python3-正则表达式基本使用方法

最新推荐文章于 2022-08-30 17:08:37 发布

BBBrian88

最新推荐文章于 2022-08-30 17:08:37 发布

阅读量633

点赞数

分类专栏： python3高级

python3高级专栏收录该内容

10 篇文章 0 订阅

订阅专栏

一、正则表达式概述

正则表达式，又称规则表达式，在代码中常简写为regex、regexp或RE，是计算机科学的一个概念。
正则表通常被用来检索、替换那些符合某个模式(规则)的文本。
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。

精确匹配：

\d: 匹配一个数字
\w: 匹配一个字母或数字
: 匹配任意一个字符
\s: 匹配一个空格(包括tab等空白符)

匹配变长的字符：

* : 匹配任意个字符，包括0个
+ : 匹配至少一个字符
? : 匹配0个或一个字符
{n} : 匹配n个字符
{n,m} : 匹配n~m个字符

eg: 说明“\d{3}\s+\d{2,5}”的含义

\d{3}: 表示匹配3个数字，例如'028'
\s+:   表示匹配至少一个空格
\d{2,5}: 表示匹配2~5个数字，例如'1245'
 比如可以匹配以任意个空格隔开区号的电话号码。例如'028 57652'

[] :用来表示范围

[0-9a-zA-Z\_]: 可以匹配一个数字、大小写字母或者下划线
[0-9a-zA-Z\_]+: 可以匹配至少由一个数字、大小写字母或者下划线组成的字符串
eg: 'a54', 'fasd', 'who_lj123'...
[a-zA-Z\_][0-9a-zA-Z\_]*: 可以匹配由字母或下划线开头，后边任意个有数字、字母或者下划线组成的字符串，即python的合法变量名
[a-zA-Z\_][0-9a-zA-Z\_]{0, 19}: 更精确地限制了变量的长度是1-20个字符

a|b: 匹配a或者b

  (a|b)ython: 可以匹配'Python'或者'python'

^: 匹配行首

^\d: 表示行必须以数字开头

$: 匹配行尾

$\d: 表示行必须以数字结尾
^SOME_STR$: 匹配只包含SOME_STR的行

python中的正则表达式模块是re

match()方法判断是否匹配，如果匹配成功，返回一个Match对象，否则返回None。常见的判断方法就是：

test = '用户输入的字符串'
if re.match(r'正则表达式', test):
     print('ok')
else:
     print('failed')

切分字符串：

re.split(r'\s+', 'TEST_STR'): 指定分隔符为空格
re.split(r'[\s\,\;]+', 'TEST_STR'): 指定分隔符为空格、逗号或者分号

二、re模块操作

在Python中需要通过正则表达式对字符串进⾏匹配的时候，需要使⽤⼀个模块，名字为re
1.re模块的使用过程:

 import re
 # 使用match方法进行匹配操作,匹配到的数据会被存放到result内  
  result = re.match(正则表达式,要匹配的字符串)
  # 如果上一步匹配到数据的话，可以使用group方法来提取数据
  result.group()

示例(匹配以HGS开头的语句)

import re
result = re.match("HGS","HGS.python3")
result.group()    #HGS
**re.match()    能够匹配出以xxx开头的字符串**

三、匹配单个字符

上述了解到通过re模块能够完成使用正则表达式来匹配字符串
这里，将要讲解正则表达式的单字符匹配，下列表格最为扩展不用死记硬背，了解即可.
在这里插入图片描述

示例1.[]:

#coding=utf-8   
import re
#如果hello的首字符小写，那么正则表达式需要小写的h
ret = re.match("h","hello Python") 
print(ret.group())
#如果hello的首字符大写，那么正则表达式需要大写的H
ret = re.match("H","Hello Python") 
print(ret.group())
#大小写h都可以的情况
ret = re.match("[hH]","hello Python")
print(ret.group())
ret = re.match("[hH]","Hello Python")
print(ret.group())
ret = re.match("[hH]ello Python","Hello Python")
print(ret.group())

#ret = re.match("hello","Hello",re.I)
#print(ret.group())  #忽略大小写ignore-----Hello
 
#匹配0到9第一种写法
ret = re.match("[0123456789]Hello Python","7Hello Python")
print(ret.group())
 
#匹配0到9第二种写法
ret = re.match("[0-9]Hello Python","7Hello Python")
print(ret.group())
 
ret = re.match("[0-35-9]Hello Python","7Hello Python")
print(ret.group())
 
#下面这个正则不能够匹配到数字4，因此ret为None
ret = re.match("[0-35-9]Hello Python","4Hello Python")
#print(ret.group())
运行结果为:
h
H
h
H
Hello Python
7Hello Python
7Hello Python
7Hello Python

