前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >【自然语言处理】NLP入门(七):1、正则表达式与Python中的实现(7):常用正则表达式、re模块:findall、match、search、split、sub、compile

【自然语言处理】NLP入门(七):1、正则表达式与Python中的实现(7):常用正则表达式、re模块:findall、match、search、split、sub、compile

作者头像
Qomolangma
发布于 2024-07-30 04:37:00
发布于 2024-07-30 04:37:00
18000
代码可运行
举报
运行总次数:0
代码可运行

一、前言

  本文将介绍常用正则表达式、re模块常用方法:findall、match、search、split、sub、compile等

二、正则表达式与Python中的实现

1、字符串构造

2、字符串截取

【自然语言处理】NLP入门(一):1、正则表达式与Python中的实现(1):字符串构造、字符串截取

3、字符串格式化输出

【自然语言处理】NLP入门(二):1、正则表达式与Python中的实现(2):字符串格式化输出(%、format()、f-string)

4、字符转义符

【自然语言处理】NLP入门(三):1、正则表达式与Python中的实现(3):字符转义符

5、字符串常用函数

  在Python中有很多内置函数可以对字符串进行操作。如len()ord()chr()max()min()bin()oct()hex()等。

【自然语言处理】NLP入门(四):1、正则表达式与Python中的实现(4):字符串常用函数

6、字符串常用方法

由于字符串属于不可变序列类型,常用方法中涉及到返回字符串的都是新字符串,原有字符串对象不变

【自然语言处理】NLP入门(五):1、正则表达式与Python中的实现(5):字符串常用方法:对齐方式、大小写转换详解

【自然语言处理】NLP入门(六):1、正则表达式与Python中的实现(6):字符串常用方法:find()、rfind()、index()、rindex()、count()、replace()

7、正则表达式

  正则表达式是一个特殊的字符序列,利用事先定义好的一些特定字符以及它们的组合组成一个“规则”,检查一个字符串是否与这种规则匹配来实现对字符的过滤或匹配。

  • Python中,re模块提供了正则表达式操作所需要的功能。
  • 元字符是一些在正则表达式中有特殊用途、不代表它本身字符意义的一组字符。
代码语言:javascript
代码运行次数:0
运行
复制
/^1[34578][0-9]$/
1. 常用正则表达式

  至于各种元字符及其使用规则,详见后文~

  1. 用户名
  2. 只允许使用字母、数字和下划线:
代码语言:javascript
代码运行次数:0
运行
复制
^[a-zA-Z0-9_]+$
  1. 密码
  2. 至少包含一个大写字母、一个小写字母和一个数字,长度至少为8个字符:
代码语言:javascript
代码运行次数:0
运行
复制
^(?=.*[a-z])(?=.*[A-Z])(?=.*\d).{8,}$
  1. 十六进制值
  2. 匹配有效的十六进制颜色值(6个十六进制字符):
代码语言:javascript
代码运行次数:0
运行
复制
^#([A-Fa-f0-9]{6})$
  1. 电子邮箱
  2. 匹配常见的电子邮箱格式:
代码语言:javascript
代码运行次数:0
运行
复制
^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$
  1. URL
  2. 匹配常见的URL格式,包括http、https和www:
代码语言:javascript
代码运行次数:0
运行
复制
^(https?://)?(www\.)?[a-zA-Z0-9-]+\.[a-zA-Z]{2,}(/.*)?$
  1. IP地址
  2. 匹配IPv4地址:
代码语言:javascript
代码运行次数:0
运行
复制
^([1-9]|[1-9]\d|1\d\d|2[0-4]\d|25[0-5])(\.([0-9]|[1-9]\d|1\d\d|2[0-4]\d|25[0-5])){3}$
  1. HTML标签
  2. 匹配HTML标签(包括可选的属性):
代码语言:javascript
代码运行次数:0
运行
复制
^<([a-zA-Z][a-zA-Z0-9]*)\s*([^>]*)>*<\/\1>$
  1. 删除代码注释
  2. 删除/* */形式的代码注释:
代码语言:javascript
代码运行次数:0
运行
复制
/\*([^*]|[\r\n]|(\*+([^*/]|[\r\n])))*\*+/
  1. Unicode编码中的汉字范围
  2. 匹配Unicode编码中的中文字符范围:\u4E00-\u9FFF
代码语言:javascript
代码运行次数:0
运行
复制
[\u4E00-\u9FFF]
2. 常用正则表达式元字符
  1. . 匹配任意单个字符,除了换行符
  2. ^ 匹配字符串开头
  3. $ 匹配字符串结尾
  4. * 匹配前一个字符0次或多次
  5. + 匹配前一个字符1次或多次
  6. ? 匹配前一个字符0次或1次
  7. [] 匹配括号内的任一字符
  8. () 分组
  9. \d 匹配数字
  10. \w 匹配字母数字或下划线
  11. \s 匹配空白字符

