Python3正規表示式——小白初學
Python3正規表示式
前言
hello！這是我的第一篇部落格，當然是是因為作業啊！在通過查閱檔案，閱讀別人所寫的部落格，和最重要的當然是自己上手操作的過程中，我已經初步知道正規表示式的基本語法以及如何使用了，就來寫一篇學習筆記總結一下哦。作為初學者，錯誤難免有哦，歡迎指出來鴨。
簡介
1.引入
老師在引入正規表示式的時候，舉出了這樣一個例子：我們用world中寫好了一篇論文，可是發現某個字全篇都是錯誤的，這時候是要找到一個改一個嗎?肯定不是！查詢替換功能輕鬆解決。
2.正規表示式是什麼
這種查詢替換的功能就類似於正規表示式。
正規表示式，實際上是一個字串，通過給定一個正規表示式和另一個字串，我們可以達到如下的目的：①. 給定的字串是否可以和正規表示式符合。②. 可以通過正規表示式，從字串中獲取我們想要的特定部分。
正規表示式是字串處理的有力工具，但是並不是Python獨有的，其他語言也有。
下面我們就開始從基本語法開始學習正規表示式
正規表示式語法
1.基礎知識-元字元
- 元字元
有一些字元比較特殊，它們和自身並不匹配，而是表明應和一些特殊的東西匹配，或者會影響重複次數。這些特殊的字元我們稱之為元字元。 - 原始字串
在字串前面加上字母r或R表示原始字串，所有的字元都是原始的本義而不會進行任何跳脫。這個功能的實現就很像正規表示式了
2.常用元字元
2.1匹配不定長的字元集
① 「.」：
表示除換行符以外的任意字元。
與「.」類似（但不相同）的一個符號是「\S」，表示不是空白符的任意字元。
程式碼如下（範例）：
import re
s='hi,i am a student.my name is Tom'
print(re.findall(r'.',s))執行結果
['h', 'i', ',', 'i', ' ', 'a', 'm', ' ', 'a', ' ', 's', 't', 'u', 'd', 'e', 'n', 't', '.', 'm', 'y', ' ', 'n', 'a', 'm', 'e', ' ', 'i', 's', ' ', 'T', 'o', 'm']② " / "
反斜槓後面可以加不同的字元表示不同的特殊意義
「^」表示補集，匹配不在區間範圍內的字元，
例如：[^3]表示除3以外的字元。
| 字元 | 意義 |
|---|---|
| \b | 匹配單詞頭或單詞尾 |
| \B | 與\b相反，匹配非單詞頭或單詞尾 |
| \d | 匹配任何十進位制數；相當於[0-9] |
| \D | \d相反，匹配任何非數位字元，相當於[^0-9] |
| \s | 匹配任何空白字元，相當於[\t\n\r\f\v] |
| \S | 與\s相反，匹配任何非空白字元，相當於[^\t\n\r\f\v] |
| \w | 匹配任何字母、數位或下畫線字元，相當於[a-zA-Z0-9_] |
| \W | 匹配任何非字母、數位和下畫線字元，相當於[^a-zA-Z0-9_] |
也可以用於取消所有的元字元：
這些特殊字元都可以包含在[]中.
③ 「^」：
匹配行首，匹配以^後面的字元開頭的字串
程式碼如下（範例）：
import re
s='helloTom BabyhelloMary helo'
print(re.findall(r'hello',s))
執行結果
['hello', 'hello']④ 「$」：
匹配行尾，匹配以它之前的字元結束的字串
程式碼如下（範例）：
s='helloTom BabyhelloMary helo'
print(re.findall(r'lo',s))執行結果
['lo', 'lo', 'lo']⑤ 「[ ]」：
常用來指定一個字元集，例如：[abc]、[a-z]、[0-9]；
元字元在方括號中不起作用，例如：[akm$]和[m.]中元字元都不起作用.
