Python正则表达式-re库

正则表达式概述

概念
- 正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑（可以用来做检索，截取或者替换操作）
简介
- 正则表达式是对字符串（包括普通字符（例如，a 到 z 之间的字母）和特殊字符（称为“元字符”））操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。正则表达式是一种文本模式，模式描述在搜索文本时要匹配的一个或多个字符串
作用
- 1.给定的字符串是否符合正则表达式的过滤逻辑（称作“匹配”）
- 2.可以通过正则表达式，从字符串中获取我们想要的特定部分。
- 3.还可以对目标字符串进行替换操作

1	在Python中需要通过正则表达式对字符串进行匹配的时候，可以一个模块，名字为re

re模块之match的基本使用：

语法：
- result = re.match(正则表达式,要匹配的字符串)
意义：
- re.match是用来进行正则匹配检查的方法，如果字符串开头的0个或多个字符匹配正则表达式模式，则返回相应的match对象。如果字符串不匹配模式，返回None（注意不是空字符串””）
- 匹配对象Macth Object具有group()方法，用来返回字符串的匹配部分,具有span()方法。返回匹配字符串的位置（元组存储开始，结束位置），具有start(),end()方法，存储匹配数据的开始和结束位置。（也可以通过对象的dir(对象查看对象的方法)）
- 注意：如果想在目标字符串的任意位置查找，需要使用search

案例：(mathch vs search)

import re
pattern = 'Hello'
str1 = 'HelloWorld'
v = re.match(pattern,str1)
print(type(v))
print(v)
# print(dir(v))
#使用group可以获取匹配到的数据
# print(v.group())

表示字符

语法格式：

字符	功能
.	匹配任意一个字符（除了\n）
[]	匹配列表中的字符
\d	匹配数字，即0-9
\D	匹配非数字
\s	匹配空白、即空格（\n,\t）
\S	匹配非空格
\w	匹配单词字符，即a-z,A-Z,0-9,_
\W	匹配非单词字符

使用示例1

import re
v = re.match('.','a')
v = re.match('.','1')
v = re.match('.','_')
#返回None
v = re.match('.','\n')
print(v)
v = re.match('\d','1')
print(v)
v = re.match('\D','a1')
print(v)
v = re.match('\s',' ')
v = re.match('\s','\n')
v = re.match('\s','\t')
print(v)
#非空格
v = re.match('\S',' ')
print(v)
v = re.match('\w','a')
v = re.match('\w','A')
v = re.match('\w','1')
v = re.match('\w','_')
print(v)

v = re.match('\W','a')
v = re.match('\W','A')
v = re.match('\W','1')
v = re.match('\W','_')
print(v)

v = re.match('\w\W','1a')
print(v)

使用示例2：‘[]’的使用

#手机号匹配问题
v = re.match('\d\d\d\d\d\d\d\d\d\d\d','13312341234')
v = re.match('1[35789]\d\d\d\d\d\d\d\d\d','12312341234')
#\d == [0-9]
#\D == [^0-9]
#\w == [a-zA-Z0-9_]
#\W == [^a-zA-Z0-9_]
print(v)

表示数量（匹配多个字符）

语法

字符功能
- | 匹配前一个字符出现0次或者无限次（可有可无）
- | 匹配前一个字符出现1次或者无限次(至少有1次)
  ？ | 匹配前一个字符串出现1次或者0次(要么1次要么没有)
  {m} | 匹配前一个字符出现m次
  {m,} | 匹配前一个字符至少出现m次
  {m,n} | 匹配前一个字符出现m到n次

代码验证

import re
pattern = '\d*'
#注意，这时候表示数字可有可无，如果没有的话，则匹配''
v = re.match(pattern,'abc123')
print(v)
print('11111111111111')
pattern = '\d+'
v = re.match(pattern,'abc123')
print(v)
v = re.match(pattern,'123abc123')
print(v)
pattern = '\d?'
v = re.match(pattern,'123abc')
print(v)
pattern = '\d{3}'
v = re.match(pattern,'1234abc')
print(v)
pattern = '\d{3,}'
v = re.match(pattern,'1234abc')
print(v)

pattern = '\d{3,6}'
v = re.match(pattern,'1235674abc')
print(v)

使用示例1 *
- 匹配出一个字符串首字母为大写字符，后边都是小写字符，这些小写字母可有可无
  1
  2
  3
  pattern = '[A-Z][a-z]*'
  v = re.match(pattern,'Hello')
  print(v)

使用示例2 +

匹配出有效的变量名

#有效的变量名  开头为字母
pattern = '[a-zA-Z_]+[\w_]*'
v = re.match(pattern,'1name123')
print(v)

使用示例3 ?

匹配出1-99之间的数字

pattern = '[1-9][0-9]?'
v = re.match(pattern,'09')
print(v)
v = re.match(pattern,'33')
print(v)
v = re.match(pattern,'7')
print(v)

使用示例4 {m}

匹配出一个随机密码8-20位以内

1
2
3

pattern = '[a-zA-Z0-9_]{8,20}'
v = re.match(pattern,'dafadf22432adfag')
print(v)

原始字符串

概述：
- Python中字符串前边加上 r 表示原生字符串

示例：

字符串中的使用
- 字符串s = ‘\n123’ 与 s = r’\n123’

正则中使用

s = '\n123'
print(s)
s = r'\n123'
print(s)
# s = '\\n123'
# print(s)
# pattern = '\\\\n\d{3,}'
pattern = r'\\n\d{3,}'
v = re.match(pattern,s)
print(v)