具体使用方法详见后文:【自然语言处理】NLP入门(八):1、正则表达式与Python中的实现(8):正则表达式元字符详解

3. re模块
re.findall()

re.findall(pattern, string, flags=0)方法用于在字符串中查找所有与正则表达式pattern匹配的子串,并以列表形式返回。如果没有找到匹配项,则返回空列表。

  • 格式:
    • re.findall (pattern , string , flags)
  • 说明:
    • pattern: 模式字符串
    • string:要匹配的字符串
    • flags:可选参数,比如re.I 不区分大小写
代码语言:javascript
代码运行次数:0
运行
复制
import re

# 匹配所有数字
print(re.findall(r'\d+', 'a1b2c3d4')) # ['1', '2', '3', '4']

# 匹配所有单词 
print(re.findall(r'\w+', 'He is a good man.')) # ['He', 'is', 'a', 'good', 'man']

# 使用分组
matches = re.findall(r'(\w+)\s*=\s*(\d+)', 'x=8 y=9 z=10')
print(matches) # [('x', '8'), ('y', '9'), ('z', '10')]
re.match()
  • re.match(pattern, string, flags=0)
    • 尝试从字符串的起始位置匹配一个模式,如果匹配成功,返回一个匹配对象,否则返回None。
代码语言:javascript
代码运行次数:0
运行
复制
import re

pattern = r'ab' 
string = 'abcdef' 

match_obj = re.match(pattern, string)
print("Match found:", match_obj.group())
re.search()
  • re.search(pattern, string, flags=0)
    • 扫描整个字符串,寻找匹配模式的第一个位置,返回一个匹配对象。
代码语言:javascript
代码运行次数:0
运行
复制
import re

pattern = r'def'
string = 'abcdef'

search_obj = re.search(pattern, string)
print("Search found:", search_obj.group())
re.split()
  • re.split(pattern, string, maxsplit=0, flags=0)
    • 利用正则表达式对字符串进行分割,返回一个列表。
代码语言:javascript
代码运行次数:0
运行
复制
import re

pattern = r'\s' # 以空白字符为分隔符
string = 'This is a sentence.'

split_list = re.split(pattern, string)
print(split_list)
re.sub()
  • re.sub(pattern, repl, string, count=0, flags=0)
    • 在字符串中替换所有匹配正则表达式的子串。
代码语言:javascript
代码运行次数:0
运行
复制
import re

pattern = r'dog'
replacement = 'cat'
string = 'My dog is brown.'

new_string = re.sub(pattern, replacement, string)
print(new_string)
re.compile()
  • re.compile(pattern, flags=0)
    • 将正则表达式的模式预编译为一个模式对象,可被多次使用。
代码语言:javascript
代码运行次数:0
运行
复制
import re

pattern = re.compile(r'ab+c')
string = 'abbc'

match_obj = pattern.match(string)
print(match_obj.group())
合体示例
代码语言:javascript
代码运行次数:0
运行
复制
import re

