前言：正則表達式在網(wǎng)絡(luò)爬蟲、數(shù)據(jù)分析中有著廣泛使用，掌握正則表達式能夠達到事半功倍的效果。本文詳細介紹正則表達式中各種規(guī)則及其符號含義，并結(jié)合Python中的Re庫進行演示，由淺入深，即學(xué)即練即用，內(nèi)容豐富，非常適合初學(xué)者。

正則表達式（regular expression）就是用一組由字母和符號組成的“表達式”來描述一個特征，然后去驗證另一個“字符串”是否符合這個特征。比如表達式“xy+” 描述的特征是“一個 ‘x’ 和 至少一個 ‘y'?”，那么‘xy',‘xyy', ‘xyyyyyyy'都符合這個特征。

正則表達式主要應(yīng)用場景

• 驗證字符串是否符合指定特征，比如驗證用戶名或密碼是否符合要求、是否是合法的郵件地址等；

• 用來查找字符串，從一個長的文本中查找符合指定特征的字符串，比查找固定字符串更加靈活方便；

• 用來替換，比普通的替換更強大。

正則表達式的規(guī)則

（1）普通字符

字母、數(shù)字、漢字、下劃線、以及沒有特殊定義的標(biāo)點符號，都是"普通字符"。表達式中的普通字符，在匹配一個字符串的時候，匹配與之相同的一個字符。

例1：表達式?“c”，在匹配字符串?“abcde”?時，匹配結(jié)果是：成功；匹配到的內(nèi)容是：“c”；匹配到的位置是：開始于2，結(jié)束于3。（包含開始位置，不包含結(jié)束位置）

例2：表達式 "bcd"，在匹配字符串"abcde"時，匹配結(jié)果是：成功；匹配到的內(nèi)容是："bcd"；匹配到的位置是：開始于1，結(jié)束于4。

（2）轉(zhuǎn)義字符

• 一些不便書寫的字符，采用在前面加“\” 的方法。例如制表符、換行符等；

• 一些有特殊用處的標(biāo)點符號，在前面加“\” 后，代表該符號本身。例如{,}, [, ], /, \, +, *, ., $, ^, |, ??等；

轉(zhuǎn)義字符的匹配方法與“普通字符”類似，也是匹配與之相同的一個字符。

例如：表達式?"\$d"，在匹配字符串?"abc$de"?時，匹配結(jié)果是：成功；匹配到的內(nèi)容是："$d"；匹配到的位置是：開始于3，結(jié)束于5。

（3）能夠與 '多種字符' 匹配的表達式

正則表達式中的一些表示方法，可以匹配 ‘多種字符’ 中的任意一個字符。例如，表達式"\d" 可以匹配任意一個數(shù)字。雖然可以匹配其中任意字符，但是只能是一個，不是多個。

例如：表達式?"\d\d"，在匹配?"abc123"?時，匹配的結(jié)果是：成功；匹配到的內(nèi)容是："12"；匹配到的位置是：開始于3，結(jié)束于5。

（4）自定義能夠匹配 '多種字符' 的表達式

使用方括號 [ ] 包含一系列字符，能匹配其中任意一個字符。用 [^ ] 包含一系列字符，則能匹配其中字符之外的任意一個字符。雖然可以匹配其中任意一個，但是只能是一個，不是多個。

例如：表達式?"[bcd][bcd]"?匹配?"abc123"?時，匹配的結(jié)果是：成功；匹配到的內(nèi)容是："bc"；匹配到的位置是：開始于1，結(jié)束于3。

（5）修飾匹配次數(shù)的特殊符號

例如：表達式?"\d+\.?\d*"?在匹配?"It?costs?$12.5"?時，匹配的結(jié)果是：成功；匹配到的內(nèi)容是："12.5"；匹配到的位置是：開始于10，結(jié)束于14。

（6）一些代表抽象意義的特殊符號

例1：表達式?"^aaa"?在匹配?"xxxaaaxxx"?時，匹配失敗。因為?"^"?要求與字符串開始的地方匹配，只有當(dāng)?"aaa"?位于字符串的開頭的時候，"^aaa"?才能匹配，比如："aaaxxxxxx"。

例2：表達式 "aaa$"在匹配 "xxxaaaxxx" 時，匹配失敗。因為"$" 要求與字符串結(jié)束的地方匹配，只有當(dāng)"aaa"位于字符串的結(jié)尾的時候，"aaa$"才能匹配，比如："xxxxxxaaa"。

例3：表達式?"Tom|Jack"在匹配字符串?"I'mTom, he is Jack"?時，匹配結(jié)果是：成功；匹配到的內(nèi)容是："Tom"；匹配到的位置是：開始于4，結(jié)束于7。匹配下一個時，匹配結(jié)果是：成功；匹配到的內(nèi)容是："Jack"；匹配到的位置時：開始于15，結(jié)束于19。

例4：表達式?"(go\s*)+"在匹配?"Let'sgo?gogo!"時，匹配結(jié)果是：成功；匹配到內(nèi)容是："gogogo"；匹配到的位置是：開始于6，結(jié)束于14。

例5：表達式?"￥(\d+\.?\d*)"在匹配?"＄10.9,￥20.5"時，匹配的結(jié)果是：成功；匹配到的內(nèi)容是："￥20.5"；匹配到的位置是：開始于6，結(jié)束于10。單獨獲取括號范圍匹配到的內(nèi)容是："20.5"。

思考題：寫出滿足下列要求的正則表達式

• 僅含6位數(shù)字的字符串??

