¥re模块¥

re模块

【一】正则语法

【1】字符组

  • [字符组] 在同一个位置可能出现的各种字符组成了一个字符组

  • 字符组用[]

  • 字符组的[备选项]字母/数字/特殊标点.....

  • 语法re.findall(正则模式,文本),基于正则模式查找所有匹配的文本内容

正则待匹配字符匹配结果说明
[0123456789]8True在一个字符组里枚举合法的所有字符,字符组里的任意一个字符和"待匹配字符"相同都视为可以匹配
[0123456789]aFalse由于字符组中没有"a"字符,所以不能匹配
[0-9]7True也可以用-表示范围,[0-9]就和[0123456789]是一个意思
[a-z]sTrue同样的如果要匹配所有的小写字母,直接用[a-z]就可以表示
[A-Z]BTrue[A-Z]就表示所有的大写字母
[0-9a-fA-F]eTrue可以匹配数字,大小写形式的a~f,用来验证十六进制字符
  • 例题:re.findall(正则模式,文本)

import re
​
​
ret2=re.findall("a","asdfgaa")
print(ret2)#['a', 'a', 'a']
​
ret3=re.findall("[4,6]","ad,gh,54,14")
print(ret3)#[',', ',', '4', ',', '4']
​
ret4=re.findall("[ace]", "a,b,c,d,e")
print(ret4)#['a', 'c', 'e']
#匹配a~z小写字母
ret5 = re.findall("[a-z]", "a,b,c,d,e")
print(ret5)#['a', 'b', 'c', 'd', 'e']
#匹配0~9数字
ret6 = re.findall("[0-9]", "1,2,3,4,5")
print(ret6)#['1', '2', '3', '4', '5']
#除了字母以外
ret7 = re.findall("[^a-z]", "1,a,2,b,3")
print(ret7)#['1', ',', ',', '2', ',', ',', '3']
​
ret8 = re.findall("\d", "1,2,3,4,5")
print(ret8)#['1', '2', '3', '4', '5']
​
ret9 = re.findall("[0-9a-z]", "1,a,2,b,3")
print(ret9)#['1', 'a', '2', 'b', '3']

【2】元字符

元字符匹配内容
.匹配除换行符以外的任意字符
\w匹配字母或数字或下划线
\s匹配任意的空白符
\d匹配数字
\n匹配一个换行符
\t匹配一个制表符
\b匹配一个单词的结尾
^匹配字符串的开始
$匹配字符串的结尾
\W匹配非字母或数字或下划线
\D匹配非数字
\S匹配非空白符
a|b匹配字符a或字符b
()匹配括号内的表达式,也表示一个组
[...]匹配字符组中的字符
[^...]匹配除了字符组中字符的所有字符
  • 匹配特殊字符

