正則表達(dá)式是一個(gè)以簡單直觀的方式匹配指定文本信息從而達(dá)到查找、替換等操作的目的。正則表達(dá)式以其簡單而高效的特點(diǎn)使得其在數(shù)據(jù)分析和數(shù)據(jù)驗(yàn)證方面應(yīng)用廣泛。

對于簡單的正則表達(dá)式可以直接百度之，這里重點(diǎn)引薦下‘特殊’操作。

1.非貪婪模式 - {x,y}?

非貪婪模式是指在使用正則匹配時(shí)，盡可能少的匹配（默認(rèn)是貪婪模式，即：盡可能多的匹配）。例：

>>> re.search(r’[d]{2,5}?’,’091234568’)

<_sre.SRE_Match object; span=(0, 2), match=’09’>

在這里{2,5}?匹配只是匹配2-5個(gè)[d]時(shí)只要滿足2（最少的）個(gè)就好，在看看貪婪模式：

>>> re.search(r’[d]{2,5}’,’091234568’)<_sre.SRE_Match object; span=(0, 5), match=’09123’>

這時(shí)候，匹配2-5個(gè)[d]時(shí)，默認(rèn)匹配最多的5個(gè)。

注意：貪婪和非貪婪模式的區(qū)別就是重復(fù)操作符后有沒有？字符

2.分組

正則表達(dá)式提供了一個(gè)機(jī)制將表達(dá)式分組，匹配的結(jié)果也將按照表達(dá)式單獨(dú)分組。例：

>>> m = re.search(r’(d{3})-(d{5})’,’029-25642’)>>> m.group()’029-25642’>>> m.groups()(’029’, ’25642’)>>> m.group(2)’25642’

可以通過m.groups()看到分組匹配結(jié)果，通過m.group(index)查看具體編號(hào)的分組結(jié)果（編號(hào)從1開始，0是完整的匹配）。那分組有什么用呢，好像也沒什么特殊的含義，不急，下面會(huì)用到。

3.引用分組（回溯） - N

有這么一種情況，比如假設(shè)我要找出一個(gè)html文本中的所有<a></a>標(biāo)簽，怎么辦？試試這樣：

>>> re.search(r’<(w+)>.+</(w+)>’,’<a>this is a demo</e>’)<_sre.SRE_Match object; span=(0, 21), match=’<a>this is a demo</e>’>

奇怪的事情來了，為什么<a></e>被匹配成功了，顯然結(jié)果并不是想要的，那怎么才能只匹配<a></a>而過濾掉其他的呢（比如<a></e>）？答案就是引用分組，例：

>>> re.search(r’<(w+)>.+</1>’,’<a>this is a demo</e><p>demo two</p>’)<_sre.SRE_Match object; span=(21, 36), match=’<p>demo two</p>’>

這里1是關(guān)鍵，意思就是當(dāng)前位置匹配的結(jié)果需要和第一個(gè)分組匹配的結(jié)果一致，或者說第一個(gè)分組的匹配結(jié)果期望在這里再次出現(xiàn)。以此類推。該方法最多只能匹配前99個(gè)分組。

4.分組命名 - (?P<name>.*)

分組命名最開始由python引入，比如Django路由中會(huì)用到。分組命名的好處是方便，直接使用名字比編號(hào)要簡單而且不會(huì)變化，例：

>>> m = re.search(r’(?P<first_name>d{3})-(?P<second_name>d{4})’,’029-8967’)>>> m.group(’first_name’)’029’>>> m.groupdict() {’first_name’: ’029’, ’second_name’: ’8967’}

當(dāng)然，命名分組仍然是編號(hào)分組，依然可以使用編號(hào)進(jìn)行查找分組。

5.先行斷言 - X(?!Y)、X(?=Y)

假設(shè)有這么一種情況，要查找所有163信箱的文本，也就是@163.com結(jié)尾的所有email賬號(hào)信息，也就是說不要@163.com這部分，但是其還要參與匹配。這就用到了先行斷言，也即基于之后的內(nèi)容是否存在接收或拒絕一個(gè)匹配，而不需要接下來的內(nèi)容作為匹配的一部分。例：

>>> re.search(r’h(?!e)’,’hello home!’)<_sre.SRE_Match object; span=(6, 7), match=’h’>

h(?!e)表示匹配h，而且h后面不能是e，此處匹配成功的是home，但是只返回h

>>> re.search(r’h(?=e)’,’hello home!’)<_sre.SRE_Match object; span=(0, 1), match=’h’>

h(?=e)表示匹配he，此處匹配成功的是hello，但是只返回h

6.標(biāo)記

不區(qū)分大小寫：re.IGNORECASE（簡寫re.I）-使得正則表達(dá)式不區(qū)分大小寫 點(diǎn)匹配換行符：re.DOTALL（簡寫re.S）-使得 . 符號(hào)可以匹配換行符 多行模式：re.MULTILINE（簡寫re.M）-使得^$字符可以匹配任意行的開始與結(jié)束 詳細(xì)模式：re.VERBOSE（簡寫re.X）-使得正則表達(dá)式可以換行書寫，且可以加入注釋 調(diào)試模式：re.DEBUG-將調(diào)試信息輸出到sys.stderr 使用多個(gè)標(biāo)記時(shí)，使用|分隔，如re.S|re.M

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好吧啦網(wǎng)。