正規表現の概要
正規表現は、文字列が特定のパターンに一致するかどうかを簡単に確認できる特別な文字シーケンスです。 Python にはバージョン 1.5 以降、Perl スタイルの正規表現パターンを提供する re モジュールが追加されました。 re モジュールは、Python 言語に完全な正規表現機能をもたらします。正規表現は強力な文字処理ツールです。その本質は文字シーケンスであり、文字列が定義した文字シーケンスの特定のパターンに一致するかどうかを簡単にチェックできます。
Python では、正規表現を通じて使用できます。 import re モジュール. この記事では正規表現の使い方を包括的に紹介します.
正規表現に書かれている通常の文字はすべて、直接一致することを意味します;
ただし、いくつかの特殊文字があります。用語メタキャラクター。これらは正規表現文字列に表示され、直接一致させるためではなく、特別な意味を表現するために使用されます
これらの特別なメタ文字には次のものが含まれます:
. * ? \ [ ] ^ $ { } | ( )
それぞれの意味を紹介しましょう:
1. ドット - すべての文字に一致します
. 改行を除く任意の 1 文字に一致することを示します文字
たとえば、次のテキストからすべての色を選択するとします。
リンゴは緑です
オレンジはオレンジです
バナナは黄色です
カラスは黒です
つまり、イスラエルの色をすべて見つけるということです。で終わり、前の文字を含みます。次のような正規表現を書くこともできます。色
のドットは任意の文字を表しますが、任意の文字であることに注意してください。
. 色の組み合わせとは、color という単語の後に続く任意の文字と、2 つの単語を組み合わせた文字列を検索することを意味します。
例:
# 导入re模块
import re
#输入文本内容
content='''苹果是绿色的
橙子是橙色的
香蕉是黄色的
乌鸦是黑色的'''
p=re.compile(r'.色')#r表示不要进行python语法中对字符串的转译
for one in p.findall(content):
print(one)ログイン後にコピー
# # 2. アスタリスク - 何度でも一致を繰り返します
* - 前の部分式との一致を任意の回数 (0 回を含む) で示します
たとえば、次のテキストから各行を選択するとします。カンマ自体を含む、カンマの後の文字列の内容。ここでのカンマはテキストのカンマであることに注意してください。
リンゴは緑ですオレンジはオレンジです
バナナは黄色です
カラスは黒です
猿
次のように正規表現を書くことができます、.*。
例:
# 导入re模块
import re
#输入文本内容
content='''苹果，是绿色的
橙子，是橙色的
香蕉，是黄色的
乌鸦，是黑色的
猴子，'''
p=re.compile(r'，.*')#r表示不要进行python语法中对字符串的转译
for one in p.findall(content):
print(one)ログイン後にコピー
このようにして、カンマを含む後続のすべての文字列が一致します
3. プラス記号 - 一致を複数回繰り返します
は、前の部分式と 0 回を除く 1 回以上一致することを意味します
たとえば、上記の例では、テキストから次の部分式を選択する必要があります。文字列 (カンマを含む)自体。ただし、条件を追加します。カンマの後に内容がない場合は、選択しないでください。
以下のテキストの最後の行のカンマの後には内容がないため、選択しないでください
リンゴは緑ですオレンジはオレンジです
バナナは黄色です
カラスは黒い
猿です、
次のように正規表現を書くことができます。
例:
# 导入re模块
import re
#输入文本内容
content='''苹果，是绿色的
橙子，是橙色的
香蕉，是黄色的
乌鸦，是黑色的
猴子，'''
p=re.compile(r'，.+')#r表示不要进行python语法中对字符串的转译
for one in p.findall(content):
print(one)ログイン後にコピー
最後の行のカンマの後には内容がないため、最後の行は
4 と一致しません。中括弧 - 指定された回数一致します
中括弧は、前の文字が指定された回数と一致することを示します。回数
たとえば、次のテキスト
赤、緑、黒、緑
expressionoil{3,4} は、連続したオイル文字が少なくとも 3 回、最大で 4 回一致することを示します
例:
# 导入re模块
import re
#输入文本内容