[1]. 代表除换行符以外的任意字符
letter = 'a b c d e f g h i j k A B C D E 1 2 3 4 5 , '
pattern = "."
res = re.findall(pattern, letter)
print(res)
​
# (2)\w 代表数字或者字母或下划线
letter = 'a b c d e f g h i j k A B C D E 1 2 3 4 5 , _ . ; % '
pattern = "\w"
res = re.findall(pattern, letter)
print(res)
​
# (3)\s 代表任意的空白符 ---> 空格
letter = 'a b c d e f g h i j k A B C D E 1 2 3 4 5 , _ . ; % '
pattern = "\s"
res = re.findall(pattern, letter)
print(res)
​
# (4)\d 只能匹配数字
letter = 'a b c d e f g h i j k A B C D E 1 2 3 4 5 , _ . ; % '
pattern = "\d"
res = re.findall(pattern, letter)
print(res)
​
# (5)\W 除了字母 或数字 或下滑线以外的任意字符
letter = 'a b c d e f g h i j k A B C D E 1 2 3 4 5 , _ . ; % '
pattern = "\W"
res = re.findall(pattern, letter)
print(res)
​
# (6)\n 只能匹配换行符
letter = '''
' a 
b c 
d e f g h i j k A B C D E 
1 2 3 4 5 , _ . ; % 
'''
pattern = "\n"
res = re.findall(pattern, letter)
print(res)
​
# (7)\t 制表符
letter = '''a    b c d e f g h i j k A B C D E 1 2 3 4 5 , _ . ; % '''
pattern = "\t"
res = re.findall(pattern, letter)
print(res)
​
# (8)\b 匹配一个单词的结尾
​
# (9)^字符 以某个字符开头
letter = '''a    b c d e f g h i j k A B C D E 1 2 3 4 5 , _ . ; %'''
pattern = "^a"
res = re.findall(pattern, letter)
print(res)
# (10) 字符$ 以某个字符结尾
letter = '''a    b c d e f g h i j k A B C D E 1 2 3 4 5 , _ . ; %'''
pattern = "%$"
res = re.findall(pattern, letter)
print(res)
# (11)\D 匹配除数字以外的任意字符
letter = '''a    b c d e f g h i j k A B C D E 1 2 3 4 5 , _ . ; %'''
pattern = "\D"
res = re.findall(pattern, letter)
print(res)
# (12)\S 匹配出了空格以外的所有字符
letter = '''a    b c d e f g h 
i j k A B C D E 1 2 3 4 5 , _ . ; %'''
pattern = "\S"
res = re.findall(pattern, letter)
print(res)
# (13) 字符|字符 匹配任意一个字符
letter = '''a    b c d e f g h 
i j k A B C D E 1 2 3 4 5 , _ . ; %'''
pattern = "a|b|1|%"
res = re.findall(pattern, letter)
print(res)
# (14) () 声明优先级
letter = '''a    b c d e f g hi j k A B C D E 12 aa 34 5a , _ . ; %'''
pattern = "\d(\w)"
res = re.findall(pattern, letter)
print(res)
# (15)字符组[]
letter = '''a    b c d e f g hi j k A B C D E 12 aa 34 5a , _ . ; %'''
pattern = "[a-z0-9A-Z][0-9]" # ['12', '34']
# pattern = "[a-z0-9A-Z][a-z]"
res = re.findall(pattern, letter)
print(res)
​
#(16)匹配除了字符组中字符的所有字符【有bag】
letter = '''a    b c d e $f _g hi j k A B C D E 12 aa 34 5a , _ . ; %'''
# 匹配除了字符组中字符的所有字符
# $f _g hi 12 aa 34 5a#(首先是两位的)
pattern = "[^a-z0-9A-Z][0-9]" 
res = re.findall(pattern, letter)
print(res)# [' 1', ' 3', ' 5']

【3】重复元组字符-----》 +* {} ?

 ret2 = re.findall("[0-9a-zA-Z]", "apple,banana,orange,melon")#['a', 'p', 'p', 'l', 'e', 'b', 'a', 'n', 'a', 'n', 'a', 'o', 'r', 'a', 'n', 'g', 'e', 'm', 'e', 'l', 'o', 'n']
​
 ret2 = re.findall("\w", "apple,banana,orange,melon")#['a', 'p', 'p', 'l', 'e', 'b', 'a', 'n', 'a', 'n', 'a', 'o', 'r', 'a', 'n', 'g', 'e', 'm', 'e', 'l', 'o', 'n']
​
 ret2 = re.findall("\w+", "apple,banana,orange,melon")#['apple', 'banana', 'orange', 'melon']
​
 ret2 = re.findall("\w+?", "apple,banana,orange,melon")  # 取消贪婪匹配#['a', 'p', 'p', 'l', 'e', 'b', 'a', 'n', 'a', 'n', 'a', 'o', 'r', 'a', 'n', 'g', 'e', 'm', 'e', 'l', 'o', 'n']
​
 ret2 = re.findall("\w*", "apple,banana,orange,melon")#['apple', '', 'banana', '', 'orange', '', 'melon', '']
​
 ret2 = re.findall("\w{6}", "apple,banana,orange,melon")#['banana', 'orange']
#{}里面的6代表的是单词是六位的输出