程式碼如下（範例）：
s='abc acd abc'
print(re.findall(r'a[bc]\D*',s))
print(re.findall(r'a[^b]',s))執行結果
['abc acd abc']
['ac']2.2指定重複次數的字元
① 「*」：
匹配位於*之前的字元或子模式的0次或多次出現
程式碼如下（範例）：
s='aab abb abbbb b a'
print(re.findall(r'ab*',s))執行結果
['a', 'ab', 'abb', 'abbbb', 'a']② 「+」：
匹配位於+之前的字元或子模式的1次或多次出現
程式碼如下（範例）：
s='aab abb abbbb b a'
print(re.findall(r'ab+',s))
執行結果
['ab', 'abb', 'abbbb']③ 「？」：
匹配位於?之前的0個或1個字元
當「?」緊隨其他限定符（*、+、{n}、{n,}、{n,m}）之後時，匹配模式是「非貪心的」。
「非貪心的」模式匹配搜尋到儘可能短的字串，而預設的「貪心的」模式匹配搜尋到的、儘可能長的字串。
程式碼如下（範例）：
s='a ab abbbbb abbbbbxa'
print(re.findall(r'ab+',s))
print(re.findall(r'ab+?',s))執行結果
['ab', 'abbbbb', 'abbbbb']
['ab', 'ab', 'ab']④ 「{m,n}」
表示至少有m個重複，至多有n個重複。
m,n均為十進位制數。
忽略m表示0個重複，忽略n表示無窮多個重複。
程式碼如下（範例）：
s1='12345 123567'
s2='a b baaa baaaa'
print(re.findall(r'123\d{2}',s1))
print(re.findall(r'a{1,3}',s2))
執行結果
['12345', '12356']
['a', 'aaa', 'aaa', 'a']re模組中常數
- re.IGNORECASE 簡寫re.l
作用：大小寫忽略匹配 - re.ASCII 簡寫 re.A
作用：讓\w,\b,\d…只匹配ASCII，而不是Unicode - re.DOTALL 簡寫 re.S
作用：匹配所有，包括\n - re.MULTILINE 簡寫 re.M
作用：多行模式，當某字串中有換行符\n，預設模式下是不 支援換行符特性的，比如：行開頭 和 行結尾，而多行模式下是支援匹配行開頭的 - re.VERBOSE 簡寫 re.X
作用：在正規表示式中加註解
簡單給出一個例子
更多詳細可以參考python正規表示式中re模組常數用法簡介
re模組中常用函數
1.字串匹配
re模組提供了正規表示式操作所需要的功能
1.1match( )
re.match(pattern,string[,flags])
從首字母開始開始匹配，string如果包含pattern子串，則匹配成功，返回Match物件;失敗則返回None
程式碼如下（範例）：
import re
print(re.match(r'How','How are you'))執行結果
<re.Match object; span=(0, 3), match='How'>1.2search( )
re.search(pattern,string[,flags])
將字串的所有子串嘗試與正規表示式匹配，
如果所有的字串都沒有匹配成功，返回none，否則返回Match物件。
注意：多個子串，只返回第一個
程式碼如下（範例）：
s1='ahello'
s2='bahello world hello'
print(re.match(s1,s2))
print(re.search(s1,s2))執行結果
None
<re.Match object; span=(1, 7), match='ahello'>1.3 findall( )
re.findall(pattern,string[,flags])
列表的形式返回所有能匹配的子串，如果沒有找到匹配的，則返回空列表。
程式碼如下（範例）：
s3=r'abc'
print(re.findall(s3,'aabaab'))
print(re.findall(s3,'aabcaabc'))執行結果
[]
['abc', 'abc']1.4 finditer( )
re.finditer(pattern, string[, flags])
返回string中所有與pattern相匹配的全部字串，返回形式為Match物件的迭代器。
1.5小結
1.我們會發現對於findall()函數返回的是一個列表，
而match()和search()函數，直接列印輸出的結果很多。因此匹配物件的方法只適用於match，search，findier，而不適合findall。
2.例如<re.Match object; span=(0, 5), match=‘abcde’>它就是函數返回的match物件,但是我們想要得到的只是最後一個結果match=‘abcde’，接下來我們會學習匹配物件的方法來解決這個問題
1.6目標串返回
在正規表示式中使用（）用來分組。group（）用來提出分組截獲的字串。
group() 同group（0）就是匹配正規表示式整體結果；
group(1) 返回第1個括號匹配部分；
group(2) 列出第2個括號匹配部分；
group(3) 列出第3個括號匹配部分；
…
程式碼如下（範例）：
a="123abc456"