content='''红彤彤，绿油油，黑乎乎，绿油油油油'''
p=re.compile(r'绿油{3,4}')#r表示不要进行python语法中对字符串的转译
for one in p.findall(content):
print(one)ログイン後にコピー
ここ、緑の後にオイルが少なくとも 3 回、最大 4 回一致します。 文字列の倍数
5、疑問符 - 貪欲モードと非貪欲モード
すべての HTML タグを抽出する必要があります。次の文字列
#このようなリストを取得
##正規表現 <.*> を使用することは簡単に考えられます。
次のコードを記述します
# 导入re模块
import re
#输入文本内容
source='<html><head><title>Title</title>'
p=re.compile(r'<.*>')#r表示不要进行python语法中对字符串的转译
print(p.findall(source))
ログイン後にコピー
しかし、実行結果は文字列全体が一致します
何が起こっているのでしょうか?正規表現では、’*’、’ ’、’?' は貪欲であることがわかりました。これらを使用すると、可能な限り多くのコンテンツと一致するため、<.*> のスターは任意の回数の繰り返しを表します)、文字列の最後の が一致パターンと一致するまで一致します。
为了解决整个问题，就需要使用非贪婪模式，也就是在星号后面加上?，变成这样<.*?>
代码改为
# 导入re模块
import re
#输入文本内容
source='<html><head><title>Title</title>'
p=re.compile(r'<.*?>')#r表示不要进行python语法中对字符串的转译
print(p.findall(source))
ログイン後にコピー
这样就单独去匹配出来了每一个标签
6、方括号-匹配几个字符之一
方括号表示要匹配某几种类型字符。
比如
[abc]可以匹配a，b，c里面的任意一个字符。等价于[a-c]
a-c中间的-表示一个范围从a到c
如果你想匹配所有小写字母，可以使用[a-z]
一些元字符在方括号内便失去了魔法，变得和普通字符一样了。
比如
[akm.]匹配a k m .里面的任意一个字符
在这里. 在括号不再表示匹配任意字符了，而就是表示匹配.这个字符
例如：
| 实例 | 描述 |
|---|
| [pP]ython | 匹配“Python”或者“python” |
| rub[ye] | 匹配“ruby”或者“rube” |
7、起始位置和单行、多行模式
^表示匹配文本的起始位置
正则表达式可以设定单行模式和多行模式
如果是单行模式，表示匹配整个文本的开头位置。
如果是多行模式，表示匹配文本每行的开头位置。
比如，下面的文本中，每行最前面的数字表示水果的编号，最后的数字表示价格
001-苹果价格-60，
002-橙子价格-70,
003-香蕉价格-80,
范例：
# 导入re模块
import re
#输入文本内容
source='''001-苹果-60
002-橙子-70
003-香蕉-80'''
p=re.compile(r'^\d+')#r表示不要进行python语法中对字符串的转译
for one in p.findall(source):
print(one)ログイン後にコピー
运行结果如下
如果去掉complie的第二个参数re.M，运行结果如下
就只进行一行匹配，
因为在单行模式下，^只会匹配整个文本的开头位置
$表示匹配文本的结束位置
如果是单行模式，表示匹配整个文本的结束位置。
如果是多行模式，表示匹配文本每行的结束位置。
比如，下面的文本中，每行最前面的数字表示水果的编号，最后的数字表示价格
001-苹果价格-60,
002-橙子价格-70,
003-香蕉价格-80,
如果我们要提取所有的水果编号，用这样的正则表达式\d+$
范例：
# 导入re模块
import re
#输入文本内容
source='''001-苹果-60
002-橙子-70
003-香蕉-80'''
p=re.compile(r'^\d+$',re.M)#re.M进行多行匹配
for one in p.findall(source):
print(one)ログイン後にコピー
成功匹配到每行最后的价格
8、括号-组选择
主括号称之为正则表达式的组选择。是从正则表达式匹配的内容里面扣取出其中的某些部分
前面，我们有个例子，从下面的文本中，选择每行逗号前面的字符串，也包括逗号本身。
苹果，苹果是绿色的
橙子，橙子是橙色的
香蕉，香蕉是黄色的
就可以这样写正则表达式个^.*，。
但是，如果我们要求不要包括逗号呢?