# re.match 从头开始匹配
print(re.match(r'\d+', '18abc'))  # <re.Match object; span=(0, 2), match='18'>
print(re.match(r'\d+', 'a18bc'))  # None

# re.search 扫描整个字符串查找匹配
print(re.search(r'\d+', 'a18bc')) # <re.Match object; span=(1, 3), match='18'>  

# re.split 根据模式分割字符串
print(re.split(r'\d+', 'a1b2c3d')) # ['a', 'b', 'c', 'd']

# re.sub 替换匹配的子串 
print(re.sub(r'\d+', 'X', 'a1b2c3d')) # aXbXcXd

# 预编译模式对象
pattern = re.compile(r'\d+')
print(pattern.match('18abc'))  # <re.Match object; span=(0, 2), match='18'>
本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2024-03-19,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
python中的正则表达式(re模块)
正则表达式本身是一种小型的、高度专业化的编程语言,而在python中,通过内嵌集成re模块,程序媛们可以直接调用来实现正则匹配。正则表达式模式被编译成一系列的字节码,然后由用C编写的匹配引擎执行。
测试开发社区
2019/09/20
8460
Python的正则表达式_python正则表达式例子
https://github.com/ziishaned/learn-regex/ https://regex101.com/ 在线练习
全栈程序员站长
2022/09/30
6920
python re模块 正则表达式
正则表达式对字符串的逻辑操作,主要是对字符串的一种过滤,用“元字符” 与“普通字符”组成一个字符串规则对已知的字符串或文本过滤出自己想要的字符串
py3study
2020/01/19
7330
Python正则表达式入门到精通
正则表达式(Regular Expression)是一种用于模式匹配和文本处理的强大工具。在 Python 中,正则表达式通过 re 模块提供支持。本文将详细介绍 Python 中如何使用正则表达式,包括基础语法、常用函数、进阶用法及实际应用示例,帮助深入理解和高效使用正则表达式。
sergiojune
2024/06/25
3710
Python正则表达式入门到精通
python模块之re(正则表达式)
匹配模式 re.ASCII 同re.A,对应的内联标识为(?a),用于向后兼容。使元字符\w, \W, \b, \B, \d, \D, \s和\S仅匹配ASCII字符。该模式只在string模式下有意
枇杷李子橙橘柚
2019/05/26
1.2K0
Python使用正则表达式处理字符串
关于正则表达式基本语法请参考之前发过的文章常用正则表达式锦集与Python中正则表达式的用法,正则表达式扩展语法的高级用法后面会专门整理后再发。 Python标准库re提供了正则表达式操作所需要的功能,既可以直接使用re模块中的方法(见下表)来处理字符串。 方法功能说明compile(pattern[, flags])创建模式对象escape(string)将字符串中所有特殊正则表达式字符转义findall(pattern, string[, flags])列出字符串中模式的所有匹配项finditer(pa
Python小屋屋主
2018/04/16
1.4K0
python--模块之re正则表达式
正则表达式本身是一个小型的、高度专业化的编程语言,而在python中,通过内嵌集成re模块,我们可以通过直接调用来实现正则匹配。
py3study
2020/01/20
7680
Python:正则表达式 re 模块
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。
丹枫无迹
2019/09/11
6730
正则表达式
一、在python中, 使用正则表达式, 需要导入re模块 import re 二、普通字符匹配, 使用findall 1 #字符匹配, 普通字符 2 #findall: 返回所有满足条件的列表集合
用户7798898
2022/05/06
2740
python学习--正则表达式
正则表达式是一种用来匹配字符串的强有力的工具它的设计思想是用一种描述性的语言来给字符串定义一个规则,凡是符合规则的字符串,我们就认为它“匹配”了,否则,该字符串就是不合法的。
