文章目录
- 一、判断字符串中是否含有字串
- 1. `in`，`not in`
- 2.正则匹配`re.findall`
- 二、正则表达式
- （一）基本内容
- 1.正则表达式修饰符——可选标志
- 2.正则表达式模式
- （二）常见表达式函数
- 1. `re.match`
- 2.`re.search`
- 3. `re.sub`
- 4.`re.compile`
- 5.`re.findall`
- 6.`re.split`
一、判断字符串中是否含有字串
1. in，not in
判断字符串中是否含有某些关键词，方法比较多
例如分词后对词向量和关键词进行==匹配，但这种方法以来分词的准确性，不太推荐；
其次使用成员运算符in,not in可以较好的判断字符串中是否包含某关键词，即特定字串
a = '这个暑假我读了红楼梦和三国演义'
b= ['三国演义','水浒传','西游记','红楼梦']
n = 0
for i in b:
if i in a:
n += 1
print(f'四大名著暑假读了{n}本')这种遍历算法虽然可以成功得到想要的结果，但是当数据量很大的时候，程序执行效率将会很低。正则匹配作为专业的查找工具，在判断字符串中含有特定字串的事情上可以大大提高工作效率。
2.正则匹配re.findall
import re
def is_in(fullstr,substr):
if re.findall(substr,fullstr):
return 1
else:
return 0
a = '这个暑假我读了红楼梦和三国演义'
b= ['三国演义','水浒传','西游记','红楼梦']
n = 0
for i in b:
n = is_in(a,i)
n += 1
print(f'四大名著暑假读了{n}本')findall:返回string中所有与pattern匹配的全部字符串,返回形式为数组
re.findall(pattern, string, flags=0)示例如下：
line = []
n = 0
for i in b:
num = is_in(a,i)
n += num
res = re.findall(i,a)
line = line + res
print(f'四大名著暑假读了{n}本')
print(f'分别是{line}')
'''
res = re.findall(i,a) re.findall返回值是一个列表
out:
四大名著暑假读了2本
分别是['三国演义', '红楼梦']
'''正则的功能十分强大，上述使用的只是其中一个很小的功能。下面继续对正则的强大功能进行学习
二、正则表达式
（一）基本内容
1.正则表达式修饰符——可选标志
正则表达式可以包含一些可选标志修饰符来控制匹配的模式。修饰符被指定为一个可选的标志。多个标志可以通过按位 OR(|) 它们来指定。如 re.I | re.M 被设置成 I 和 M 标志
修饰符 | 功能 | 全称 |
re.I | 匹配忽略大小写 | re.IGNORECASE |
re.L | 做本地化识别（locale-aware）匹配，即表示特殊字符集 | re.LOCALE |
re.M | 多行匹配，影响 | re.MULTILINE |
re.S | 使· | re.DOTALL |
re.U | 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库(与 ASCII 模式类似，匹配unicode编码支持的字符，但是 Python 3 默认字符串已经是Unicode，所以有点冗余) | re.UNICODE |
re.X | 增加可读性，忽略空格和 # 后面的注释 (默认模式下并不能识别正则表达式中的注释，而详细模式是可以识别的) | re.VERBOSE |
re.A | 让 \w, \W, \b, \B, \d, \D, \s 和 \S 只匹配ASCII，而不是Unicode | re.ASCII |
re.DEBUG | 显示编译时的debug信息 | re.DEBUG |
2.正则表达式模式
模式字符串使用特殊的语法来表示一个正则表达式：
（1）字母和数字表示他们自身。一个正则表达式模式中的字母和数字匹配同样的字符串。
（2）多数字母和数字前加一个反斜杠时会拥有不同的含义，例如\n 表示换行。
（3）标点符号只有被转义时才匹配自身，否则它们表示特殊的含义。
（4）反斜杠本身需要使用反斜杠转义。
（5）由于正则表达式通常都包含反斜杠，所以最好使用原始字符串来表示它们。模式元素(如 r'\t'，等价于 '\\t')匹配相应的特殊字符。
下表列出了正则表达式模式语法中的特殊元素。如果使用模式的同时提供了可选的标志参数，某些模式元素的含义会改变。
模式 | 功能 | 示例 | 匹配的字符串 |
| 匹配字符串的开头 | ||
| 匹配字符串的结尾 | ||
| 匹配任意字符，除了换行符 | ||
| 表示一组字符单独列出 |
|
|
| 表示不在[]中的字符 |
| 除了 |
| 匹配字母数字及下划线 |
| |
| 匹配非字母数字及下划线 | ||