表示边界

语法及意义：

字符功能

^ 匹配字符串开头

$ 匹配字符串结尾

\b 匹配一个单词的边界

\B 匹配非单词的边界

字符	功能
^	匹配字符串开头
$	匹配字符串结尾
\b	匹配一个单词的边界
\B	匹配非单词的边界

案例：

使用示例1 匹配QQ邮箱 &

#匹配qq邮箱，  5-10位
pattern = '[\d]{5,10}@qq.com'
#必须限制结尾的
# pattern = '[1-9]\d{4,9}@qq.com$'
#正确的地址
v = re.match(pattern,'12345@qq.com')
#未限制结尾的前提下使用不正确的地址
# v = re.match(pattern,'12345@qq.comabc')
print(v)

使用示例2 \b 匹配单词边界

pattern = r'.*\bab'
#ab左边界的情况
v = re.match(pattern,'123 abr')
print(v)

pattern = r'.*ab\b'
#ab为右边界的情况
v = re.match(pattern,'wab')
print(v)

使用示例3 \B 匹配非单词边界

#ab不为左边界
pattern = r'.*\Bab'
v = re.match(pattern,'123 abr')
print(v)
#ab不为右边界
pattern = r'.*ab\B'
v = re.match(pattern,'wab')
print(v)

匹配分组

语法
字符 | 功能

  ---|---
  丨  | 匹配左右任意一个表达式
  (ab) | 将括号中的字符作为一个分组
  \num | 引用分组num匹配到的字符串
  (?p<name>) | 分别起组名
  (?p=name) | 引用别名为name分组匹配到的字符串

- 示例1 |的使用
- 匹配0-100之间所有的数字

    1
2
3
4
5
6
7
8
9
10
11
12
pattern = '[1-9]?\d$|100$'
v = re.match(pattern,'0')
print(v)
v = re.match(pattern,'10')
print(v)
v = re.match(pattern,'100')
print(v)
v = re.match(pattern,'99')
print(v)
v = re.match(pattern,'200')
print(v)

示例2 ()的使用

匹配座机号码

#匹配一个固定电话号码  010-66668888
pattern = r'(\d+)-(\d{5,8}$)'
v = re.match(pattern,'010-66668888')
print(v)
print(v.group())
print(v.group(1))
print(v.group(2))
print(v.groups())
print(v.groups()[0])
print(v.groups()[1])

示例3 \num 的使用

匹配出网页标签内的数据

#
s = '<html><title>我是标题</title></html>'
#优化前
# pattern = r'<.+><.+>.+</.+></.+>'
#优化后 可以使用分组  \2 表示引用第2个分组  \1表示引用第1个分组
pattern = r'<(.+)><(.+)>.+</\2></\1>'
v = re.match(pattern,s)
print(v)

示例4 ?P< 要起的别名 > (?P=起好的别名)

s = '<html><h1>我是一号字体</h1></html>'
# pattern = r'<(.+)><(.+)>.+</\2></\1>'
#如果分组比较多的话，数起来比较麻烦，可以使用起别名的方法?P<要起的名字>  以及使用别名(?P=之前起的别名)
pattern = r'<(?P<key1>.+)><(?P<key2>.+)>.+</(?P=key2)></(?P=key1)>'
v = re.match(pattern,s)
print(v)

re模块的高级用法

search
- 作用：
  - 扫描字符串，查找正则表达式模式产生匹配的第一个位置，并返回相应的匹配对象。如果字符串中没有与模式匹配的位置，则返回None;
- 用法：
  1
  2
  3
  4
  5
  import re
  v = re.match('\d+','阅读次数为 9999 次')
  print(v)
  v1 = re.search('\d+','阅读次数为 999 次')
  print(v1)
findall
- 作用
  - 从左到右扫描字符串，并按照找到的顺序返回匹配。如果模式中有一个或多个组，返回组列表
- 用法
  1
  2
  3
  list1 = re.findall(r'\d+',"阅读次数C:129 Python:999 C++:99")
  print(list1)

sub

作用：
- 返回通过替换repl替换字符串中最左边不重叠的模式出现而得到的字符串。如果没有找到模式，则返回字符串不变

用法1：直接替换

1
2
3

#将目标字符串中所有的字符'c'替换成'a'
s = re.sub(r'a','c',"adfjalkdfkdasf")
print(s)

用法2: 使用函数(可以运算)替换

def replace(result):
print(type(result))
print(type(result.group()))
print(result.group())
r = int(result.group())+ 1
return str(r)
#将目标字符串中所有的阅读次数+1
v = re.sub(r'\d+',replace,"阅读次数C:129 Python:999 C++:99")
print(v)

split
- 作用：
  - 通过指定模式拆分字符串
- 用法1：
  - 按指定的格式拆分字符串
    1
    2
    3
    v = re.split(r',|-|:','Tom:HelloWorld,james-bond')
    print(v)

贪婪模式和非贪婪

什么是贪婪模式？
- Python里数量词默认是贪婪的，总是尝试匹配尽可能多的字符
什么是非贪婪
- 与贪婪相反，总是尝试匹配尽可能少的字符，可以使用”*”,”?”,”+”,”{m,n}”后面加上？，使贪婪变成非贪婪

使用示例1：

#贪婪模式，.+中的'.'会尽量多的匹配
# v = re.match(r'(.+)(\d+-\d+-\d+)','This is my tel:133-1234-1234')
v = re.match(r'(.+?)(\d+-\d+-\d+)','This is my tel:133-1234-1234')
print(v.group(1))
print(v.group(2))

使用示例2

#贪婪模式
v= re.match(r'abc(\d+)','abc123')
print(v.group(1))
#非贪婪模式
v= re.match(r'abc(\d+?)','abc123')
print(v.group(1))