Python表达式

在Python中，人们可以很容易地检查另一个字符串内文本字符串的存在。但是，在某些情况下，我们可能没有完全匹配的文本。例如，如果要检查是否存在任何有效的电子邮件地址，该怎么办。这就是正则表达式发挥作用的地方。在本节中，我们将探讨正则表达式并了解各种正则表达式。

• 常用表达
• 为什么使用正则表达式
• 基本正则表达式
• 更多正则表达式
• 编译正则表达式

常用表达

正则表达式是基于预定义模式匹配文本的强大工具。它可以通过与特定模式匹配来检测文本的存在或不存在，还可以将模式分为一个或多个子模式。 Python标准库为正则表达式提供了re模块。它的主要函数是提供搜索，其中需要一个正则表达式和一个字符串。在这里，它要么返回第一个匹配项，要么不返回任何匹配项。

Python3

import re
  
  
match = re.search(r'portal', 'GeeksforGeeks: A computer science \
                  portal for geeks')
print(match)
print(match.group())
  
print('Start Index:', match.start())
print('End Index:', match.end())

输出

<_sre.SRE_Match object; span=(52, 58), match='portal'>
portal
Start Index: 52
End Index: 58

在这里，r字符(r’portal’)代表原始字符，而不是正则表达式。原始字符串与常规字符串略有不同，它不会将\字符解释为转义字符。这是因为正则表达式引擎将\字符用于其自身的转义目的。

group方法返回匹配的字符串，而start和end方法提供了开始和结束字符串索引。除此之外，它还有很多其他方法，我们将在后面讨论。

为什么使用正则表达式?

让我们花一点时间来理解为什么我们应该使用正则表达式。

1. 数据挖掘：正则表达式是数据挖掘的最佳工具。通过使用预定义的模式进行检查，它可以有效地识别文本堆中的文本。一些常见的情况是从一堆文本中识别电子邮件，URL或电话。
2. 数据验证：正则表达式可以完美验证数据。通过定义不同的模式集，它可以包括各种各样的验证过程。一些示例是验证电话号码，电子邮件等。

基本正则表达式

让我们了解一些基本的正则表达式。它们如下：

• 字符类
• 游骑兵
• 否定
• 捷径
• 字符串的开头和结尾
• 任何字符

字符类

字符类使您可以将单个字符集与可能的字符集进行匹配。您可以在方括号内提及一个字符类。让我们考虑一个区分大小写的单词的例子。

Python3

import re
  
  
print(re.findall(r'[Gg]eeks', 'GeeksforGeeks: \
                 A computer science portal for geeks'))

输出

['Geeks', 'Geeks', 'geeks']

范围

范围提供了灵活性，可以借助范围模式(例如，数字范围(0到9)，字符范围(A到Z)等等)来匹配文本。字符类中的连字符代表一个范围。

Python3

import re
  
  
print('Range',re.search(r'[a-zA-Z]', 'x'))

输出

Range <_sre.SRE_Match object; span=(0, 1), match='x'>

否定

否定会反转字符类。它会查找匹配除了倒字符或范围中的字符类提到的倒字符。

Python3

import re
  
print(re.search(r'[^a-z]', 'c'))

输出

None

在上述情况下，我们将字符类从a转换为z。如果我们尝试匹配上述范围内的字符，则正则表达式引擎将返回None。

让我们考虑另一个例子

Python3

import re
  
print(re.search(r'G[^e]', 'Geeks'))

输出

None

在这里，它接受e后面跟在G后面的任何其他字符。

捷径

让我们讨论正则表达式引擎提供的一些快捷方式。

• \ w –匹配单词字符
• \ d –匹配数字字符
• \ s –匹配空格字符(空格，制表符，换行符等)
• \ b –匹配零长度字符

Python3

import re
  
  
print('Geeks:', re.search(r'\bGeeks\b', 'Geeks'))
print('GeeksforGeeks:', re.search(r'\bGeeks\b', 'GeeksforGeeks'))

