说明的编码机制,并给出一些建议。 showImg(https://segmentfault.com/img/bVRJbz?w=900&h=385); 前言 开始之前,我们先来看这样一个提问: pyth...

    lifesimple 评论0 收藏0
  • 正则达式

    摘要:最全正则表达式总结验证号手机号中文邮编身份证地址等是正则表达式的缩写,作用是对字符串执行模式匹配。学习目标了解正则表达式语法在中使用正则表达式在中使 JS高级技巧 本篇是看的《JS高级程序设计》第23章《高级技巧》做的读书分享。本篇按照书里的思路根据自己的理解和经验,进行扩展延伸,同时指出书里的一些问题。将会讨论安全的类型检测、惰性载入函数、冻结对象、定时器等话题。1. 安全的类型检测...

    yibinnn 评论0 收藏0
  • Python 正则达式 re 模块简明笔记

    摘要:假设现在想把字符串你好,,世界中的中文提取出来,可以这么做你好,,世界注意到,我们在正则表达式前面加上了两个前缀,其中表示使用原始字符串,表示是字符串。本文标题为正则表达式模块简明笔记本文链接为参考资料正则表达式 简介 正则表达式(regular expression)是可以匹配文本片段的模式。最简单的正则表达式就是普通字符串,可以匹配其自身。比如,正则表达式 hello 可以匹配字符...

    lastSeries 评论0 收藏0

发表评论

0条评论

Ashin

|高级讲师

TA的文章

阅读更多
最新活动
阅读需要支付1元查看
<