大学计算机基础及应用（Python篇）课件：正则表达式

正则表达式

学习目标1、正则表达式语法2、使用re模块实现正则表达式的操作1、正则表达式语法在处理字符串时，经常会涉及查找符合某些规则的字符串。正则表达式就是用于描述这些规则的工具，换言之，正则表达式就是记录文本规则的代码。您可能使用?和*通配符来查找硬盘上的文件。?通配符匹配文件名中的0个或1个字符，比如可以通过abc？.exe来查找当前文件夹中文件名为abc.exe、abcd.exe、abc1.exe等一系列的文件。而*通配符匹配零个或多个字符。可以通过*.txt来查找当前文件夹中所有的文本文件。这里的abc？.exe、*.txt可以被理解为简单的正则表达式。1、正则表达式语法13.1.1元字符元字符是一种用于描述其它字符的特殊字符，它由基本元字符和普通字符两部分组成。基本元字符是构成元字符的元素之一。普通字符包括没有显式指定为元字符的所有可打印和不可打印字符。这包括所有大写和小写字母、所有数字、所有标点符号和一些其他符号。13.1.2限定符限定符用来指定正则表达式的一个给定组件必须要出现多少次才能满足匹配。有*或+或?或{m}或{m,}或{m,n}共6种。13.1.3范围字符1、正则表达式语法13.1.5选择字符试想一下，如何匹配手机号码？手机号都为11位，且以1开头，第二位一般为3、5、6、7、8、9，剩下八位任意数字。第二位数字包含着条件选择的逻辑，这就需要使用选择符(|)来实现。该字符可以理解为“或”，匹配手机号的表达式可以写成如下方式：1(3|4|5|6|7|8|9)\d{9}$国内固定电话区号3~4位，号码7~8位。例如021-87654321，可以用如下表达式来匹配：\d{3}-\d{8}$|\d{4}-\d{7}$1、正则表达式语法13.1.6转义字符（r和\）Python中字符串前面加上r表示原生字符串（rawstring），与大多数编程语言相同，正则表达式里使用"\"作为转义字符，这就可能造成反斜杠困扰。13.1.7分组通过13.1.5节中的例子，大家对小括号的作用有了一定的了解。小括号字符的第一个作用就是可以改变限定符的作用范围，如“|”“*”“^”等。例如：(Fri|Thurs)day这个表达式是匹配Friday或Thursday，如果不使用小括号，那么就变成了匹配单词Fri或Thursday了。正则表达式是一个特殊的字符序列,能方便地检查一个字符串是否与某种模式匹配。学会使用Python自带的re模块编程非常有用，因为它可以帮我们快速检查一个用户输入的email或电话号码格式是否有效，也可以帮我们快速从文本中提取需要的字符串。本节我们就来学习如何编写Python正则表达式,并利用re模块自带的方法来判断字符串的匹配并从目标字符串提取我们想要的内容。2、使用re模块实现正则表达式的操作在使用re模块时，需要先应用import语句将其引入，具体代码如下：importrere模块主要包含如下6种方法:pile:编译一个正则表达式模式(pattern)re.match:从头开始匹配,使用group()方法可以获取第一个匹配值re.search:用包含方式匹配，使用group()方法可以获取第一个匹配值re.findall:用包含方式匹配，把所有匹配到的字符（多个匹配值）放到以列表中返回re.sub:匹配字符并替换re.split:以匹配到的字符当作列表分隔符，返回列表2、使用re模块实现正则表达式的操作13.2.1分组匹配1.pile方法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。其函数包含两个参数，一个pattern，一个可选参数flags。pile(pattern[,flags])参数：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。2.re.match和re.search方法re.match和re.search方法类似，唯一不同的是re.match从头匹配，re.search可以从字符串中任一位置匹配。如果有匹配对象match返回，可以使用match.group()提取匹配字符串。re.match(pattern,string[,flags])patter:表示模式字符串，由要匹配的正则表达式转换而来。string:表示要匹配的字符串。flags:可选参数，表示标志位，用于控制匹配方式，常用的标志及其说明如表13.3所示。下同re.search(pattern,string[,flags])3.re.findall方法前面我们已经提到过，当您试图从一个字符串中提取所有符合正则表达式的字符串列表时需要使用re.findall方法。findall方法使用方法有两种，一种是pattern.findall(string)，另一种是re.findall(pattern,string)。re.findall方法经常用于从爬虫爬来的文本中提取有用信息。findall函数返回的总是正则表达式在字符串中所有匹配结果的列表。pattern匹配模式，由pile获得string需要匹配的字符串13.2.2替换字符串re.sub方法用于替换字符串中的匹配项。其语法格式如下：re.sub(pattern,repl,string,count=0,flags=0)参数说明如下：pattern:表示模式字符串，由要匹配的正则表达式转换而来。repl:表示替换的字符串，也可为一个函数。string:表示要被查找替换的原始字符串。count:可选参数，表示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:可选参数，表示标志位，用于控制匹配的方式，如是否区分字母大小写。13.2.3使用正则表达式分割字符串re.split方法用于实现根据正则表达式分割字符串，并返回分割后的字符串列表。其语法格式如下：re.split(pattern,string,[maxsplit],[flags])参数说明如下：pattern:相当于str.split()中的sep，分隔符的意思，不但可以是字符串，也可以是正则表达式。string