python/pandas 正则表达式 re模块
目录
- 正则解说
- 中文字符集
- re模块常用方法
1、正则解说
数量词的贪婪模式与非贪婪模式
正则表达式通常用于在文本中查找匹配的字符串。Python里数量词默认是贪婪的(在少数语言里也可能是默认非贪婪),总是尝试匹配尽可能多的字符;非贪婪的则相反,总是尝试匹配尽可能少的字符。例如:正则表达式"ab*"如果用于查找"abbbc",将找到"abbb"。而如果使用非贪婪的数量词"ab*?",将找到"a"。
一般字符、字符集和转义字符
一般字符 | 完全匹配字符 | abc | abc |
\ | 转义字符 | \. | . |
. | 匹配除换行符\n以外的所有字符 | . | q, 1, +, ...... |
[] | 匹配字符集中任意字符 | [abc] | a, b, c |
\s | 匹配空白字符,即[\n\t\f\r...] | a\sb | a b, a b, ...... |
\S | 匹配非空白字符 | a\Sb | ab, a4b, asb, ...... |
\w | 匹配单词字符,即[a-zA-Z0-9] | a\wc | abc, a8c, ...... |
\W | 匹配非单词字符,即[^a-zA-Z0-9] | a\Wc | a-c, a?c, ...... |
\d | 匹配数字 | a\dc | a3c, ...... |
\D | 匹配非数字 | a\Dc | adc, a-c, ...... |
限定匹配次数
* | 匹配前一个字符0到无限次 | ab*c | ac, abc, abbc, ...... |
+ |
匹配前一个字符1到无限次 | ab+c | abc, abbc, ...... |
? |
匹配前一个字符0或1次 | ab?c | ac, abc |
{m} |
匹配前一个字符m次 | ab{3}c | abbbc |
{m,n} |
匹配前一个字符m至n次,m省略代表0至n次,n省略代表m至无限次 | ab{2,3}c | abbc, abbbc, ...... |
*? +? ?? {m}? {m,n}? |
使得*,+,?{m},{m,n}变为非贪婪模式 | ab*? | a |
限定边界
$ | 匹配字符串末尾(多行模式下是每一行字符串末尾,re.M) | c$ | abc, 12c, ?-c, ...... |
^ | 匹配字符串开头(多行模式下是每一行字符串开头,re.M) | ^c | cab, c12, c??, ...... |
\A | 匹配整个字符串开头 | \Ac | cab, ...... |
\Z | 匹配整个字符串末尾 | c\Z | abc, ...... |
逻辑、分组
| | 或,匹配左边或者右边的表达式 | abc|def | abc, def, ...... |
(...) | 括号内为一组;分组有编号,从1开始算起;分组作为一个整体,|只在分组内部有效; | (abc){1}\.(123|456)+ | abc.456, abc.123, ...... |
(?P<name>...) | 除编号外的另一个分组名 | ||
\<number> | 引用编号为<number>的分组匹配的字符串 | (\d)abc\1 | 5abc5, ...... |
(?P=name) | 引用别名为<name>的分组匹配到的字符串 | (?P=<one>\d)abc(?P=one) | 7abc7, ...... |
特殊构造
(?iLmsux) | iLmsux每个字符代表一个匹配模式 | (?!abc) | Abc, abc, ...... |
(?#...) | #之后的内容作为注释被忽略 | ||
(?=...) | 之后的字符串内容需要匹配表达式,不消耗字符串内容 | a(?=\d) | 后面是数字的a |
(?!...) | 之后的字符串内容需要不匹配表达式,不消耗字符串内容 | a(?!\d) | 后面不是数字的a |
(?<=...) | 之前的字符串内容需要匹配表达式,不消耗字符串内容 | (?<=\d)a | 前面是数字的a |
(?<!...) | 之后的字符串内容需要不匹配表达式,不消耗字符串内容 | (?<!\d)a | 前面不是数字的a |
2、中文字符集
3、re模块常用方法
compile():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
pa = re.compile('et')
正则表达式对象的方法:
group() 返回被 RE 匹配的字符串。
start() 返回匹配开始的位置
end() 返回匹配结束的位置
span() 返回一个元组包含匹配 (开始,结束) 的位置
常用方法:
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
In [14]: re.match('I','I will never let it go, jack!')
Out[14]: <_sre.SRE_Match object; span=(0, 1), match='I'> In [15]: re.match('w','I will never let it go, jack!')
no out put
search():扫描整个字符串并返回第一个成功的匹配
In [17]: re.search('i','I will never let it go, jack!')
Out[17]: <_sre.SRE_Match object; span=(3, 4), match='i'>
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,如果没有找到匹配的,则返回空列表,可指定起始位置
In [28]: re.findall('.i', 'I will never let it go, jack!')
Out[28]: ['wi', ' i']
In [32]: re.compile('.i').findall('I will never let it go, jack!', 0, 10)
Out[32]: ['wi']
finditer():和 findall 类似,在字符串中找到正则表达式所匹配的所有子串,并把它们作为一个迭代器返回
In [54]: for m in re.finditer('.i', 'I will never let it go, jack!'):
...: print(m, m.group(), m.start(), m.end(), m.span())
...:
<_sre.SRE_Match object; span=(2, 4), match='wi'> wi 2 4 (2, 4)
<_sre.SRE_Match object; span=(16, 18), match=' i'> i 16 18 (16, 18)
sub():替换字符串中所有的匹配项,返回匹配后的字符串
In [19]: re.sub('i', 'I', 'I will never let it go, jack!')