输出

Geeks: <_sre.SRE_Match object; span=(0, 5), match='Geeks'>
GeeksforGeeks: None

字符串的开头和结尾

^字符选择字符串的开头，$字符选择字符串。

Python3

import re
  
  
# Beginning of String
match = re.search(r'^Geek', 'Campus Geek of the month')
print('Beg. of String:', match)
  
match = re.search(r'^Geek', 'Geek of the month')
print('Beg. of String:', match)
  
# End of String
match = re.search(r'Geeks$', 'Compute science portal-GeeksforGeeks')
print('End of String:', match)

输出

Beg. of String: None
Beg. of String: <_sre.SRE_Match object; span=(0, 4), match='Geek'>
End of String: <_sre.SRE_Match object; span=(31, 36), match='Geeks'>

任何字符

这 。字符表示方括号字符类之外的任何单个字符。

Python3

import re
  
print('Any Character', re.search(r'p.th.n', 'python 3'))

输出

Any Character <_sre.SRE_Match object; span=(0, 6), match='python'>

更多正则表达式

其他一些正则表达式如下：

• 可选字符
• 重复
• 速记
• 分组
• 展望
• 代换

可选字符

正则表达式引擎允许您使用?指定可选字符。字符。它允许一个字符或字符类出现一次或不出现。让我们考虑一个带有替代拼写的单词示例-颜色或颜色。

Python3

import re
  
  
print('Color',re.search(r'colou?r', 'color')) 
print('Colour',re.search(r'colou?r', 'colour'))

输出

Color <_sre.SRE_Match object; span=(0, 5), match='color'>
Colour <_sre.SRE_Match object; span=(0, 6), match='colour'>

重复

重复使您可以重复相同的字符或字符类。考虑一个包含日，月和年的日期的示例。让我们使用正则表达式来标识日期(mm-dd-yyyy)。

Python3

import re
  
  
print('Date{mm-dd-yyyy}:', re.search(r'[\d]{2}-[\d]{2}-[\d]{4}',
                                     '18-08-2020'))

输出

Date{mm-dd-yyyy}: <_sre.SRE_Match object; span=(0, 10), match='18-08-2020'>

在这里，正则表达式引擎检查两个连续的数字。找到匹配项后，它将移至连字符。之后，它将检查接下来的两个连续数字，并重复该过程。

让我们讨论重复下的其他三个正则表达式。

重复范围

当您必须接受一种或多种格式时，重复范围非常有用。考虑一个场景，其中三个数字以及四个数字都被接受。让我们看一下正则表达式。

Python3

import re
  
  
print('Three Digit:', re.search(r'[\d]{3,4}', '189'))
print('Four Digit:', re.search(r'[\d]{3,4}', '2145'))

输出

Three Digit: <_sre.SRE_Match object; span=(0, 3), match='189'>
Four Digit: <_sre.SRE_Match object; span=(0, 4), match='2145'>

开放式范围

在某些情况下，字符重复没有限制。在这种情况下，您可以将上限设置为不定式。一个常见的例子是匹配街道地址。我们来看一下

Python3

import re
  
  
print(re.search(r'[\d]{1,}','5th Floor, A-118,\
Sector-136, Noida, Uttar Pradesh - 201305'))

输出

<_sre.SRE_Match object; span=(0, 1), match='5'>

速记

简写字符使您可以使用+字符指定一个或多个({1，})，使用*字符指定零个或多个({0，}。

Python3

import re
  
print(re.search(r'[\d]+', '5th Floor, A-118,\
Sector-136, Noida, Uttar Pradesh - 201305'))

输出

<_sre.SRE_Match object; span=(0, 1), match='5'>

分组

分组是通过使用括号将表达式分成组的过程，它使您可以获取每个单独的匹配组。

Python3

import re
  
  
grp = re.search(r'([\d]{2})-([\d]{2})-([\d]{4})', '26-08-2020')
print(grp)

