python正则表达式re各常用函数详解

流光、月影

已于 2023-04-16 20:53:41 修改

阅读量2.8k

点赞数 6

CC 4.0 BY-SA版权

文章标签：正则表达式 python

于 2023-04-16 19:55:49 首次发布

本文链接：https://blog.csdn.net/m0_71559726/article/details/130178250

本章介绍python文本提取之re正则表达式，主要函数和知识点有：re.findall()，re.sub()，re.match()，re.search()，各种正则符号，打组，贪婪与非贪婪等。

1. re.findall(pattern, string, flags=0)

2. re.sub(pattern, repl, string, count=0, flags=0)

3. re.match(pattern, string, flags=0)

4. re.search(pattern, string, flags=0)

为了测试正则表达式，首先生成一段假信息用于测试，不懂可以看我的faker篇。

import faker

f = faker.Faker('zh_CN')


def data_line():
    name = f.name()
    phone = f.phone_number()
    job = f.job()
    address_yb = f.address()
    address = address_yb.split(' ')[0]
    bm = address_yb.split(' ')[1]
    data = f'姓名：{name} 电话：{phone} 工作：{job} 地址：{address} 邮政编码：{bm} '
    return data


data = ''
for i in range(5):
    data = data + data_line()

print(data)

关于正则表达式需要记住的一些符号，其实也不必特意去记，反而容易忘。多用，自然就记得了。为了方便，我把意义相反或者相近的写一块，用中文“，”隔开。

符号1，符号2	符号1解释。符号2解释
[]，[^]	字符种类，提取出现在[]中的任意字符。后者相反，都不提取
[0-9a-zA-Z]，[^0-9a-zA-Z]	所有0-9a-zA-Z元素。后者相反
\d，\D	\d所有的数字（相当于[0-9]）。 \D所有的非数字（相当于[^0-9]）
\w，\W	\w中文下划线数字英文（相当于[0-9a-zA-Z_]）。\W与\w相反，特殊字符，如 $、&、空格、\n、\t等
\s，\S	\s所有空白的字符（如 \t\n\r\f\v，相当于[ \t\n\r\f\v]）。\S相反，所有非空白字符
{min,max}、{num}	{min,max}只提取符合条件的连续min-max个元素。{num}只提取符合条件的连续num个元素
[]+，\d+	都为连续匹配，前者为连续匹配[]内任意字符，后者连续匹配所有数字
'excel*'，'excel+'，'excel?'	*前面的一个字符l匹配0次或者无限次。+前面的一个字符l匹配1次或者无限次。?前面的一个字符l匹配0次或者1次
^，$	指定从开头开始符合条件的数。指定结尾是符合条件的数（与第一个的区别是它只写在''的最前面或者最后面，而第一个是写在[]里的）
re.I	忽略大小写 IGNORECASE
. .{num} .* .+	.取一个元素（全部取完每个元素分开）。 .{num}取前num位（一个）。后二皆整体取全
(?)	()打组，组内的?表示非贪婪模式

千言万语说不清，我们用re.findall()函数来实操一下。

1. re.findall(pattern, string, flags=0)

查找全部符合pattern条件的元素。

pattern：条件表达式

string：被提取的字符串

flags：控制正则表达式的匹配方式，如是否区分大小写，多行匹配等

（1）提取任意字符[]

import re
a = re.findall('[0-9]',data)
b = re.findall('[0-9]+',data)
print('输出a：\n',a)
print('输出b：\n',b)

这里先用re.findall()函数学习上面表格的内容，先学会条件表达式，再跟着学其他函数。（提醒鼠标滑得快的朋友，data在上面有定义过）

[]表示匹配[]里任意字符，这里[0-9]表示匹配0-9（包含0和9）中任意一个字符，说任意一个，即把匹配到的字符每一个作为列表的一个元素，如输出a。当在[]外面加上+后，表示连续匹配，遇到连续的0-9数字，它会作为一个整体去输出，如输出b。

不止0-9，如果想提取其他，也可以直接写在[]中，如想提取0-9、A-Z、a-z和省字：

最低0.47元/天解锁文章

200万优质内容无限畅学