正则表达式

一个正则表达式或RegEx是一个特殊的文本字符串，它有助于在数据中查找模式。 RegEx可以用来检查某些模式是否存在于不同的数据类型中。要在python中使用RegEx，首先我们应该导入称为re的RegEx模块。

`re`模块

导入模块后，我们可以使用它来检测或查找模式。

import re

`re` 模块中的方法

为了查找模式，我们使用不同的 re 字符集，允许在字符串中搜索匹配项。

re.match()：在字符串的第一行开头仅搜索并返回匹配对象（如找到的话），否则返回 None。 re.search()：返回匹配对象（如果在字符串中有任何匹配项，包括多行字符串）。
re.findall()：返回包含所有匹配项的列表
re.split()：接受字符串，在匹配点分割字符串，返回列表
re.sub()：替换字符串中的一个或多个匹配项

`match`

# 语法
re.match(substring, string, re.I)
# substring是字符串或模式，string是我们要查找模式的文本，re.I 是无区分大小写。

import re

txt = 'I love to teach python and javaScript'
# 它返回一个带有 span 和 match 的对象。
match = re.match('I love to teach', txt, re.I)
print(match)  # <re.Match object; span=(0, 15), match='I love to teach'>
# 我们可以使用 span 方法获取匹配的起始和结束位置作为元组
span = match.span()
print(span)     # (0, 15)
# 让我们找到span的起始和停止位置
start, end = span
print(start, end)  # 0, 15
substring = txt[start:end]
print(substring)       # I love to teach

从上面的例子中可以看出，我们正在寻找的模式（或子字符串）是“I love to teach”。如果文本以此模式开头，则匹配函数才会返回一个对象。

import re

txt = 'I love to teach python and javaScript'
match = re.match('I like to teach', txt, re.I)
print(match)  # None

字符串与“I like to teach”不匹配，因此没有匹配项，match方法返回了“None”。

`search`

import re

txt = '''Python is the most beautiful language that a human being has ever created.
I recommend python for a first programming language'''

# 它返回一个包含匹配内容和位置范围的对象。
match = re.search('first', txt, re.I)
print(match)  # <re.Match object; span=(100, 105), match='first'>
# 我们可以使用 span 将比赛的起始位置和结束位置作为元组得到
span = match.span()
print(span)     # (100, 105)
# 让我们从这个范围中找到起始和结束位置
start, end = span
print(start, end)  # 100 105
substring = txt[start:end]
print(substring)       # first

正如您所见，搜索比匹配更好，因为它可以在整个文本中查找模式。搜索返回一个找到的第一个匹配项的匹配对象，否则返回 None。一个更好的 re 函数是 findall。此函数在整个字符串中检查该模式，并将所有匹配项作为列表返回。

使用`findall`搜索所有匹配项

findall()返回所有匹配项的列表。

txt = '''Python is the most beautiful language that a human being has ever created.
I recommend python for a first programming language'''

# 返回列表
matches = re.findall('language', txt, re.I)
print(matches)  # ['language', 'language']

正如您所看到的，该字符串中出现了两次单词“language”。让我们再练习一下。现在我们将在字符串中查找 Python 和 python 两个单词：

txt = '''Python is the most beautiful language that a human being has ever created.
I recommend python for a first programming language'''

# 返回列表
matches = re.findall('python', txt, re.I)
print(matches)  # ['Python', 'python']

由于我们使用了 re.I，因此小写字母和大写字母都包括在内。如果我们没有 re.I 标志，那么我们将不得不以不同的模式编写我们的模式。让我们检查一下：

txt = '''Python is the most beautiful language that a human being has ever created.
I recommend python for a first programming language'''

matches = re.findall('Python|python', txt)
print(matches)  # ['Python', 'python']

#
matches = re.findall('[Pp]ython', txt)
print(matches)  # ['Python', 'python']

替换字符

txt = '''Python is the most beautiful language that a human being has ever created.
I recommend python for a first programming language'''

match_replaced = re.sub('Python|python', 'JavaScript', txt, re.I)
print(match_replaced)  # JavaScript is the most beautiful language that a human being has ever created.
# 或者
match_replaced = re.sub('[Pp]ython', 'JavaScript', txt, re.I)
print(match_replaced)  # JavaScript is the most beautiful language that a human being has ever created.

