前排提要:
本博客介绍在Python下使用正则表达式从给定的字符串中获取到想要的字符串。
1导库
importre
2使用模板
re_pattern=re.compile(pattern,flags=0)result=re.findall(re_pattern,string)3说明
参数 | 描述 |
pattern | 匹配的正则表达式,如r'abc'可用来匹配abc |
flags | 可选,标志位,控制匹配方式,可选值: re.I忽略大小写 re.L表示特殊字符集\w\W\b\B\s\S,依赖于当前环境 re.M多行模式 re.S包括换行符在内的任意字符 re.U根据Unicode字符集解析字符 re.X为了增加可读性,忽略空格和#后面的注释 re.A根据ASCII码解析字符 |
string | 待匹配字符串 |
方法 | 描述 |
compile | 编译正则表达式,生成一个正则表达式(Pattern)对象 |
findall | 全文匹配,匹配结果以列表形式返回 |
4示例
以下代码用来在字符串str中匹配符合如下规则的字符串:
中英文括号开头1个大写字母1个或无限个数字0个或1个字符“.”0个或1个字符“/”0个或无限个数字中英文括号结尾
#导库importre#待处理字符串str='小分裂细胞型(弥漫性)非霍奇金淋巴瘤(M96720/3)(Y97.1)(Y77)(yyy)'#设定匹配规则,编译re_str=re.compile(r'[((][A-Z][0-9][.]?[/]?[0-9]*[))]',re.S)#匹配ans=re.findall(re_str,str)#打印print(ans)在字符串str中的匹配结果如下,可见有三个字符串符合匹配规则:
5正则表达式匹配规则
语法 | 描述 | 正则表达式示例 | 对应可匹配字符串示例 |
一般字符 | 匹配自身 | abc | abc |
元字符
. | 除了换行符之外的任意单个字符 | a.c | abc |
* | 匹配前面一个字符0或无限次 | ab* | a abbb |
| 匹配前面一个字符1次或无限次 | ab | ab abbb |
? | 匹配前面一个字符0次或1次 | ab? | a ab |
\ | 转义符,使后面一个字符保持原来的意思 | a\.b | a.b |
{m} | m是一个非负整数,表示匹配前一个字符m次 | abc{2} | abcc |
{m,n} | m和n都是非负整数,且m≤n,表示最少匹配m次且最多匹配n次 | ab{2,4}c | abbc |
| | 逻辑或,匹配左右表达式中的任意一个。具有“短路”特点,先匹配左侧表达式,再匹配右侧表达式。建议用()括起来,否则会作用于整个正则表达式 | abc|123 | abc 123 |
() | 括号,将表达式括起来作为一个分组。分组表达式是一个整体 | a(bc)?d | ad abcd |
[] | 字符集,里面的字符可以是任意数量个字符,也可以是一个范围。若第一个字符为^,则表示取反,如[^abc]表示除了abc以外的字符。大多数特殊字符(除了-、]、^,使用时仍需用\转义)在[]内都失去其原有的特殊含义,如[.]仅表示匹配字符.而不是匹配任意字符 | [abc] [a-c] | a b c |
定位符
^ | 匹配字符串的开头字符 | ^abc | abc |
$ | 匹配字符串的结尾字符 | abc$ | abc |
\b | 匹配一个单词的边界 如\bab表示匹配字符串ab且ab前面要是空格 如ab\b表示匹配字符串ab且ab后面要是空格 | \bab | 可以匹配到abc中的ab 无法匹配到cab中的ab |
\B | 匹配非边界 | \Bab | 可以匹配到cab中的ab 无法匹配到abc中的ab |
预定义字符集
\d | 匹配数字,等价于[0-9] | a\dc | a1c |
\D | 匹配非数字,等价于[^\d] | a\Dc | abc |
\s | 匹配空白字符,包括空格、制表符、换页符等 | a\sc | ac |
\S | 匹配非空白字符,等价于[^\s] | a\Sc | abc |
\w | 匹配字母数字下划线,等价于[a-zA-Z0-9_] | a\wc | a_c |
\W | 匹配非字母数字下划线,等价于[^\w] | a\Wc | ac |