三、匹配多个字符

匹配多个字符的相关格式：
在这里插入图片描述
##{m，} 加上逗号，一个字符出现m到无限次

示例1：

需求：匹配出，一个字符串第一个字母为大小字符，后面都是小写字母并且这些小写字母可有可无

#coding=utf-8
import re

ret = re.match("[A-Z][a-z]*","M")
print(ret.group())
ret = re.match("[A-Z][a-z]*","MnnM")
print(ret.group())
ret = re.match("[A-Z][a-z]*","Aabcdef")
print(ret.group())

"""
ret = re.match("[A-Z][a-z]*","Aabcdef")  #Aabcdef
表示：[A-Z]([a-z][a-z][a-z][a-z][a-z][a-z][a-z][a-z].....)
"""
运行结果：
 M
 Mnn
 Aabcdef

示例2：+

需求：匹配出，变量名是否有效

匹配前一个字符出现1次或者无限次，即至少有1次 ####表示匹配前面的规则至少 1 次，可以多次匹配

#coding=utf-8
import re
names = ["name1", "_name", "2_name", "__name__"]
for name in names:
 ret = re.match("[a-zA-Z_]+[\w]*",name)
 if ret:
     print("变量名 %s 符合要求" % ret.group())
 else:
     print("变量名 %s 非法" % name)
运行结果：

变量名 name1 符合要求
变量名 _name 符合要求
变量名 2_name 非法
变量名 __name__ 符合要 ```

五、匹配开头和结尾

字符功能
^ 匹配字符串开头
$ 匹配字符串结尾（到此处结尾，后面没有内容，有内容报错）
示例1：$
需求：匹配163.com的邮箱地址

#coding=utf-8
import re
 
email_list = ["xiaoWang@163.com", "xiaoWang@163.comheihei", ".com.908383407@qq.com"]
 
for email in email_list:
    ret = re.match("[\w]{4,20}@163\.com", email)
    if ret:
        print("%s 是符合规定的邮件地址,匹配后的结果是:%s" % (email, ret.group()))
    else:
        print("%s 不符合要求" % email)
运行结果：
xiaoWang@163.com 是符合规定的邮件地址,匹配后的结果是:xiaoWang@163.com
xiaoWang@163.comheihei 是符合规定的邮件地址,匹配后的结果是:xiaoWang@163.com
.com.908383407@qq.com 不符合要求

六、匹配分组

字符功能
| 匹配左右任意一个表达式
(ab) 将括号中字符作为一个分组
\num 引用分组num匹配到的字符串
(?P) 分组起别名
(?P=name) 引用别名为name分组匹配到的字符串
示例1：|
需求：匹配出0-100之间的数字

#coding=utf-8
import re
ret = re.match("[1-9]?\d","8")
print(ret.group())  # 8
ret = re.match("[1-9]?\d","78")
print(ret.group())  # 78

#不正确的情况
ret = re.match("[1-9]?\d","08")
print(ret.group())  # 0

#修正之后的

ret = re.match("[1-9]?\d$","08")
if ret:
  print(ret.group())
else:
  print("不在0-100之间")

# 添加|
ret = re.match("[1-9]?\d$|100","8")
print(ret.group())  # 8

ret = re.match("[1-9]?\d$|100","78")
print(ret.group())  # 78

ret = re.match("[1-9]?\d$|100","08")
# print(ret.group())  # 不是0-100之间

ret = re.match("[1-9]?\d$|100","100")
print(ret.group())  # 100

七、 re模块的高级用法

1.search：

需求：匹配出文章阅读的次数
#coding=utf-8
import re
ret = re.search(r"\d+", "阅读次数为 9999")
ret.group()
运行结果:
'9999'

2. findall:

#coding=utf-8
import re
ret = re.findall(r"\d+", "python = 9999, c = 7890, c++ = 12345")
print(ret)
运行结果:
['9999', '7890', '12345']

3. sub 将匹配到的数据进行替换:

需求：将匹配到的阅读次数加1

方法1：
#coding=utf-8
import re
ret = re.sub(r"\d+", '998', "python = 997")
print(ret)
运行结果:
python = 998

方法2：
#coding=utf-8
import re
def add(temp):
    strNum = temp.group()
    num = int(strNum) + 1
    return str(num)
ret = re.sub(r"\d+", add, "python = 997")
print(ret)
ret = re.sub(r"\d+", add, "python = 99")
print(ret)
运行结果:
python = 998
python = 100