让我们再添加一个例子。除非我们删除百分号，否则以下字符串真的很难读。用空字符串替换%将清理文本。

txt = '''%I a%m te%%a%%che%r% a%n%d %% I l%o%ve te%ach%ing. 
T%he%re i%s n%o%th%ing as r%ewarding a%s e%duc%at%i%ng a%n%d e%m%p%ow%er%ing p%e%o%ple.
I fo%und te%a%ching m%ore i%n%t%er%%es%ting t%h%an any other %jobs. 
D%o%es thi%s m%ot%iv%a%te %y%o%u to b%e a t%e%a%cher?'''

matches = re.sub('%', '', txt)
print(matches)

I am teacher and I love teaching.
There is nothing as rewarding as educating and empowering people. 
I found teaching more interesting than any other jobs. Does this motivate you to be a teacher?

拆分文本

txt = '''I am teacher and  I love teaching.
There is nothing as rewarding as educating and empowering people.
I found teaching more interesting than any other jobs.
Does this motivate you to be a teacher?'''
print(re.split('\n', txt)) # 拆分使用 \n - 行尾符号

['I am teacher and  I love teaching.', 'There is nothing as rewarding as educating and empowering people.', 'I found teaching more interesting than any other jobs.', 'Does this motivate you to be a teacher?']

编写RegEx变量

要声明一个字符串变量，我们使用单引号或双引号。要声明 RegEx 变量，我们使用 r''。以下模式仅识别小写的“apple”，为使它不区分大小写，我们应该重写模式或添加标志。

import re

regex_pattern = r'apple'
txt = 'Apple and banana are fruits. An old cliche says an apple a day a doctor way has been replaced by a banana a day keeps the doctor far far away. '
matches = re.findall(regex_pattern, txt)
print(matches)  # ['apple']

# 使用re.I实现大小写不敏感
matches = re.findall(regex_pattern, txt, re.I)
print(matches)  # ['Apple', 'apple']
# 或者我们可以使用一组字符的方法
regex_pattern = r'[Aa]pple'  # 这意味着第一个字母可以是大写的Apple或小写的apple。
matches = re.findall(regex_pattern, txt)
print(matches)  # ['Apple', 'apple']

[]：一组字符
- [a-c] 表示 a 或 b 或 c
- [a-z] 表示从 a 到 z 的任意字母
- [A-Z] 表示从 A 到 Z 的任何字符
- [0-3] 表示 0 或 1 或 2 或 3
- [0-9] 表示从 0 到 9 的任何数字
- [A-Za-z0-9] 表示任何单个字符，即 a 到 z，A 到 Z 或 0 到 9
\：用于转义特殊字符
- \d 表示：匹配包含数字 (0-9) 的字符串
- \D 表示：匹配不包含数字的字符串
.：除换行符（\n）外的任何字符
^：匹配以...开始
- r'^subString' 例如r'^love'，以单词"love"开始的句子
- r'[^abc]' 表示不是a，不是b，不是c
$：匹配以...结束
- r'subString$' 例如r'love$'，以单词"love"结束的句子
*：零次或多次
- '[a]*' 表示a出现0次或多次。
+：一次或多次
- r'[a]+' 表示至少一次或更多次
?: 零次或一次
- r'[a]?' 表示a出现零次或一次
{3}：恰好三个字符
{3,}：至少三个字符
{3,8}：3到8个字符
|：或者
- r'apple|banana' 表示苹果或香蕉
()：捕获并分组

更多点击这里。

以下是示例。

方括号

让我们使用方括号来包含大小写。

regex_pattern = r'[Aa]pple' # 这个方括号表示A或a中的任意一个
txt = 'Apple and banana are fruits. An old cliche says an apple a day a doctor way has been replaced by a banana a day keeps the doctor far far away.'
matches = re.findall(regex_pattern, txt)
print(matches)  # ['Apple', 'apple']

如果我们想要寻找banana，代码修改如下：

regex_pattern = r'[Aa]pple|[Bb]anana'
txt = 'Apple and banana are fruits. An old cliche says an apple a day a doctor way has been replaced by a banana a day keeps the doctor far far away.'
matches = re.findall(regex_pattern, txt)
print(matches)  # ['Apple', 'banana', 'apple', 'banana']

使用方括号和或运算符，我们成功提取了 Apple、apple、Banana 和 banana。