• 一、寫(xiě)在前面

• 二、語(yǔ)法

  • 1. 匹配單個(gè)字符

  • 2. 匹配一組字符

  • 3. 使用元字符

  • 4. 重復(fù)匹配

  • 5. 位置匹配

  • 6. 子表達(dá)式

  • 7. 回溯引用（前后一致匹配）

  • 8. 前后查找

• 三、在 Python 中使用

  • 1. re 庫(kù)

  • 2. pandas 庫(kù)

一、寫(xiě)在前面

• 在學(xué)習(xí)和使用正則表達(dá)式的時(shí)候，重要的并不是知道多少個(gè)特殊字符，而是會(huì)不會(huì)運(yùn)用它們?nèi)ソ鉀Q實(shí)際問(wèn)題

• 「基本用途：搜索和替換」

• 正則表達(dá)式是一些用來(lái)匹配和處理文本的字符串

• 語(yǔ)法是正則表達(dá)式最容易掌握的部分，真正的挑戰(zhàn)是學(xué)會(huì)如何運(yùn)用語(yǔ)法把實(shí)際問(wèn)題分解為一系列正則表達(dá)式并最終解決

• 在編寫(xiě)正則表達(dá)式的時(shí)候，同一個(gè)問(wèn)題往往會(huì)有多種解決方案

• 驗(yàn)證某個(gè)模式能不能獲得預(yù)期的匹配結(jié)果并不困難，但如何驗(yàn)證它不會(huì)匹配到不想到的東西可就沒(méi)那么簡(jiǎn)單了

• 「正則表達(dá)式在線(xiàn)測(cè)試網(wǎng)頁(yè)」

?

「https://c.runoob.com/front-end/854/」

?網(wǎng)站界面

二、語(yǔ)法

1. 匹配單個(gè)字符

• 正則表達(dá)式是區(qū)分字母大小寫(xiě)的

• 如果要忽略值的大小寫(xiě)，需要使用 re.I

• . 可以匹配任何一個(gè)字符、字母、數(shù)字、甚至是 . 本身

• 在同一個(gè)正則表達(dá)式里允許使用多個(gè) . 字符，既可以連續(xù)出現(xiàn)，也可以間隔出現(xiàn)在模式的不同位置

• 使用 \ 對(duì)特殊字符（元字符）進(jìn)行轉(zhuǎn)義，\ 本身也是一個(gè)元字符

2. 匹配一組字符

• 使用 [] 定義字符集合

• 在定義一個(gè)字符區(qū)間的時(shí)候，一定要避免讓這個(gè)區(qū)間的尾字符小于它的首字符（根據(jù) ASCII 字符的大小）

• 在字符集合以外的地方，- 只是一個(gè)普通字符，只能與 - 本身相匹配，- 字符不需要做轉(zhuǎn)義

• ^ 對(duì)一個(gè)字符集合進(jìn)行取非匹配

• ^ ?作用于給定字符集合里的所有字符和字符區(qū)間，而不是僅限于緊跟在 ^ 后面的那一個(gè)字符或字符區(qū)間

3. 使用元字符

元字符說(shuō)明

[\b]	回退（刪除）一個(gè)字符
\f	換頁(yè)符
「\n」	「換行符」
「\r」	「回車(chē)符」
「\t」	「制表符」
\v	垂直制表符
「\d」	「任何一個(gè)數(shù)字字符，等價(jià)于[0-9]」
「\D」	「任何一個(gè)非數(shù)字字符」
「\w」	「等價(jià)于[a-zA-Z0-9_]」
「\W」	「任何一個(gè)非字母數(shù)字或非下劃線(xiàn)字符」
「\s」	「等價(jià)于[\f\n\r\t\v]」
「\S」	「任何一個(gè)非空白字符」
\E	結(jié)束 \L 或 \U 轉(zhuǎn)換
\l	把下一個(gè)字符轉(zhuǎn)換為小寫(xiě)
\L	把 \L 到 \E 之間的字符全部轉(zhuǎn)換為小寫(xiě)
\u	把下一個(gè)字符轉(zhuǎn)換為大寫(xiě)
\U	把 \U 到 \E 之間的字符全部轉(zhuǎn)換為大寫(xiě)
「(?=)」	「正向前查找」
「(?!)」	「負(fù)向前查找」
「(?<=)」	「正向后查找」
「(?<!)」	「負(fù)向后查找」
(?m)	分行模式匹配

