Python正则表达式

正则表达式

当处理文本数据时，正则表达式是一种强大的工具，它允许我们根据特定的模式来匹配、搜索和处理字符串。

正则表达式由一系列字符和特殊字符组成，用于描述文本模式。这些模式可以包含普通字符（如字母、数字和标点符号）以及特殊字符，用于表示匹配特定模式的规则。

1.普通字符

字母、数字、汉字、下划线、以及没有特殊定义的标点符号，都是"普通字符"。表达式中的普通字符，在匹配一个字符串的时候，匹配与之相同的一个字符。

2.转义字符

3.能够与 ‘多种字符’ 匹配的表达式

4.自定义能够匹配 ‘多种字符’ 的表达式

5.修饰匹配次数的特殊符号

6.一些代表抽象意义的特殊符号

import re

re 模块使 Python 语言拥有全部的正则表达式功能。它提供了一种强大的工具来在文本中进行模式匹配和搜索操作。当正则表达式包含转义符时，建议使用raw string。

在Python中，原始字符串（raw string）是指字符串字面值（literal）的一种表示形式，它通过在字符串前面添加前缀 r 或 R 来表示。原始字符串的特点是，它会将转义字符（如反斜杠 \）视为普通字符，而不会对其进行转义。正常的字符串字面值中，反斜杠 \ 可以用于表示特殊字符序列，例如 \n 表示换行符、\t 表示制表符等。但有时候，我们希望将字符串中的反斜杠作为普通字符处理，而不是转义字符。这时就可以使用原始字符串。举个列子：

normal_string = "Hello\nWorld"
raw_string = r"Hello\nWorld"

print(normal_string)  # 输出：Hello
# World （换行）
print(raw_string)     # 输出：Hello\nWorld
1
2
3
4
5
6

re函数

字符串匹配

import re

# 编译正则表达式
pattern = re.compile(r'hello')

# 匹配字符串
match = pattern.match('hello world')
if match:
    print('Match found:', match.group())
else:
    print('No match')

# 搜索字符串
search = pattern.search('hello world')
if search:
    print('Search found:', search.group())
else:
    print('No search')

# 查找所有匹配项
matches = pattern.findall('hello world, hello python')
print('All matches:', matches)

# 替换匹配项
replace = pattern.sub('hi', 'hello world, hello python')
print('After replacement:', replace)

# 分割字符串
split = pattern.split('hello world, hello python')
print('Split result:', split)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

从文本文件中提取指定特征

我们要从如下文本提取指定的如下特征：

# run time: 1593

total: 413

#   <1>    <2>        <3>
# A:      408    2341286554 38252903
# B:      3      2694539    1788611
# C:      403    2338592003 38252903
# D:      406    2338601343 38252903

# size: 5496.955278 # MB
1
2
3
4
5
6
7
8
9
10
11

import re


def extracting(path):
    Runtime_PATTERN = '(#\s+run\s+time:\s+)(\d+)'
    ds_runtime_pattern = re.compile(Runtime_PATTERN)
    Total_PATTERN = '(total:\s+)(\d+)'
    ds_total_pattern = re.compile(Total_PATTERN)
    A_PATTERN = '(#\sA:\s+)(\d+)\s+(\d+)\s+(\d+)'
    ds_a_pattern = re.compile(A_PATTERN)
    Size_PATTERN = '(#\s+size:\s+)(\d+\.\d+)(\s+#+\s)(\S+)'
    ds_size_pattern = re.compile(Size_PATTERN)

    with open(path) as infile:
        for line in infile:
            runtime_match = ds_runtime_pattern.match(line)
            if runtime_match is not None:
                runtime = int(runtime_match.group(2))
                print(runtime)
                continue

            total_match = ds_total_pattern.match(line)
            if total_match is not None:
                total = int(total_match.group(2))
                print(total)
                continue

            a_match = ds_a_pattern.match(line)
            if a_match is not None:
                a_col1 = int(a_match.group(2))
                a_col2 = int(a_match.group(3))
                a_col3 = int(a_match.group(4))
                print(a_col1, end=' ')
                print(a_col2, end=' ')
                print(a_col3)
                continue

            size_match = ds_size_pattern.match(line)
            if size_match is not None:
                size = float(size_match.group(2))
                print(size)
                continue


if __name__ == "__main__":
    extracting('test.txt')

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47

运行结果：