Python中的正则表达式是什么？

编程语言中的正则表达式（RE）是用于描述搜索模式的特殊文本字符串。 这对于从文本（例如代码，文件，日志，电子表格甚至文档）中提取信息非常有用。

使用正则表达式时，首先要认识到的是，所有内容本质上都是一个字符，并且我们正在编写模式以匹配特定的字符序列（也称为字符串）。 ASCII或拉丁字母是键盘上的字母，Unicode用于匹配外来文本。 它包括数字和标点以及所有特殊字符，例如$＃@！％等。

例如，正则表达式可以告诉程序从字符串中搜索特定文本，然后相应地打印出结果。 表达式可以包括

• 文字匹配
• 重复
• 分枝
• 模式组成等

在Python中，正则表达式表示为RE（通过re模块导入的RE，regexes或regex模式）。 Python通过库支持正则表达式。 在Python中，正则表达式支持各种功能，例如修饰符，标识符和空白字符。

正则表达式（RE）语法

import re

• Python的“ re”模块主要用于字符串搜索和操作
• 也经常用于网页“抓取”（从网站中提取大量数据）

我们将通过使用表达式（w +）和（^）进行此简单练习，开始表达式教程。

w +和^表达式的示例

• “ ^”：此表达式匹配字符串的开头
• “ w +”：该表达式与字符串中的字母数字字符匹配

在这里，我们将看到一个示例，说明如何在代码中使用w +和^表达式。 我们将在本教程的后面部分介绍re.findall函数，但有一段时间我们只关注\ w +和\ ^表达式。

例如，对于我们的字符串“ guru99，教育很有趣”（如果我们使用w +和^执行代码），它将给出输出“ guru99”。

import re
xx = "guru99,education is fun"
r1 = re.findall(r"^\w+",xx)
print(r1)

请记住，如果您从w +中删除+ sign，输出将发生变化，并且只会给出第一个字母的第一个字符，即[g]

re.split函数中\ s表达式的示例

• “ s”：此表达式用于在字符串中创建空格

为了理解此正则表达式在Python中的工作方式，我们从一个简单的split函数示例开始。 在该示例中，我们使用“ re.split”函数拆分了每个单词，同时使用了表达式\ s，该表达式允许分别解析字符串中的每个单词。

当您执行此代码时，它将为您提供输出[‘we’，’are’，’splitting’，’the’，’words’]。

现在，让我们看看如果从s中删除“ \”会发生什么。 输出中没有’s’字母，这是因为我们已经从字符串中删除了’\’，并且它将“ s”视为常规字符，因此只要在字符串中找到“ s”的地方就将单词分开。

同样，Python中还有一系列其他正则表达式，您可以在Python中以各种方式使用它们，例如\ d，\ D，$，\。，\ b等。

这是完整的代码

import re
xx = "guru99,education is fun"
r1 = re.findall(r"^\w+", xx)
print((re.split(r'\s','we are splitting the words')))
print((re.split(r's','split the words')))

接下来，我们将看到与正则表达式一起使用的方法的类型。

使用正则表达式方法

“ re”包提供了几种对输入字符串实际执行查询的方法。 我们将要看到的方法是re.match()re.search()re.findall()

注意：基于正则表达式，Python提供了两种不同的基本操作。 match方法仅在字符串的开头检查匹配项，而search在字符串的任何位置检查匹配项。

re.match（）

re.match（）函数将搜索正则表达式模式并返回第一个匹配项。 此方法仅在字符串的开头检查匹配项。 因此，如果在第一行找到匹配项，则返回匹配对象。 但是，如果在其他行中找到匹配项，则返回null。

例如，考虑以下代码。 表达式“ w +”和“ \ W”将匹配以字母“ g”开头的单词，此后，将不标识任何以“ g”开头的单词。 要检查列表或字符串中每个元素的匹配情况，我们运行forloop。

re.search（）：在文本中查找模式

re.search（）函数将搜索正则表达式模式并返回第一个匹配项。 与re.match不同，它将检查输入字符串的所有行。 当找到模式时，它将返回一个匹配对象；如果未找到模式，则返回“ null”

为了使用search（）函数，您需要先导入re，然后执行代码。 search（）函数采用“模式”和“文本”从我们的主字符串中进行扫描

例如，在这里我们在文本字符串“ Software Testing is fun”中寻找两个文字字符串“ Software testing”“ guru99”。 对于“软件测试”，我们找到了匹配项，因此它以“找到匹配项”返回输出，而对于单词“ guru99”，我们在字符串中找不到，因此它以“无匹配项”返回输出。

re.findall（）

findall（）模块用于搜索与给定模式匹配的“所有”事件。 相反，search（）模块将仅返回与指定模式匹配的第一个匹配项。 findall（）将遍历文件的所有行，并在单个步骤中返回模式的所有非重叠匹配。