| 匹配任意空白字符，等价于 | ||
| 匹配任意非空字符 | ||
| 匹配任意数字，等价于 [0-9] | ||
| 匹配任意非数字 | ||
| 匹配字符串开始 | ||
| 匹配字符串结束 | ||
| 匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串 | ||
| 匹配最后匹配完成的位置 | ||
| 匹配一个单词边界，也就是指单词和空格间的位置 |
|
|
| 匹配非单词边界 |
|
|
| 匹配一个换行符。匹配一个制表符。等 | ||
| 匹配第n个分组的内容 | ||
| 匹配第n个分组的内容，如果它经匹配。否则指的是八进制字符码的表达式 | ||
| ( |
|
|
| ( |
|
|
| ( |
|
|
| 前一个字符出现n次 |
|
|
| 匹配前⼀个字符出现从m到n次，若省略m，则匹配0到n次，若省略n，则匹配m到无限次 |
|
|
| 匹配a或b | ||
| 对正则表达式分组并记住匹配的文本 | ||
| 引⽤分组num匹配到的字符串 | ||
| 分组起别名，匹配到的子串组在外部是通过定义的 name 来获取的 | ||
| 引⽤别名为name分组匹配到的字符串 |
（二）常见表达式函数
正则表达式是一个特殊的字符序列，可以方便的检查一个字符串是否与某种模式匹配，python自带的re模块使 Python 语言拥有全部的正则表达式功能
python常用的正则表达式函数如下：
功能分类 | 函数 | 功能 | ||||
查找一个匹配项 | re.search | 查找任意位置的匹配项 | ||||
re.match | 必须从字符串开头匹配 | |||||
re.fullmatch | 整个字符串与正则完全匹配 | |||||
查找多个匹配项 | re.findall | 从字符串任意位置查找，返回一个列表 | ||||
re.finditer | 从字符串任意位置查找，返回一个迭代器 | |||||
分割 | re.split | 用正则表达式将某字符串分割成多段 | ||||
替换 | re.sub | 替换掉某字符串中被正则表达式匹配的字符，返回替换后的字符串，替换可以是字符串 也可以是 函数 | ||||
re.subn | 替换掉某字符串中被正则表达式匹配的字符，返回替换后的字符串 和 替换次数 | |||||
编译正则对象 | re.compile | 将正则表达式的样式编译为一个 正则表达式对象 （正则对象Pattern） | ||||
re.template | 将正则表达式的样式编译为一个 正则表达式对象 ，并添加re.TEMPLATE模式 | |||||
其他 | re.escape | 可以转义正则表达式中具有特殊含义的字符，比如： . 或者 * | ||||
re.purge | 清除正则表达式缓存 | |||||
1. re.match
re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match() 就返回 none
re.match(pattern, string, flags=0)参数 | 说明 |
pattern | 匹配的正则表达式 |
string | 要匹配的字符串 |
flags | 标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。详见表1修饰符 |
匹配成功 re.match 方法返回一个匹配的对象，否则返回 None
可以使用 group(num) 或 groups() 匹配对象函数来获取匹配表达式
匹配对象方法 | 描述 |
group(num=0) | 匹配的整个表达式的字符串，group() 可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组 |
groups() | 返回一个包含所有小组字符串的元组，从 1 到 所含的小组号 |
0：表示正则表达式中符合条件的字符串。
1：表示正则表达式中符合条件的字符串中的第一个() 中的字符串。
2：表示正则表达式中符合条件的字符串中的第二个() 中的字符串。
以此类推…
import re
fullstr = 'name:alice,result:89'
result = re.match('name:(\w+),result:(\d+)', fullstr)
print(result)
print(result.group(0))
print(result.group(1))
print(result.group(2))
print(result.group())结果：
out1: <re.Match object; span=(0, 20), match=‘name:alice,result:89’>
out2: name:alice,result:89
out3: alice
out4: 89
out5: name:alice,result:89