【4】量词

量词用法说明
*重复零次或更多次
+重复一次或更多次
?重复零次或一次
{n}重复n次
{n,}重复n次或更多次
{n,m}重复n到m次
(1)`*`重复零次或更多次
pattern = "[0-9][a-z]*"  #数字开头
letter = '''a    b c d e $f _g hi j k A B C D E 12 aa 34 5a 111 6cs 9nb 6aaaa , _ . ; %'''
res = re.findall(pattern, letter)
print(res)#['1', '2', '3', '4', '5a', '1', '1', '1', '6cs', '9nb', '6aaaa']
​
(2) + 代表当前字符重读一次或更多次
pattern = "[0-9][a-z]+"  #数字开头后缀都要是字母
letter = '''a    b c d e $f _g hi j k A B C D E 12 aa 34 5a 111 6cs 9nb  6aaaa , _ . ; %'''
res = re.findall(pattern, letter)
print(res)#['5a', '6cs', '9nb', '6aaaa']
​
(3)? 重复零次或一次
pattern = "[0-9][a-z]?"  #数字开头,后缀只能有一个字母
letter = '''a    b c d e $f _g hi j k A B C D E 12 aa 34 5a 111 6cs 9nb  6aaaa , _ . ; %'''
res = re.findall(pattern, letter)
print(res)#['1', '2', '3', '4', '5a', '1', '1', '1', '6c', '9n', '6a']
​
(4){n} 重复n次
pattern = "[0-9][a-z]{2}"  #数字开头,后缀只能有两个字母
letter = '''a    b c d e $f _g hi j k A B C D E 12 aa 34 5a 111 6cs 9nb  6aaaa , _ . ; %'''
res = re.findall(pattern, letter)
print(res)#['6cs', '9nb', '6aa']
​
(5){n,m} 重复至少n次 至多m次
pattern = "[0-9][a-z]{2,3}"  #数字开头,后缀是两个字母结尾,或者三个字母结尾
letter = '''a    b c d e $f _g hi j k A B C D E 12 aa 34 5a 111 6cs 9nb  6aaaa , _ . ; %'''
res = re.findall(pattern, letter)
print(res)#['6cs', '9nb', '6aaa']

【5】位置元字符. ^ $

正则待匹配字符匹配 结果说明
海.海燕海娇海东海燕海娇海东匹配所有"海."的字符
^海.海燕海娇海东海燕只从开头匹配"海."
海.$海燕海娇海东海东只匹配结尾的"海.$"
import re
​
#  . 代表任意字符
pattern = "海."#检测海这个字 后面只能跟一个字符
letter = '''海燕海娇海东海冬梅'''
res = re.findall(pattern, letter)
print(res)# ['海燕', '海娇', '海东', '海冬']
​
# . 代表任意字符
# ^ 以 ... 开头
pattern = "^海."#以海开头,并且后缀一个字符
letter = '''海燕海娇海东海冬梅'''
res = re.findall(pattern, letter)
print(res)# # ['海燕']
​
# #  . 代表任意字符
# # $ 以 ... 结尾
pattern = "海.$"#最后一个字节只能是海后面跟一个字节否则返回[]
letter = '''海燕海娇海东海冬'''
res = re.findall(pattern, letter)
print(res)# ['海冬']

【6】重复匹配\* + ? { }

正则待匹配字符匹配 结果说明
李.?李杰和李莲英和李二棍子李杰 李莲 李二?表示重复零次或一次,即只匹配"李"后面一个任意字符
李.*李杰和李莲英和李二棍子李杰和李莲英和李二棍子*表示重复零次或多次,即匹配"李"后面0或多个任意字符
李.+李杰和李莲英和李二棍子李杰和李莲英和李二棍子+表示重复一次或多次,即只匹配"李"后面1个或多个任意字符
李.{1,2}李杰和李莲英和李二棍子李杰和 李莲英 李二棍{1,2}匹配1到2次任意字符
# . 代表任意字符
# ? 重复零次或一次
pattern = "李.?"#李后面重复一次或只有一个李
letter = '李 李杰李莲英和李二棍子'
res = re.findall(pattern, letter)
print(res)#['李 ', '李杰', '李莲', '李二']
​
# . 代表任意字符
# * 重复零次或更多次
pattern = "李.*"#李后面的字符全部打印
letter = '李杰李莲英和李二棍子'
res = re.findall(pattern, letter)
print(res)# ['李杰李莲英和李二棍子']
​
# . 代表任意字符
# + 重复一次或更多次
pattern = "李.+"#李后面的字符全部打印
letter = '李杰李莲英和李二棍子'
res = re.findall(pattern, letter)
print(res)# ['李杰李莲英和李二棍子']
​
# . 代表任意字符
# {m,n} 重复一次或更多次
pattern = "李.{2,3}"#匹配2到3次任意字符
letter = '李杰李莲英和李二棍子'
res = re.findall(pattern, letter)
print(res)# ['李杰李莲', '李二棍子']
​
# . 代表任意字符
# [] 字符组中的任意一个
pattern = "李[杰莲英二棍子]"#李后面跟字符组中的任意一个
letter = '李杰李莲英和李二棍子'
res = re.findall(pattern, letter)
print(res)# ['李杰', '李莲', '李二']
​
# . 代表任意字符
# [] 字符组中的任意一个
# ^和 除了和
# * 任意
pattern = "李[^和]*"#[^和]:意思是不要"和"这个字
letter = '李杰李莲英和李二棍子'
res = re.findall(pattern, letter)
print(res)# ['李杰李莲英', '李二棍子']