例如，在这里我们有一个电子邮件地址列表，并且我们希望从列表中取出所有电子邮件地址，我们使用re.findall方法。 它将从列表中找到所有电子邮件地址。

这是完整的代码

import re

list = ["guru99 get", "guru99 give", "guru Selenium"]
for element in list:
    z = re.match("(g\w+)\W(g\w+)", element)
if z:
    print((z.groups()))
    
patterns = ['software testing', 'guru99']
text = 'software testing is fun?'
for pattern in patterns:
    print('Looking for "%s" in "%s" ->' % (pattern, text), end=' ')
    if re.search(pattern, text):
        print('found a match!')
else:
    print('no match')
abc = 'guru99@google.com
	, careerguru99@hotmail.com, users@yahoomail.com'
emails = re.findall(r'[\w\.-]+@[\w\.-]+', abc)
for email in emails:
    print(email)

Python标志

许多Python Regex方法和Regex函数采用一个称为Flags的可选参数。 该标志可以修改给定Regex模式的含义。 为了理解这些，我们将看到这些标志的一个或两个示例。

Python中使用的各种标志包括

re.M或多行标志的示例

在多行中，模式字符[^]与字符串的第一个字符和每行的开头相匹配（紧跟在每个换行符之后）。 表达式小“ w”用于用字符标记空格。 运行代码时，第一个变量“ k1”仅输出单词guru99的字符“ g”，而添加多行标志时，它将提取字符串中所有元素的第一个字符。

这是代码

import re
xx = """guru99 
careerguru99	
selenium"""
k1 = re.findall(r"^\w", xx)
k2 = re.findall(r"^\w", xx, re.MULTILINE)
print(k1)
print(k2)

• 我们为字符串“ guru99…. careerguru99….selenium”声明了变量xx。
• 在不使用标志多行的情况下运行代码，它仅从各行输出“ g”
• 运行带有标志“ multiline”的代码，当您打印“ k2”时，其输出为“ g”，“ c”和“ s”
• 因此，在上例中添加多行之后和之前我们可以看到的区别。

同样，您还可以使用其他Python标志，例如re.U（Unicode），re.L（关注区域设置），re.X（允许注释）等。

Python 2示例

上面的代码是Python 3的示例，如果要在Python 2中运行，请考虑以下代码。

# Example of w+ and ^ Expression
import re
xx = "guru99,education is fun"
r1 = re.findall(r"^\w+",xx)
print r1

# Example of \s expression in re.split function
import re
xx = "guru99,education is fun"
r1 = re.findall(r"^\w+", xx)
print (re.split(r'\s','we are splitting the words'))
print (re.split(r's','split the words'))

# Using re.findall for text
import re

list = ["guru99 get", "guru99 give", "guru Selenium"]
for element in list:
    z = re.match("(g\w+)\W(g\w+)", element)
if z:
    print(z.groups())
    
patterns = ['software testing', 'guru99']
text = 'software testing is fun?'
for pattern in patterns:
    print 'Looking for "%s" in "%s" ->' % (pattern, text),
    if re.search(pattern, text):
        print 'found a match!'
else:
    print 'no match'
abc = 'guru99@google.com, careerguru99@hotmail.com, users@yahoomail.com'
emails = re.findall(r'[\w\.-]+@[\w\.-]+', abc)
for email in emails:
    print email

# Example of re.M or Multiline Flags
import re
xx = """guru99 
careerguru99	
selenium"""
k1 = re.findall(r"^\w", xx)
k2 = re.findall(r"^\w", xx, re.MULTILINE)
print k1
print k2

摘要

编程语言中的正则表达式是用于描述搜索模式的特殊文本字符串。 它包括数字和标点以及所有特殊字符，例如$＃@！％等。表达式可以包含文字

• 文字匹配
• 重复
• 分枝
• 模式组成等

在Python中，正则表达式表示为RE（RE，正则表达式或正则表达式模式）通过re模块嵌入。

• Python随附的“ re”模块主要用于字符串搜索和操作
• 也经常用于网页“抓取”（从网站中提取大量数据）
• 正则表达式方法包括re.match（），re.search（）和re.findall（）
• Python标志许多Python Regex方法和Regex函数采用一个称为Flags的可选参数。
• 该标志可以修改给定Regex模式的含义
• 正则表达式方法中使用的各种Python标志分别是re.M，re.I，re.S等。