• 18位身份證號碼（最后一位可能包含X）

• 密碼(以字母開頭，長度在6~18之間，只能包含字母、數(shù)字和下劃線)

匹配次數(shù)中的貪婪與非貪婪

在使用修飾匹配次數(shù)的特殊符號時，如“?”,“*”, “+”等，可以使同一個表達式能夠匹配不同的次數(shù)，具體匹配的次數(shù)隨被匹配的字符串而定。這種重復(fù)匹配不定次數(shù)的表達式在匹配過程中，總是盡可能多的匹配，這種匹配原則就叫作"貪婪" 模式?。例如，針對文本“dxxxdxxxd”，下列表達式匹配結(jié)果如下。

在修飾匹配次數(shù)的特殊符號后再加上一個"?" 號，則可以使匹配次數(shù)不定的表達式盡可能少的匹配，使可匹配可不匹配的表達式，盡可能的 "不匹配"。這種匹配原則叫作"非貪婪" 模式。如果少匹配就會導(dǎo)致整個表達式匹配失敗的時候，與貪婪模式類似，非貪婪模式會最小限度的再匹配一些，以使整個表達式匹配成功。例如，針對文本“dxxxdxxxd”，下列表達式匹配結(jié)果如下。

Python中的正則表達式庫 - re

• re庫是Python的標(biāo)準庫，不需要額外安裝，主要用于字符串匹配

• 調(diào)用方式：import re

• re 庫采用raw string類型表示正則表達式，rawstring是不包含對轉(zhuǎn)義符再次轉(zhuǎn)義的字符串。例如:r'[1‐9]\d{5}’

• re庫也可以采用string類型表示正則表達式，但更繁瑣，例如“'[1‐9]\\d{5}'”

• 當(dāng)正則表達式包含轉(zhuǎn)義符時，建議使用raw string

re庫的主要功能函數(shù)

注意group()和groups()的區(qū)別，一個是返回匹配的字符串，一個是返回各部分匹配內(nèi)容組成的元組。當(dāng)表達式中沒有圓括號時，groups()返回的是空元組，當(dāng)存在圓括號時，有幾個圓括號groups()返回的元組里就有幾個元素。

正則表達式案例-驗證用戶名

編寫程序?qū)崿F(xiàn)下述功能，提示用戶輸入用戶名，要求用戶名以字母開頭，長度不少于3位，只能包含字母、數(shù)字、下劃線，如果用戶輸入符合要求，則提示注冊成功，否則提示用戶名不符合要求，請重新輸入，一直循環(huán)直到用戶名符合要求為止。程序執(zhí)行效果如下圖所示。

參考代碼如下：?

import re  # 導(dǎo)入正則表達式庫
name = input("請輸入用戶名，以字母開頭，長度不少于3位，只能包含字母、數(shù)字、下劃線:")  # 提示用戶輸入
match = re.match(r"^[a-zA-Z]\w{2,}$", name)  # 驗證輸入是否符合要求
while match is None:  # 如果不符合要求，則循環(huán)
    print("用戶名不符合要求，請重新輸入：", end=" ")  # 提示用戶名不符合要求
    name = input()  # 重新獲取用戶輸入
    match = re.match(r"^[a-zA-Z]\w{2,}$", name)  # 驗證輸入是否符合要求
print("恭喜你， {} ，注冊成功!".format(name))  # 提示注冊成功

思考：

• 正則表達式前面的^能夠省略？為什么？
• 有沒有其它等價的正則表達式寫法？
• 正則表達式最后的$能否省略？為什么？

正則表達式案例-編程語言排行

• 數(shù)據(jù)來源:https://www.tiobe.com/tiobe-index/網(wǎng)頁源代碼，保存到”編程語言排行.txt”文件。

• 部分內(nèi)容截圖如下，排行前十的編程語言數(shù)據(jù)存放在series屬性里，每項編程語言包含名稱（name）和數(shù)據(jù)（data）兩部分內(nèi)容，其中data部分包含該編程語言各個月份編程語言所占比例，。

import re  # 正則表達式
import csv  # csv文件操作
with open("編程語言排行.txt", mode="r", encoding="utf-8") as fp:  # 打開指定文件
    text = fp.read()  # 讀取文件內(nèi)容
content = " ".join(re.findall(r"series: (.*?)\}\);", text, re.DOTALL))  # 獲取所有編程語言數(shù)據(jù)
total_content = re.findall(r"({.*?})", content, re.DOTALL)  # 獲取各個編程語言的具體數(shù)據(jù)
with open("lang.csv", mode="w", encoding="utf-8", newline="") as fp:  # 對數(shù)據(jù)進行處理并保存到文件
    writer = csv.DictWriter(fp, ['name', 'value', 'date'])
    writer.writeheader()  # 寫入標(biāo)題
    for item in total_content:
        name = " ".join(re.findall(r"name : '(.*?)'", item, re.DOTALL))
        temp_datas = re.findall(r"\[Date.UTC(.*?)\]", item, re.DOTALL)  # 獲取不同時間的熱度信息
        for data in temp_datas:
            data = data.replace(" ", "").replace("(", "").replace(")", "")
            value = data.split(",")[-1]  # 熱度值
            date = data.split(",")[:-1]  # 日期信息
            writer.writerow({"name": name, "value": value, "date": "{}-{:02d}-{:02d}".format(date[0], int(date[1]) + 1, int(date[2]))})

部分數(shù)據(jù)截圖效果如下：

完整課件下載網(wǎng)址：https://download.csdn.net/download/Dream_Gao1989/81021441文章來源地址http://www.zghlxwxcb.cn/news/detail-437828.html

到了這里，關(guān)于詳解Python正則表達式（含豐富案例）的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！