从结果可以看出，re.match()方法返回一个匹配的对象，而不是匹配的内容。通过调用span()可以获得匹配结果的位置。而如果从起始位置开始没有匹配成功，即便其他部分包含需要匹配的内容，re.match()也会返回None
可以使用group()来提取每组匹配到的字符串。
group()会返回一个包含所有小组字符串的元组，从 0 到 所含的小组号
注意：如果在运用正则表达式做匹配的过程中没有匹配到元素，之后又调用了group（），会报错：AttributeError: 'NoneType' object has no attribute 'group' 如果出现这种报错，可以将match改成search（）就可以避开这类问题了。search函数是先扫描全部的代码块，再进行提取的
2.re.search
re.search会匹配整个字符串，并返回第一个成功的匹配。如果匹配失败，则返回None
re.search(pattern, string, flags=0)参数同re.match
示例：
import re
fullstr = 'class:1班,name:alice,result:89'
result = re.match('name:(\w+),result:(\d+)', fullstr)
print(result)
print(result.group(0))out1: None
out2: AttributeError: ‘NoneType’ object has no attribute ‘group’
原因：match在起始位置匹配，如果不是起始位置匹配成功的话，match() 就返回 none
尝试search
import re
fullstr = 'class:1班,name:alice,result:89'
result = re.search('name:(\w+),result:(\d+)', fullstr)
print(result)
print(result.group(0))
print(result.group(1))
print(result.group(2))
print(result.group())out１： <re.Match object; span=(9, 29), match=‘name:alice,result:89’>
out２： name:alice,result:89
out３： alice
out４： 89
out５： name:alice,result:89
3. re.sub
该函数主要用于替换字符串中的匹配项
re.sub(pattern, repl, string, count=0, flags=0)参数 | 说明 |
pattern | 必须参数：正则中的模式字符串 |
repl | 必须参数：替换的字符串，也可为一个函数 |
string | 必须参数，要被查找替换的原始字符串 |
count | 可选参数，模式匹配后替换的最大次数，默认 0 表示替换所有的匹配 |
flags | 可选参数，表示编译时用的匹配模式（如忽略大小写、多行模式等），数字形式，默认为0 |
示例如下：
#修改分数
fullstr = 'name:alice,result:89'
res1 = re.sub(r'\d+','90',fullstr)
print(res1)out： name:alice,result:90
repl可以为一个函数。如下：
#修改分数
def change(matched):
value = int(matched.group('value'))
return str(value + 1)
fullstr = 'name:alice,result:89'
res1 = re.sub('(?P<value>\d+)',change,fullstr)
print(res1)out： name:alice,result:90
4.re.compile
compile 函数用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，供 match() 和 search() 这两个函数使用
re 模块的一般使用步骤是：
1.使用 compile 函数将正则表达式的字符串形式编译为一个 Pattern 对象
2.通过 Pattern 对象提供的一系列方法对文本进行匹配查找，获得匹配结果（一个 Match 对象）
3.最后使用 Match 对象提供的属性和方法获得信息，根据需要进行其他的操作里是引用
re.compile(pattern, flags)compile返回的是一个匹配对象，它单独使用就没有任何意义，需要和findall(), search(), match(）搭配使用
5.re.findall
在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果有多个匹配模式，则返回元组列表，如果没有找到匹配的，则返回空列表
注： match 和 search 是匹配一次 findall 匹配所有
6.re.split
re.split(pattern, string[, maxsplit=0, flags=0])未完待续……