【7】字符集[][^]

正则待匹配字符匹配 结果说明
李[杰莲英二棍子]*李杰和李莲英和李二棍子李杰 李莲英 李二棍子表示匹配"李"字后面[杰莲英二棍子]的字符任意次
李[^和]*李杰和李莲英和李二棍子李杰 李莲英 李二棍子表示匹配一个不是"和"的字符任意次
[\d]456bdha34 5 6 3表示匹配任意一个数字,匹配到4个结果
[\d]+456bdha3456 3表示匹配任意个数字,匹配到2个结果
# # . 代表任意字符
# # [] 字符组中的任意一个
pattern = "李[杰莲英二棍子]"#李后面跟字符组中的任意一个
letter = '李杰李莲英和李二棍子'
res = re.findall(pattern, letter)
print(res)# ['李杰', '李莲', '李二']
​
# . 代表任意字符
# [] 字符组中的任意一个
# ^和 除了和
# * 任意
pattern = "李[^和]*"#[^和]:意思是不要"和"这个字
letter = '李杰李莲英和李二棍子'
res = re.findall(pattern, letter)
print(res)# ['李杰李莲英', '李二棍子']

【8】分组匹配()与 或 |[^]

  • 身份证号码是一个长度为15或18个字符的字符串

    • 如果是15位则全部🈶️数字组成,首位不能为0;

    • 如果是18位,则前17位全部是数字,末位可能是数字或x,

    • 下面我们尝试用正则来表示:

正则待匹配字符匹配 结果说明
^[1-9]\d{13,16}[0-9x]$110101198001017032110101198001017032表示可以匹配一个正确的身份证号
^[1-9]\d{13,16}[0-9x]$11010119800101701101011980010170表示也可以匹配这串数字,但这并不是一个正确的身份证号码,它是一个16位的数字
^[1-9]\d{14}(\d{2}[0-9x])?$1101011980010170False现在不会匹配错误的身份证号了 ()表示分组,将\d{2}[0-9x]分成一组,就可以整体约束他们出现的次数为0-1次
^([1-9]\d{16}[0-9x] | [1-9]\d{14})$110105199812067023110105199812067023
  • 捕获选择

# | 指定原子或正则模式进行二选一或多选一
# () 具备模式捕获的能力,也就是优先提取数据的能力,通过(?:) 可以取消模式捕获
ret4 = re.findall(",\w{5},", ",apple,banana,peach,orange,melon,")  # 筛选出5个字符的单词
ret4 = re.findall(",(\w{5}),", ",apple,banana,peach,orange,melon,")  # 筛选出5个字符的单词
ret4 = re.findall("\w+@\w+\.com", "123abc@163.com,....234xyz@qq.com,....")  # 筛选出5个字符的单词
ret4 = re.findall("(\w+)@qq\.com", "123abc@163.com,....234xyz@qq.com,....")  # 筛选出5个字符的单词
ret4 = re.findall("(?:\w+)@(?:qq|163)\.com", "123abc@163.com,....234xyz@qq.com,....")  # 筛选出5个字符的单词
print(ret4)

【9】贪婪匹配

  • 贪婪匹配:在满足匹配时,匹配尽可能长的字符串,默认情况下,采用贪婪匹配

  • 非贪婪匹配:在满足匹配时,匹配尽可能短的字符串

  • 几个常用的非贪婪匹配,Pattern

import re
# . 代表任意字符
pattern = "李.*?" #*? 重复任意次,但尽可能少重复 #['李', '李', '李']
pattern = "李.+?" #+? 重复1次或更多次,但尽可能少重复 #['李杰', '李莲', '李二']
pattern = "李.??" #?? 重复0次或1次,但尽可能少重复 #['李', '李', '李']
pattern = "李.{2,3}?" #{n,m}? 重复n到m次,但尽可能少重复 #['李杰李', '李二棍']
letter = '李杰李莲英和李二棍子'
res = re.findall(pattern, letter)
print(res)

【10】方法

(1)findall(查找结果)
  • 返回所有满足匹配条件的结果,放在列表里

name_str = "Dream yuan Justin"
pattern = 'a'
result = re.findall(pattern, name_str)
print(result)
# 结果 : ['a', 'a']
(2)search(查找结果)
  • 只匹配到符合条件的一个字符