输出

<_sre.SRE_Match object; span=(0, 10), match='26-08-2020'>

让我们看看它的一些功能。

返回整个比赛

re模块允许您使用group()方法返回整个匹配项

Python3

import re
  
  
grp = re.search(r'([\d]{2})-([\d]{2})-([\d]{4})','26-08-2020')
print(grp.group())

输出

26-08-2020

返回匹配组的元组

您可以使用groups()方法返回包含单个匹配组的元组

Python3

import re
  
  
grp = re.search(r'([\d]{2})-([\d]{2})-([\d]{4})','26-08-2020')
print(grp.groups())

输出

('26', '08', '2020')

检索单个组

将索引传递给组方法后，您只能检索单个组。

Python3

import re
  
  
grp = re.search(r'([\d]{2})-([\d]{2})-([\d]{4})','26-08-2020')
print(grp.group(3))

输出

2020

为您的群组命名

re模块允许您命名组。让我们看一下语法。

Python3

import re
  
  
match = re.search(r'(?P
[\d]{2})-(?P[\d]{2})-(?P[\d]{4})',
                  '26-08-2020')
print(match.group('mm'))

输出

08

个人匹配作为字典

我们已经看到正则表达式如何提供单个组的元组。不仅元组，它还可以提供单个匹配项作为字典，其中每个组的名称充当字典键。

Python3

import re
  
  
match = re.search(r'(?P
[\d]{2})-(?P[\d]{2})-(?P[\d]{4})',
                  '26-08-2020')
print(match.groupdict())

输出

{'dd': '26', 'mm': '08', 'yyyy': '2020'}

展望

在否定字符类的情况下，如果一个字符不存在要检查的否定字符它不会匹配。我们可以通过超前来克服这种情况。它根据内容的存在或不存在来接受或拒绝匹配。

Python3

import re
  
  
print('negation:', re.search(r'n[^e]', 'Python'))
print('lookahead:', re.search(r'n(?!e)', 'Python'))

输出

negation: None
lookahead: <_sre.SRE_Match object; span=(5, 6), match='n'>

如果匹配项后没有特定字符，则超前匹配也可以取消该匹配项的资格。这个过程被称为正向提前，可以通过简单地替换就可以实现！字符与字符=。

Python3

import re
  
print('positive lookahead', re.search(r'n(?=e)', 'jasmine'))

输出

positive lookahead <_sre.SRE_Match object; span=(5, 6), match='n'>

代换

正则表达式可以替换字符串，并使用re.sub方法返回替换后的字符串。当您在将其存储到数据库之前要避免使用诸如/，-、.等字符时，此功能很有用。它包含三个参数：

• 正则表达式
• 替换字符串
• 正在搜索的源字符串

让我们看一下下面的替换代码–信用卡号中的字符。

Python3

import re
  
print(re.sub(r'([\d]{4})-([\d]{4})-([\d]{4})-([\d]{4})',r'\1\2\3\4',
             '1111-2222-3333-4444'))

输出

1111222233334444

编译正则表达式

Python正则表达式引擎可以使用compile函数返回已编译的正则表达式对象。该对象具有其搜索方法和子方法，开发人员可以在需要时重用它。

Python3

import re
  
  
regex = re.compile(r'([\d]{2})-([\d]{2})-([\d]{4})')
  
# search method
print('compiled reg expr', regex.search('26-08-2020'))
  
# sub method
print(regex.sub(r'\1.\2.\3', '26-08-2020'))

输出

compiled reg expr <_sre.SRE_Match object; span=(0, 10), match=’26-08-2020′>
26.08.2020

概括

正则表达式是用于数据挖掘和数据验证的强大工具。但是，只要有直接的解决方案，就应避免使用正则表达式。而且，当您必须处理复杂的结构(例如非平凡的文档格式)时，请尝试使用其他满足需求的库。