Skip to content

Latest commit

 

History

History
120 lines (74 loc) · 4.26 KB

1.md

File metadata and controls

120 lines (74 loc) · 4.26 KB

初识 Python 正则表达式

正则表达式是一个特殊的字符序列,用于判断一个字符串是否与我们所设定的字符序列是否匹配,也就是说检查一个字符串是否与某种模式匹配。

Python 自 1.5 版本起增加了re 模块,它提供 Perl 风格的正则表达式模式。re 模块使 Python 语言拥有全部的正则表达式功能。

下面通过实例,一步一步来初步认识正则表达式。

比如在一段字符串中寻找是否含有某个字符或某些字符,通常我们使用内置函数来实现,如下:

# 设定一个常量
a = '两点水|twowater|liangdianshui|草根程序员|ReadingWithU'

# 判断是否有 “两点水” 这个字符串,使用 PY 自带函数

print(f'是否含有“两点水”这个字符串:{a.index("两点水") > -1}')
print(f'是否含有“两点水”这个字符串:{"两点水" in a}')

输出的结果如下:

是否含有“两点水”这个字符串:True
是否含有“两点水”这个字符串:True

那么,如果使用正则表达式呢?

刚刚提到过,Python 给我们提供了 re 模块来实现正则表达式的所有功能,那么我们先使用其中的一个函数:

re.findall(pattern, string[, flags])

该函数实现了在字符串中找到正则表达式所匹配的所有子串,并组成一个列表返回,具体操作如下:

import re

# 设定一个常量
a = '两点水|twowater|liangdianshui|草根程序员|ReadingWithU'

# 正则表达式

findall = re.findall('两点水', a)
print(findall)

if len(findall) > 0:
    print('a 含有“两点水”这个字符串')
else:
    print('a 不含有“两点水”这个字符串')

输出的结果:

['两点水']
a 含有“两点水”这个字符串

从输出结果可以看到,可以实现和内置函数一样的功能,可是在这里也要强调一点,上面这个例子只是方便我们理解正则表达式,这个正则表达式的写法是毫无意义的。为什么这样说呢?

因为用 Python 自带函数就能解决的问题,我们就没必要使用正则表达式了,这样做多此一举。而且上面例子中的正则表达式设置成为了一个常量,并不是一个正则表达式的规则,正则表达式的灵魂在于规则,所以这样做意义不大。

那么正则表达式的规则怎么写呢?先不急,我们一步一步来,先来一个简单的,找出字符串中的所有小写字母。首先我们在 findall 函数中第一个参数写正则表达式的规则,其中 [a-z] 就是匹配任何小写字母,第二个参数只要填写要匹配的字符串就行了。具体如下:

import re

# 设定一个常量
a = '两点水|twowater|liangdianshui|草根程序员|ReadingWithU'

# 选择 a 里面的所有小写英文字母

re_findall = re.findall('[a-z]', a)

print(re_findall)

输出的结果:

['t', 'w', 'o', 'w', 'a', 't', 'e', 'r', 'l', 'i', 'a', 'n', 'g', 'd', 'i', 'a', 'n', 's', 'h', 'u', 'i', 'e', 'a', 'd', 'i', 'n', 'g', 'i', 't', 'h']

这样我们就拿到了字符串中的所有小写字母了。

给规则同时准备能匹配和不能匹配的例子

前面的规则已经一步步写出来了。现在把要求缩小一点:一段名称必须由一个或多个英文字母组成。各位先为它准备三种输入,再看结果:

import re

pattern = r'[A-Za-z]+'
for name in ['Python', 'Python20', '']:
    print(bool(re.fullmatch(pattern, name)))

输出:

True
False
False

fullmatch 要求整段文字符合规则。如果改用 search,'Python20' 里面的 'Python' 就可以被找到,但这不等于整个名称都符合要求。先弄清楚是「包含某一段」还是「整段满足」,再选择函数。

自己再加上 'python'、'Python!' 和 '两点水',这里应依次得到 True、False、False。最后一个结果来自我们限定英文字母的需求,不是中文不能用正则处理。

使用 index() 寻找子串时,找不到内容会抛出 ValueError,不会返回 -1 供比较。如果只想判断有没有某段普通文字,'目标' in text 更直接。规则越复杂,越需要保留几组正例、反例和边界输入。