Python正则表达式

正则表达式（Regular expression）是组成搜索模式的一组字符序列，是记录文本规则的代码，用来检查文本中是否包含指定模式的字符串，通过定义一个规则来匹配字符串。正则表达式广泛应用于在字符串查找和处理中，大多文本编辑器基本都支持正则表达式查找。本文将简要介绍正则表达式语法，然后介绍Python语言中正则表达式使用方法。
正则表达式

Unix之父Ken Tompson将正则表达式引入Unix，后面发展成了grep（Global Regular Expression Print）命令，由于grep不支持+、|与? ，且分组比较麻烦，AT&T的Alfred Aho开发了egrep命令。随着Unix的版本不断演化，Unix中的程序（比如Linux三剑客中的awk、sed）所支持的正则表达式有差异，比较混乱。在1986年制定了POSIX（Portable Operating System Interface）标准，其中统一了正则表达式的语法。

POSIX标准把正则表达式分为两种：BRE（Basic Regular Expressions）和ERE（Extended Regular Expressions ）。BRE就是unix系统使用的grep命令，ERE对应egrep命令，是BRE的扩展。而linux系统使用的是GNU标准，linux发行版集成了GNU（Gnu’s Not Unix）套件，GNU在实现了POXIS标准的同时，做了一定的扩展。也包括GNU Basic Regular Expressions 和GNU Extends Regular Expressions。

正则表达式除了POSIX标准之外还有一个Perl分支，Perl与sed和awk兼容，后来演化成为PCRE（Perl Compatible Regular Expressions），是一个用C语言编写的正则表达式函数库，功能很强大，性能比POSIX正则表达式好。PCRE被引入了其他语言中，比如PHP, Tcl, Python, Ruby, C++, Java, R语言等等。
普通正则
代码 说明
. 匹配除换行符以外的任意字符
\w 匹配字母或数字或下划线或汉字
\s 匹配任意的空白符
\d 匹配数字
\b 匹配单词的开始或结束
^ 匹配字符串的开始
$ 匹配字符串的结束

• 重复零次或更多次
  扩展正则

扩展正则：grep加 -E 参数

grep -E ' 404 | 500' nginx.log

代码/语法 说明

• 重复一次或更多次
  ？ 重复零次或一次
  {n} 重复n次
  {n,} 重复n次或更多次
  {n,m} 重复n到m次
  | 表示或
  零宽断言
  语法 说明
  (?=exp) 匹配exp前面的位置
  (?<=exp) 匹配exp后面的位置
  (?!exp) 匹配后面不是exp的位置
  (?<!exp) 匹配前面不是exp的位置
  正则表达式实例

正则表达式在线测试工具：

https://regex101.com/
http://c.runoob.com/front-end/854
https://tool.oschina.net/regex

1. 匹配以字母a开头的单词

\ba\w*\b

2. 匹配刚好6个字符的单词

\b\w{6}\b

3. 匹配1个或更多连续的数字

\d+

4. 5位到12位QQ号

\d{5,12}

^\d{5,12}$
5. 匹配电话号码

0\d{2}-\d{8}
6. 只匹配3位数字

^\d{3}$
7. 查找单词‘GET’

\bGET\b

^GET$
8. 查找‘Hello World’

\bHello\b.*\bWorld\b
Python正则表达式

Python有一个内置正则表达式模块 re ，可以使用它来进行字符串操作：

import re

re模块提供了以下4种方法：

findall：返回所有匹配项
search：如果匹配到目标字符，返回一个匹配对象，用于判断是否存在目标字符串
split：分割
sub：替换

匹配数字、字母

text = ‘1&\nbsp;hour(s) 2&\nbsp;min 25&\nbsp;s’
re.findall(r’\d+’,text) # 匹配时间（数字）
re.findall(r’\d+|(?<=;)\w+’,text) # 匹配时间和单位

output:

[‘1’, ‘2’, ‘25’]
[‘1’, ‘hour’, ‘2’, ‘min’, ‘25’, ‘s’]

re.findall(r’\d{2}+’,text) # 匹配2位数字

查找替换两个字符串之间内容

替换字符target_text：

xpath_path = '//[contains(text(),“target_text”)]/…/td[5]/span’ # xpath路径
repl = “需要替换成的字符串”
re.sub(r"(?<=").?(?=")", repl, xpath_path) # 替换要查找的文本

output:

‘//*[contains(text(),“需要替换成的字符串”)]/…/td[5]/span’

添加千位分割符

number = ‘12345678’
re.sub(r"\B(?=(?:\d{3})+(?!\d))", “,”,number) # 替换要查找的文本
re.sub(r"\B(?😦?:\d{3})+(?!\d))", “,”,number)

output:

‘12,345,678’
‘12,’

(?:\d{3})+(?!\d):

查找3n(数字) + 非数字 组合

(?:exp) :

匹配exp,不捕获匹配的文本(非获取匹配)，也不给此分组分配组号，当执行了第一次匹配时，匹配到了行尾，直接将345678替换成了“,”。

参考文档

正则表达式30分钟入门教程：https://deerchao.cn/tutorials/regex/regex.htm
github项目learn-regex：https://github.com/ziishaned/learn-regex
https://www.w3schools.com/python/python_regex.asp

–THE END–