Out[19]: 'I wIll never let It go, jack!'
split():按照能够匹配的子串将字符串分割后返回列表,可指定最大分割次数
In [41]: re.split(',', 'runoob, runoob, runoob.')
Out[41]: ['runoob', ' runoob', ' runoob.']
In [43]: re.split(',', 'runoob, runoob, runoob.', 1)
Out[43]: ['runoob', ' runoob, runoob.']
python/pandas 正则表达式 re模块的更多相关文章
- python中正则表达式re模块详解
正则表达式是处理字符串的强大工具,它有自己特定的语法结构,有了它,实现字符串的检索,替换,匹配验证都不在话下. 当然,对于爬虫来说,有了它,从HTML里提取想要的信息就非常方便了. 先看一下常用的匹配 ...
- Python的正则表达式re模块
Python的正则表达式(re模块) 作者:尹正杰 版权声明:原创作品,谢绝转载!否则将追究法律责任. Python使用re模块提供了正则表达式处理的能力.如果对正则表达式忘记的一干二净的话,可以花费 ...
- 第二十一天python3 python的正则表达式re模块学习
python的正则表达式 python使用re模块提供了正则表达式处理的能力: 常量 re.M re.MULTILINE 多行模式 re.S re.DOTALL 单行模式 re.I re.IGNORE ...
- Python:正则表达式 re 模块
正则是处理字符串最常用的方法,我们编码中到处可见正则的身影. 正则大同小异,python 中的正则跟其他语言相比略有差异: 1.替换字符串时,替换的字符串可以是一个函数 2.split 函数可以指定分 ...
- Python:正则表达式—— re 模块
一.什么是正则表达式(Regular Expression) 正则表达式本身是一种小型的.高度专业化的编程语言,它内嵌在Python中,并通过 re(regular expression)模块实现.使 ...
- python ---24 正则表达式 re模块
一.正则表达式 1.字符组 ① [abc] 匹配a或b或c ② [a-z] 匹配a到z之间的所有字⺟ [0-9]匹配所有阿拉伯数字 2.元字符 3.量词 4.重要搭配 ① .*? ② .*?x ...
- Python pandas.io.data 模块迁移
这段时间用pandas做数据分析, import pandas.io.data as web 然后得到下面的错误提示 "The pandas.io.data module is moved ...
- Python之正则表达式(re模块)
本节内容 re模块介绍 使用re模块的步骤 re模块简单应用示例 关于匹配对象的说明 说说正则表达式字符串前的r前缀 re模块综合应用实例 正则表达式(Regluar Expressions)又称规则 ...
- Python中的re模块--正则表达式
Python中的re模块--正则表达式 使用match从字符串开头匹配 以匹配国内手机号为例,通常手机号为11位,以1开头.大概是这样13509094747,(这个号码是我随便写的,请不要拨打),我们 ...
随机推荐
- HTTP权威指南-学习笔记
目录 HTTP权威指南-学习笔记 HTTP: Web的基础 URL与资源 HTTP报文 连接管理 HTTP结构 Web服务器 代理 缓存 集成点: 网关,隧道及中继 Web机器人 识别,认证与安全 客 ...
- servlet--禁用浏览器缓存
禁用浏览器缓存:Cache-Control.pragma.expires response.setHeader("Cache-Control", "no-cache&qu ...
- 《JAVA设计模式》之命令模式(Command)
在阎宏博士的<JAVA与模式>一书中开头是这样描述命令(Command)模式的: 命令模式属于对象的行为模式.命令模式又称为行动(Action)模式或交易(Transaction)模式. ...
- Codeforces Round #535 E2-Array and Segments (Hard version)
Codeforces Round #535 E2-Array and Segments (Hard version) 题意: 给你一个数列和一些区间,让你选择一些区间(选择的区间中的数都减一), 求最 ...
- Opencv识别图中人脸
#!/usr/bin/python #coding=utf-8 # 识别图片中的人脸 import face_recognition jobs_image = face_recognition.loa ...
- maven私服nexus3.9安装配置
maven私服nexus3.9安装配置 私服介绍 私服是指私有服务器,是架设在局域网的一种特殊的远程仓库,目的是代理远程仓库及部署第三方构建.有了私服之后,当 Maven 需要下载构件时,直接请求私服 ...
- Django组件——用户认证
用户认证 一.auth模块 from django.contrib import auth django.contrib.auth中提供了许多方法,这里主要介绍其中的三个: 1 .authentica ...
- Cent OS 7 VNC 安装
关闭防火墙 关闭selinux 挂载光盘到本地 #yum install tigervnc-server -y #cp /lib/systemd/system/vncserver@.service / ...
- jquery 小知识
$("p:eq(0)") :表p标签的第一个元素 $("p:eq(1)") :表p标签的第二个元素
- office2016pro专业版命令行激活
1.首先查看Office2016安装目录在哪里,如果是默认安装,没有修改路径,是在C:\Program Files\Microsoft Office\Office16目录下,具体路径还得自行查看,我的 ...