看了这么多,做个小练习测试下自己看看是否掌握住了知识点呢，毕竟键盘敲烂，月薪过万!
测试题:从下面的字符串中取出文本
<div>
        <p>岗位职责：</p>
<p>完成推荐算法、数据统计、接口、后台等服务器端相关工作</p>
<p><br></p>
<p>必备要求：</p>
<p>良好的自我驱动力和职业素养，工作积极主动、结果导向</p>
<p>&nbsp;<br></p>
<p>技术要求：</p>
<p>1、一年以上 Python 开发经验，掌握面向对象分析和设计，了解设计模式</p>
<p>2、掌握HTTP协议，熟悉MVC、MVVM等概念以及相关WEB开发框架</p>
<p>3、掌握关系数据库开发设计，掌握 SQL，熟练使用 MySQL/PostgreSQL 中的一种<br></p>
<p>4、掌握NoSQL、MQ，熟练使用对应技术解决方案</p>
<p>5、熟悉 Javascript/CSS/HTML5，JQuery、React、Vue.js</p>
<p>&nbsp;<br></p>
<p>加分项：</p>
<p>大数据，数理统计，机器学习，sklearn，高性能，大并发。</p>
        </div>

#### 这段是我逛招聘网站的时候看到的，不要觉得我是打广告的哦
参考答案:
re.sub(r"<[^>]*>|&nbsp;|\n", "", test_str)

4. split 根据匹配进行切割字符串，并返回一个列表：

需求：切割字符串“info:xiaoZhang 33 shandong”

#coding=utf-8
import re 
ret = re.split(r":| ","info:xiaoZhang 33 shandong")
print(ret)
运行结果:
['info', 'xiaoZhang', '33', 'shandong']

八、python贪婪和非贪婪（重点)：

Python里数量词默认是贪婪的（在少数语言里也可能是默认非贪婪），总是尝试匹配尽可能多的字符；

非贪婪则相反，总是尝试匹配尽可能少的字符。

在"*","?","+","{m,n}"后面加上？，使贪婪变成非贪婪。

 s="This is a number 234-235-22-423"
r=re.match(".+(\d+-\d+-\d+-\d+)",s)
r.group(1)
'4-235-22-423'
 r=re.match(".+?(\d+-\d+-\d+-\d+)",s)
r.group(1)
'234-235-22-423'

正则表达式模式中使用到通配字，那它在从左到右的顺序求值时，会尽量“抓取”满足匹配最长字符串，在我们上面的例子里面，“.+”会从字符串的启始处抓取满足模式的最长字符，其中包括我们想得到的第一个整型字段的中的大部分，“\d+”只需一位字符就可以匹配，所以它匹配了数字“4”，而“.+”则匹配了从字符串起始到这个第一位数字4之前的所有字符。

解决方式：非贪婪操作符“？”，这个操作符可以用在"*","+","?"的后面，要求正则匹配的越少越好。

re.match(r"aa(\d+)","aa2343ddd").group(1)
 '2343'
re.match(r"aa(\d+?)","aa2343ddd").group(1)
 '2'
re.match(r"aa(\d+)ddd","aa2343ddd").group(1) 
'2343'
re.match(r"aa(\d+?)ddd","aa2343ddd").group(1)
 '2343'

九、r的作用

mm = "c:\\a\\b\\c"
print(mm)
    c:\a\b\c
re.match("c:\\\\",mm).group()
    'c:\\'
ret = re.match("c:\\\\",mm).group()
 print(ret)
    c:\
 ret = re.match("c:\\\\a",mm).group()
print(ret)
    c:\a
 ret = re.match(r"c:\\a",mm).group()
print(ret)
    c:\a
ret = re.match(r"c:\a",mm).group()
    Traceback (most recent call last):
      File "<stdin>", line 1, in <module>
    AttributeError: 'NoneType' object has no attribute 'group'

Python中字符串前面加上 r 表示原生字符串，
与大多数编程语言相同，正则表达式里使用"“作为转义字符，这就可能造成反斜杠困扰。假如你需要匹配文本中的字符”"，那么使用编程语言表示的正则表达式里将需要4个反斜杠"\"：前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。

Python里的原生字符串很好地解决了这个问题，有了原生字符串，你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观。

ret = re.match(r"c:\\a",mm).group()
print(ret)
c:\a

BBBrian88

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
python3-正则表达式基本使用方法

一、正则表达式概述正则表达式，又称规则表达式，在代码中常简写为regex、regexp或RE，是计算机科学的一个概念。正则表通常被用来检索、替换那些符合某个模式(规则)的文本。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...
复制链接

扫一扫