Python RegEx

RegEx లేదా ప్రత్యేక పదబంధం పరిశీలన ప్రక్రియను రూపొందించే అక్షర క్రమం.

RegEx సామర్థ్యం కలిగి పదబంధాన్ని పొందిన ప్రక్రియను పరిశీలించవచ్చు.

RegEx మాడ్యూల్

Python అనే పేరు కలిగిన re 的内置包,可用于处理正则表达式。

导入 re 模块:

import re

Python 中的 RegEx

导入 re 模块后,就可以开始使用正则表达式了:

ఉదాహరణ

检索字符串以查看它是否以 "China" 开头并以 "country" 结尾:

import re
txt = "China is a great country"
x = re.search("^China.*country$", txt)

ఉదాహరణ నడుపుము

RegEx 函数

re 模块提供了一组函数,允许我们检索字符串以进行匹配:

函数 描述
findall 返回包含所有匹配项的列表
search 如果字符串中的任意位置存在匹配,则返回 Match 对象
split 返回在每次匹配时拆分字符串的列表
sub 用字符串替换一个或多个匹配项

元字符

元字符是具有特殊含义的字符:

字符 描述 示例 TIY
[] 一组字符 "[a-m]" 试一试
\ 示意特殊序列(也可用于转义特殊字符) "\d" 试一试
. 任何字符(换行符除外) "he..o" 试一试
^ 起始于 "^hello" 试一试
$ 结束于 "world$" 试一试
* 零次或多次出现 "aix*" 试一试
+ 一次或多次出现 "aix+" 试一试
{} 确切地指定的出现次数 "al{2}" 试一试
| 两者任一 "falls|stays" 试一试
() 捕获和分组

特殊序列

特殊序列指的是 \ 后跟下表中的某个字符,拥有特殊含义:

字符 描述 示例 TIY
\A 如果指定的字符位于字符串的开头,则返回匹配项 "\AThe" 试一试
\b 返回指定字符位于单词的开头或末尾的匹配项 r"\bain"
r"rain\b"
试一试
试一试
\B 返回指定字符存在的匹配项,但不在单词的开头(或结尾处) r"\Bain"
r"rain\B"
试一试
试一试
\d 返回字符串包含数字的匹配项(数字 0-9) "\d" 试一试
\D 返回字符串不包含数字的匹配项 "\D" 试一试
\s 返回字符串包含空白字符的匹配项 "\s" 试一试
\S 返回字符串不包含空白字符的匹配项 "\S" 试一试
\w 返回一个匹配项,其中字符串包含任何单词字符
(从 a 到 Z 的字符,从 0 到 9 的数字和下划线 _ 字符)
"\w" 试一试
\W 返回一个匹配项,其中字符串不包含任何单词字符 "\W" 试一试
\Z 如果指定的字符位于字符串的末尾,则返回匹配项 "Spain\Z" 试一试

Set

集合(Set)是一对方括号 [] 内的一组字符,具有特殊含义:

集合 描述 试一试
[arn] 返回一个匹配项,其中存在指定字符(a,r 或 n)之一 试一试
[a-n] 返回字母顺序 a 和 n 之间的任意小写字符匹配项 试一试
[^arn] 返回除 a、r 和 n 之外的任意字符的匹配项 试一试
[0123] 返回存在任何指定数字(0、1、2 或 3)的匹配项 试一试
[0-9] 返回 0 与 9 之间任意数字的匹配 试一试
[0-5][0-9] 返回介于 0 到 9 之间的任何数字的匹配项 试一试
[a-zA-Z] 返回字母顺序 a 和 z 之间的任何字符的匹配,小写或大写 试一试
[+] 在集合中,+、*、.、|、()、$、{} 没有特殊含义,因此 [+] 表示:返回字符串中任何 + 字符的匹配项 试一试

findall() 函数

findall() 函数返回包含所有匹配项的列表。

ఉదాహరణ

打印所有匹配的列表:

import re
str = "China is a great country"
x = re.findall("a", str)
print(x)

ఉదాహరణ నడుపుము

这个列表以被找到的顺序包含匹配项。

如果未找到匹配项,则返回空列表:

ఉదాహరణ

如果未找到匹配,则返回空列表:

import re
str = "China is a great country"
x = re.findall("USA", str)
print(x)

ఉదాహరణ నడుపుము

search() 函数

search() 函数搜索字符串中的匹配项,如果存在匹配则返回 Match 对象。

如果有多个匹配,则仅返回首个匹配项:

ఉదాహరణ

在字符串中搜索第一个空白字符:

import re
str = "China is a great country"
x = re.search("\s", str)
print("The first white-space character is located in position:", x.start())

ఉదాహరణ నడుపుము

如果未找到匹配,则返回值 నలుగురు

ఉదాహరణ

进行不返回匹配的检索:

import re
str = "China is a great country"
x = re.search("USA", str)
print(x)

ఉదాహరణ నడుపుము

split() 函数

split() 函数返回一个列表,其中字符串在每次匹配时被拆分:

ఉదాహరణ

ప్రతి శూన్య అక్షరంలో విభజించండి:

import re
str = "China is a great country"
x = re.split("\s", str)
print(x)

ఉదాహరణ నడుపుము

您可以通过指定 maxsplit పరామీతిని నియంత్రించే పరామితి అంశం:

ఉదాహరణ

మాత్రమే మొదటి సారిగా స్ట్రింగ్ ను విభజించండి:

import re
str = "China is a great country"
x = re.split("\s", str, 1)
print(x)

ఉదాహరణ నడుపుము

sub() ఫంక్షన్

sub() ఫంక్షన్ మీరు ఎంచుకున్న పదబంధాన్ని ముగించు పదాన్ని స్థాపిస్తుంది:

ఉదాహరణ

ప్రతి శూన్య అక్షరాన్ని 9 తో పునఃస్థాపించండి:

import re
str = "China is a great country"
x = re.sub("\s", "9", str)
print(x)

ఉదాహరణ నడుపుము

您可以通过指定 count 参数来控制替换次数:

ఉదాహరణ

替换前两次出现:

import re
str = "China is a great country"
x = re.sub("\s", "9", str, 2)
print(x)

ఉదాహరణ నడుపుము

Match ఆబ్జెక్ట్

Match ఆబ్జెక్ట్ అనేది మ్యాచ్ గురించి మరియు ఫలితాలను కలిగివున్న ఆబ్జెక్ట్ ఉంది.

ప్రత్యామ్నాయంగా:ఏమీ అనుగుణంగా తిరిగివచ్చే విలువ నలుగురుకానీ మేచ్ ఆబ్జెక్ట్ ఉండాలి.

ఉదాహరణ

మ్యాచ్ ఆబ్జెక్ట్ ను తిరిగివచ్చే ఫంక్షన్ నడుపుము:

import re
str = "China is a great country"
x = re.search("a", str)
print(x) # ఒక ఆబ్జెక్ట్ ను ప్రింట్ చేయడానికి

ఉదాహరణ నడుపుము

Match ఆబ్జెక్ట్ మీది గురించి మరియు మ్యాచ్ ఫలితాలను తీసుకోవడానికి గాను అంశాలు మరియు మంథనాలను అందిస్తుంది:

  • span() పెట్టుబడులు మొదలుగా మరియు ముగింపు స్థానాలను కలిగివున్న ట్యూపి ని కలిగివుంటాయి
  • .string ఫంక్షన్ లోకి ప్రవేశించిన స్ట్రింగ్ తిరిగివచ్చే విలువ
  • group() మ్యాచ్ కంటెంట్ తిరిగివచ్చే విలువ

ఉదాహరణ

మొదటి మ్యాచ్ ప్రారంభం మరియు ముగింపు స్థానాలను ప్రింట్ చేయండి

పెద్ద "C" తో మొదలవుతున్న ఏ పదాన్ని కనుగొనుము రీగ్యులార్ ఎక్స్ప్రెషన్

import re
str = "China is a great country"
x = re.search(r"\bC\w+", str)
print(x.span())

ఉదాహరణ నడుపుము

ఉదాహరణ

ఫంక్షన్ లోకి ప్రవేశించిన స్ట్రింగ్ ప్రింట్ చేయండి

import re
str = "China is a great country"
x = re.search(r"\bC\w+", str)
print(x.string)

ఉదాహరణ నడుపుము

ఉదాహరణ

మ్యాచ్ కంటెంట్ మొదలుగా ప్రింట్ చేయండి

పెద్ద "C" తో మొదలవుతున్న ఏ పదాన్ని కనుగొనుము రీగ్యులార్ ఎక్స్ప్రెషన్

import re
str = "China is a great country"
x = re.search(r"\bC\w+", str)
print(x.group())

ఉదాహరణ నడుపుము

ప్రత్యామ్నాయంగా:ఏమీ అనుగుణంగా తిరిగివచ్చే విలువ నలుగురుకానీ మేచ్ ఆబ్జెక్ట్ ఉండాలి.