print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group())
print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(0))
print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(1))
print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(2))
print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(3))執行結果
123abc456
123abc456
123
abc
4562.字串替換——re.sub
re.sub(pattern, repl, string[, count])
使用repl替換string中每一個匹配的子串後返回替換後的字串。
當repl是一個字串時，可以使用\id或\g、\g參照分組，但不能使用編號0；當repl是一個方法時，這個方法應當只接受一個引數（Match物件），並返回一個字串用於替換（返回的字串中不能再參照分組）。
count用於指定最多替換次數，預設全部替換。
程式碼如下（範例）：
s1="she is a girl. she likes apples"
result = re.sub('she','he',s1,1)
print(result)執行結果
he is a girl. she likes apples3.字串拆分——re.split()
re.split(pattern,string,maxsplit)
maxsplit指定最大分割次數，不指定將全部分割。返回根據匹配到的子串將字串分割成列表
程式碼如下（範例）：
result = re.split('\d+','a111b222c33')
print (result)db = '2020-10-121 23:23:23'
result = re.split("\W+",db)
print (result)執行結果
['a', 'b', 'c', '']['2020', '10', '121', '23', '23', '23']正規表示式物件
1.compile()函數
compile(pattern,[,flags]
compile()函數 編譯正規表示式（以字串書寫的）pattern，轉換為模式物件然後返回一個正規表示式物件。不同於re.method()這種模式，使用預編譯的程式碼物件比直接使用字串要快，因為直譯器在執行字串形式的程式碼前都必須把字串編譯成程式碼物件。
用正規表示式物件獲取匹配子串
2.字串匹配
Pattern.match(string[, pos[, endpos]])
Pattern.search(string[, pos[, endpos]])
Pattern.findall(string[, pos[, endpos]])
可選引數 endpos 限定了字串搜尋的結束；它假定字串長度到 endpos ， 所以只有從 pos 到
endpos - 1 的字元會被匹配。如果 endpos 小於 pos，就不會有匹配產生；
如果 string 的 開始位置 能夠找到這個正則樣式的匹配，就返回一個相應的 匹配物件。如果不匹配，就返回 None ；
程式碼如下（範例）：
s1='abcde abcdef bcde'
pattern = re.compile(r'\w*bcd\w*')
result = pattern.match(s1)
print(result.group())執行結果
abcde2.字串替換
Pattern.sub(repl, string, count=0)
等價於 sub() 函數，使用了編譯後的樣式
程式碼如下（範例）：
s1='abcde abcdef bcde'
pattern = re.compile(r'\s+')
result = pattern.sub('-',s1,3)
print(result)執行結果
abcde-abcdef-bcde3.字串分割
Pattern.split(string, maxsplit=0)
程式碼如下（範例）：
s1='a1b2c3d4ee5'
pattern = re.compile(r'\d+')
result1 = pattern.split(s1)
result2 = pattern.split(s1,3)
#只分割三次，後面不分割
print(result1)
print(result2)執行結果
['a', 'b', 'c', 'd', 'ee', '']
['a', 'b', 'c', 'd4ee5']4.小結
在re模組的函數中的函數 compile函數 ，這個函數可以預編譯返回一個正則物件，此正則物件擁有與re模組相同的函數。
那到底該用re模組 還是 正則物件Pattern ？
官方檔案推薦：在多次使用某個正規表示式時推薦使用正則物件Pattern 以增加複用性，因為通過 re.compile(pattern) 編譯後的模組級函數會被快取。
總結
路漫漫其修遠兮，老師也說python正規表示式文化博大精深，我們也是需要掌握好常見的用法的。
以上即為我對python正規表示式的簡要了解。
我在學習以及練習的過程中，真的意識到實踐才能出真知！！！有疑惑就去實操！！！收穫一定會有的！！！