• \r\n 是 Windows 所使用的文本行結(jié)束標(biāo)簽

• 在 Linux 上匹配空白行只使用 \n\n 即可

• 同時(shí)適用于 Windows 和 Linux 的正則表達(dá)式應(yīng)該包含一個(gè)可選的 \r 和一個(gè)必須被匹配的 \n

• 十六進(jìn)制（逢16進(jìn)1）數(shù)值要用前綴 \x 來(lái)給出

• 八進(jìn)制（逢8進(jìn)1）數(shù)值要用前綴 \0 來(lái)給出

• | 表示邏輯 或 操作符

4. 重復(fù)匹配

• + 匹配一個(gè)或多個(gè)字符（或字符集合）

• * 匹配零個(gè)或多個(gè)字符（或字符集合）

• ? 匹配零個(gè)或一個(gè)字符（或字符集合）

• 如果打算同時(shí)使用 [] 和 ? ，千萬(wàn)記得應(yīng)該把 ? 放在字符集合的外面

• 重復(fù)次數(shù)要用 {} 來(lái)給出，把數(shù)值寫(xiě)在里面，重復(fù)的次數(shù)可以是0

• {m,n} 為匹配次數(shù)設(shè)定一個(gè)最小值和最大值

• {m,} 為匹配次數(shù)設(shè)定一個(gè)最小值

• {,n} 為匹配次數(shù)設(shè)定一個(gè)最大值

• 懶惰型元字符的寫(xiě)法，只要給貪婪型元字符加上一個(gè) ? 后綴即可

5. 位置匹配

• 位置匹配解決在什么地方進(jìn)行字符串匹配操作的問(wèn)題

• 由限定符 \b 指定單詞的邊界，用來(lái)匹配一個(gè)單詞的開(kāi)頭和結(jié)尾

• \b 匹配且只匹配一個(gè)位置，不匹配任何字符

• 想表明不匹配一個(gè)單詞邊界，使用 \B

• ^ 定義字符串開(kāi)頭，$ 定義字符串結(jié)尾

• ^\s* 匹配一個(gè)字符串的開(kāi)頭位置和隨后的零個(gè)或多個(gè)空白字符

• \s*$ 匹配一個(gè)字符串的結(jié)尾位置零個(gè)或多個(gè)空白字符

• 如果要使用分行匹配模式，需要使用 re.S

6. 子表達(dá)式

• 使用 () 來(lái)把子表達(dá)式當(dāng)做一個(gè)獨(dú)立元素

• 子表達(dá)式允許多重嵌套，但在實(shí)際工作中一個(gè)遵循適可而止的原則

• 絕大多數(shù)嵌套子表達(dá)式都沒(méi)有看上去那么復(fù)雜

• 把必須匹配的情況考慮周全并寫(xiě)出一個(gè)匹配結(jié)果符合預(yù)期的正則表達(dá)式很容易，但把不需要匹配的情況也考慮周全并確保它們都將被排除在匹配結(jié)果之外往往要困難得多

7. 回溯引用（前后一致匹配）

• 回溯引用允許正則表達(dá)式模式引用前面的匹配結(jié)果

• 回溯引用指的是模式的后半部分引用在前半部分中定義的子表達(dá)式

• 可以把回溯引用想象成變量

• Java 和 Python 將返回一個(gè)包含 group 的數(shù)組匹配對(duì)象

• 回溯引用只能用來(lái)引用模式里的子表達(dá)式

• 回溯引用匹配通常從 1 開(kāi)始計(jì)數(shù)（\1）

• 如果子表達(dá)式的相對(duì)位置發(fā)生了變化，整個(gè)模式也許就不能再完成原來(lái)的工作

• 「查找時(shí)，使用 \n ；替換時(shí)，使用$n」

• 在對(duì)文本進(jìn)行重新排版時(shí)，把文本分解成多個(gè)子表達(dá)式的做法往往非常有用，可以對(duì)文本的排版效果做出更精準(zhǔn)的控制

• 需要用到 re.finditer(pattern,string,flags)

list_temp?=?[] for?item?in?re.finditer(r'(?<=<h([1-6])>).*?(?=</h\1>)','<h1>一級(jí)標(biāo)題</h1><h2>二級(jí)標(biāo)題</h2><h3>這里是錯(cuò)誤</h4>'):list_temp.append(item.group())list_temp#?['一級(jí)標(biāo)題',?'二級(jí)標(biāo)題']

8. 前后查找

• 在同一個(gè)搜索模式里可以使用多個(gè)前后查找表達(dá)式

• 向前查找指定了一個(gè)必須匹配但不在結(jié)果中返回的模式，實(shí)際就是一個(gè)以 ?= 開(kāi)頭的子表達(dá)式

• 向后查找指定了一個(gè)必須匹配但不在結(jié)果中返回的模式，實(shí)際就是一個(gè)以 ?<= 結(jié)尾的子表達(dá)式

• 向前查找模式的長(zhǎng)度是可變的，可以包含 \ 和 + 之類(lèi)的元字符；向后查找模式只能是固定長(zhǎng)度

• 前后查找必須用 ! 替換掉 = 來(lái)取非

三、在 Python 中使用

1. re 庫(kù)

（1）re.findall(pattern,string,flags)

• 返回的結(jié)果是列表，如果沒(méi)有匹配到結(jié)果，返回空列表

import?reresult?=?re.findall('工號(hào)是(.*?)，','我的名字是張三，工號(hào)是110110，職業(yè)是法外狂徒；他的名字是李四，工號(hào)是120120，職業(yè)是醫(yī)生')#?['110110',?'120120']