# 函数会在字符串内查找模式匹配,只到找到第一个匹配然后返回一个包含匹配信息的对象,该对象可以
# 通过调用group()方法得到匹配的字符串,如果字符串没有匹配,则返回None。
name_str = "Dream yuan Justin"
pattern = 'a'
result = re.search(pattern, name_str)
print(result)  # <re.Match object; span=(3, 4), match='a'>#span=(3, 4)意思是a的位置在3,4的位置
result = re.search(pattern, name_str).group()
print(result)  # 结果 : 'a'
(3)match(查找结果)
  • 同search,不过尽在字符串开始处进行匹配

# 同search,不过尽在字符串开始处进行匹配
pattern = 'a'
result = re.match(pattern, 'abc')
print(result)  # <re.Match object; span=(0, 1), match='a'>
result = re.match(pattern, 'abc').group()
print(result)
# 结果 : 'a'
(4)split(切割)
  • 先按'a'分割得到''和'bcd',在对''和'bcd'分别按'b'分割

name_str = 'abcd'
# 先按'a'分割得到''和'bcd',在对''和'bcd'分别按'b'分割
pattern = '[ab]'
result = re.split(pattern, name_str)
print(result)  # ['', '', 'cd']
(5)sub(指定个数替换)
  • 默认替换所有匹配到的字符 可以用 count 控制替换次数

import re

name_str = 'eva3egon4yuan4'

# 将数字替换成'H',参数1表示只替换1个
# 默认替换所有匹配到的字符
result = re.sub('\d', 'H', name_str, 1)
print(result)  # evaHegon4yuan4
(6)subn(全部替换)
  • 替换匹配到的所有字符并返回 替换成功的字符和替换次数

import re

name_str = 'eva3egon4yuan4'
# 将数字替换成'H',返回元组(替换的结果,替换了多少次)
result = re.subn('\d', 'H', 'eva3egon4yuan4')
print(result)  # ('evaHegonHyuanH', 3)
(7)compile(编译正则表达式)
  • 预编译正则表达式

# 将正则表达式编译成为一个 正则表达式对象,规则要匹配的是3个数字
obj = re.compile('\d{3}')
print(obj)
# 正则表达式对象调用search,参数为待匹配的字符串
ret = obj.search('abc1234eeee')
print(ret.group())  # 结果 : 123
print(re.findall(obj, 'abc1234eeee'))

【11】正则方法之优先级

(1)findall的优先级查询
pattern = 'www.(baidu|oldboy).com'
pattern = re.compile(pattern)
data = 'www.oldboy.com'
ret = re.findall(pattern, data)
# 这是因为findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可
print(ret)  # ['oldboy']

ret = re.findall('www.(?:baidu|oldboy).com', 'www.baidu.com')
print(ret)   #['www.baidu.com']


data= "<dd>弱者声嘶力竭,亦无人在乎,强者轻声细语,却能深入人心。一棵熊熊燃烧的天赋树,每一片叶子都承载着不同的灵纹,宗门被灭,沦为矿奴的陆叶凭此成为修士,搅动九州风云......</dd>"
pattern = '<dd>(.*)</dd>'
pattern = re.compile(pattern)
print(re.findall(pattern,data))#['弱者声嘶力竭,亦无人在乎,强者轻声细语,却能深入人心。一棵熊熊燃烧的天赋树,每一片叶子都承载着不同的灵纹,宗门被灭,沦为矿奴的陆叶凭此成为修士,搅动九州风云......']
(2)split的优先级查询
ret=re.split("\d+","eva3egon4yuan")
print(ret) #结果 : ['eva', 'egon', 'yuan']

ret=re.split("(\d+)","eva3egon4yuan")
print(ret) #结果 : ['eva', '3', 'egon', '4', 'yuan']
  • 在匹配部分加上()之后所切出的结果是不同的,

  • 没有()的没有保留所匹配的项,但是有()的却能够保留了匹配的项,

  • 这个在某些需要保留匹配部分的使用过程是非常重要的。

【12】常用正则表达式

场景正则表达式
用户名^[a-z0-9_-]{3,16}$
密码^[a-z0-9_-]{6,18}$
手机号码^(?:\+86)?1[3-9]\d{9}$
颜色的十六进制值^#?([a-f0-9]
电子邮箱^[a-z\d]+(\.[a-z\d]+)*@([\da-z](-[\da-z])?)+\.[a-z]+$
URL^(?:https://
IP 地址((2[0-4]\d
HTML 标签^<([a-z]+)([^<]+)*(?:>(.*)<\/\1>
utf-8编码下的汉字范围^[\u2E80-\u9FFF]+$
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值