当然不能直接这样写^.*
因为最后的逗号是特征所在，如果去掉它，就没法找逗号前面的了。
但是把逗号放在正则表达式中，又会包含逗号。
解决问题的方法就是使用组选择符:括号。
我们这样写^(.*)，
我们把要从整个表达式中提取的部分放在括号中，这样水果的名字就被单独的放在组group中了。
对应的Python代码如下
# 导入re模块
import re
#输入文本内容
source='''苹果，苹果是绿色的
橙子，橙子是橙色的
香蕉，香蕉是黄色的'''
p=re.compile(r'^(.*)，',re.M)#re.M进行多行匹配
for one in p.findall(source):
print(one)ログイン後にコピー
这样我们就可以把，前的字符取出来了
9、反斜杠-对元字符的转义
反斜杠\在正则表达式中有多种用途
比如，我们要在下面的文本中搜索所有点前面的字符串，也包括点本身
苹果.是绿色的
橙子.是橙色的
香蕉.是黄色的
如果，我们这样写正则表达式.*.，聪明的你肯定发现不对劲。
因为点是一个元字符，直接出现在正则表达式中，表示匹配任意的单个字符，不能表示.这个字符的本身的意思了
怎么办呢？
如果我们要搜索的内容本身就包含元字符，就可以使用反斜杠进行转义
这里我们就应用这样的表达式.*\.
范例：
# 导入re模块
import re
#输入文本内容
source='''苹果.是绿色的
橙子.是橙色的
香蕉.是黄色的'''
p=re.compile(r'.*\.')#r表示不要进行python语法中对字符串的转译
for one in p.findall(source):
print(one)ログイン後にコピー
成功匹配！
利用反斜杠还可以匹配某种字符类型
反斜杠后面接一些字符，表示匹配某种类型的一个字符
| 字符 | 功能 |
|---|
| \d | 匹配0~9之间的任意一个数字字符，等价于表达式[0-9] |
| \D | 匹配任意一个不上0-9之间的数字字符，等价于表达是[^0-9] |
| \s | 匹配任意一个空白字符，包括空格、tab、换行符等、等价于[\t\n\r\f\v] |
| \S | 匹配任意一个非空白字符，等价于[^\t\tn\r\f\v] |
| \w | 匹配任意一个文字字符，包括大小写、数字、下划线、等于[a-zA-A0-9] |
| \W | 匹配任意一个非文字字符，等价于表达式[^a-zA-Z0-9] |
反斜杠也可以用在方括号里面，比如[\s,.]:表示匹配任何空白字符，或者逗号，或者点
10、修饰符-可选标志
正则表达式可以包含一些可选标志修饰符来控制匹配的模式。修饰符被指定为一个可选的标志。多个标志可以通过按位OR(I)它们来指定。如re.l | re.M被设置成Ⅰ和M标志:
| 修饰符 | 描述 |
|---|
| re.I | 使匹配对大小写不敏感 |
| re.L | 做本地化识别(locale-aware)匹配 |
| re.M | 多行匹配，影响^和$ |
| re.S | 使．匹配包括换行在内的所有字符 |
| re.U | 根据Unicode字符集解析字符。这个标志影响lw,W,Nb,\B. |
| re.X | 该标志通过给予你更灵活的格式以便你将正则表达式写得更易于理解 |
11、使用正则表达式切割字符串
字符串对象的split()方法只适应于非常简单的字符串分割情形。当你需要更加灵活的切割字符串的时候，就不好用了。
比如，我们需要从下面字符串中提取武将的名字。
我们发现这些名字之间，有的是分号隔开，有的是逗号隔开，有的是空格隔开，而且分割符号周围还有不定数量的空格
names =“关羽;张飞，赵云,马超，黄忠 李逵”
这时，最好使用正则表达式里面的split方法:
范例：
# 导入re模块
import re
#输入文本内容
names ="关羽;张飞，赵云,马超，黄忠 李逵"
namelist=re.split(r'[;，\s]\s*',names)
print(namelist)
ログイン後にコピー
正则表达式[;,ls]\s*指定了，分割符为分号、逗号、空格里面的任意一种均可，并且该符号周围可以有不定数量的空格。
以上がPython 正規表現の一般的な文法例の分析の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。
![[Web フロントエンド] Node.js クイック スタート](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