py3study
2020/01/13
7050
python——正则表达式(re模块)详解
在Python中需要通过正则表达式对字符串进⾏匹配的时候,可以使⽤⼀个python自带的模块,名字为re。
全栈程序员站长
2022/08/29
7710
Python面试题之Python正则表达式re模块
正则表达式,是一门相对通用的语言。简单说就是:用一系列的规则语法,去匹配,查找,替换等操作字符串,以达到对应的目的;此套规则,就是所谓的正则表达式。各个语言都有各自正则表达式的内置模块,包括Linux系统中sed、awk也都是使用正则表达式。当然Python中也有对正则表达式的支持,对应的就是Python内置的re模块。
Jetpropelledsnake21
2019/02/15
1.8K0
python re 正则表达式学习总结
# -*- coding: utf-8 -*- import re import os #------------------------------------- re(正则表达式)模块 -------------------------------- #----------------------------------------------------------------------------------------------------- #-----------------------
py3study
2020/01/13
1.1K0
Python 爬虫必备-正则表达式(re模块)
正则表达式须知 正则表达式是用来匹配字符串非常强大的工具,在其他编程语言中同样有正则表达式的概念,Python同样不例外,利用了正则表达式,我们想要从返回的页面内容提取出我们想要的内容就易如反掌了。 正则表达式的大致匹配过程是: 1.依次拿出表达式和文本中的字符比较, 2.如果每一个字符都能匹配,则匹配成功;一旦有匹配不成功的字符则匹配失败。 3.如果表达式中有量词或边界,这个过程会稍微有一些不同。 正则表达式语法规则 下面是Python中正则表达式的一些匹配规则,图片资料来自CSDN 正则表达式
双愚
2018/05/28
6490
常用正则表达式最强汇总(含Python代码举例讲解+爬虫实战)
Python的re模块(正则表达式)提供各种正则表达式的匹配操作。在绝大多数情况下能够有效地实现对复杂字符串的分析并取出相关信息。在讲解如何实际应用正则表达式之前,先教大家学习并掌握正则表达式的基本语法(匹配规则)。
Python研究者
2021/09/09
1.9K0
常用正则表达式最强汇总(含Python代码举例讲解+爬虫实战)
Python 正则表达式 re 模块
compile 函数根据一个模式字符串和可选的标志参数生成一个正则表达式对象。该对象拥有一系列方法用于正则表达式匹配和替换。
为为为什么
2022/08/06
5170
Python正则表达式
前文介绍了正则表达式的定义和使用方法,今天我们就正式讲解Python中是如何使用正则表达式的,最后,通过一个简单的正则表达式运用,爬取网络中的网页数据。
罗罗攀
2021/01/29
4130
Python正则表达式
Python RE 正则表达式模块
匹配任意一个字符(.) 默认匹配除\n之外的任意一个字符,若指定flag=DOTALL则匹配包括换行在内的字符.
王 瑞
2022/12/28
8170
正则表达式
正则表达式是一个特殊的字符序列,它能帮助你方便的检查一个字符串是否与某种模式匹配。re 模块使 Python 语言拥有全部的正则表达式功能。
AngelNH
2020/04/16
4250
Python的re模块 --- 正则表达式操作
模式和被搜索的字符串既可以是 Unicode 字符串 (str) ,也可以是8位字节串 (bytes)。 但是,Unicode 字符串与8位字节串不能混用:也就是说,你不能用一个字节串模式去匹配 Unicode 字符串,反之亦然;类似地,当进行替换操作时,替换字符串的类型也必须与所用的模式和搜索字符串的类型一致。
Lansonli
2021/10/09
2.5K0
相关推荐
python中的正则表达式(re模块)
更多 >
目录
  • 一、前言
  • 二、正则表达式与Python中的实现
    • 1、字符串构造
    • 2、字符串截取
    • 3、字符串格式化输出
    • 4、字符转义符
    • 5、字符串常用函数
    • 6、字符串常用方法
    • 7、正则表达式
      • 1. 常用正则表达式
      • 2. 常用正则表达式元字符
      • 3. re模块
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档