（2）re.search(pattern,string,flags)

• 要得到匹配結(jié)果，需要通過(guò) group() 方法獲取值，如果沒(méi)有匹配到結(jié)果，返回 None

• 只有在 group() 的參數(shù)為 1 時(shí)，才會(huì)返回子表達(dá)式中的結(jié)果

• group() 的參數(shù)最大不能超過(guò)正則表達(dá)式里子表達(dá)式的個(gè)數(shù)

import?reresult?=?re.search('工號(hào)是(.*?)，','我的名字是張三，工號(hào)是110110，職業(yè)是法外狂徒；他的名字是李四，工號(hào)是120120，職業(yè)是醫(yī)生').group(1)#?'110110'

（3）re.sub(pattern,replace,string,count) / re.subn(pattern,replace,string,count)

• 可以指定替換次數(shù)，不指定則默認(rèn)替換全部

import?reresult1?=?re.sub('\d+','119119','我的名字是張三，工號(hào)是110110，職業(yè)是法外狂徒；他的名字是李四，工號(hào)是120120，職業(yè)是醫(yī)生')result2?=?re.subn('\d+','119119','我的名字是張三，工號(hào)是110110，職業(yè)是法外狂徒；他的名字是李四，工號(hào)是120120，職業(yè)是醫(yī)生',1)print(result1) print(result2[0])#?我的名字是張三，工號(hào)是119119，職業(yè)是法外狂徒；他的名字是李四，工號(hào)是119119，職業(yè)是醫(yī)生 #?我的名字是張三，工號(hào)是119119，職業(yè)是法外狂徒；他的名字是李四，工號(hào)是120120，職業(yè)是醫(yī)生

（4） re.finditer(pattern,string,flags)

import?refor?item?in?re.finditer('\d+','我的名字是張三，工號(hào)是110110，職業(yè)是法外狂徒；他的名字是李四，工號(hào)是120120，職業(yè)是醫(yī)生'):print(item.group())#?110110 #?120120

（5）re.split(pattern,string,maxsplit)

• 返回字符串被分割后的列表，可以指定最大分割次數(shù)，不指定則全部分割

import?reresult1?=?re.split('\d+','我的名字是張三，工號(hào)是110110，職業(yè)是法外狂徒；他的名字是李四，工號(hào)是120120，職業(yè)是醫(yī)生')result2?=?re.split('\d+','我的名字是張三，工號(hào)是110110，職業(yè)是法外狂徒；他的名字是李四，工號(hào)是120120，職業(yè)是醫(yī)生',maxsplit=1)print(result1) print(result2)#?['我的名字是張三，工號(hào)是', '，職業(yè)是法外狂徒；他的名字是李四，工號(hào)是', '，職業(yè)是醫(yī)生'] #?['我的名字是張三，工號(hào)是', '，職業(yè)是法外狂徒；他的名字是李四，工號(hào)是120120，職業(yè)是醫(yī)生']

2. pandas 庫(kù)

• 構(gòu)造數(shù)據(jù)

import?pandas?as?pddf?=?pd.DataFrame(data=['纖美(CICI)','江中猴姑','PENTAL?SOFTLY','25°',?'卡士(CLASSY·KISS)'],?columns=['品牌全名']) df

• 自定義函數(shù)

def?chinese_name(x):result?=?re.findall('[一-龜]',x)return?''.join(result)df['中文品牌名_自定義函數(shù)']?=?df['品牌全名'].apply(chinese_name) df

• Series.str.findall(pattern, flags)

df['中文品牌名_findall']?=?df['品牌全名'].str.findall('[一-龜]').apply(lambda?x:''.join(x)) df

• Series.str.contains(pattern,regex=True,flags)

df['英文品牌名_contains']?=?df['品牌全名'].str.contains('[a-zA-Z]',regex=True) df

• Series.str.replace(pattern,replace)

df['英文品牌名_match']?=?df['品牌全名'].str.match('[a-zA-Z]') df

• Series.str.extract(pattern, flags,expand) / Series.str.extractall(pattern, flags)

df['品牌名_replace']?=?df['品牌全名'].str.replace('[0-9]','XX') df

• Series.str.match(pattern, flags).str[0]

df['品牌名_extract']?=?df['品牌全名'].str.extract(r'([a-zA-Z].*)',expand=True) df['品牌名_extract']?=?df['品牌名_extract'].str.replace('\)','') df

對(duì)比Excel系列圖書(shū)累積銷(xiāo)量達(dá)15w冊(cè)，讓你輕松掌握數(shù)據(jù)分析技能，感興趣的同學(xué)可以直接在各大電商平臺(tái)搜索書(shū)名了解：

總結(jié)

以上是生活随笔為你收集整理的关于正则表达式，我所知道的都在这里的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。