正则表达式
正则表达式,又称规则表达式**。**(英语:Regular Expression,在代码中常简写为regex、regexp或RE),计算机科学的一个概念。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。正则表达式,又称为
- 给定的字符串是否符合正则表达式的过滤逻辑(匹配)
- 通过正则表达似乎,从字符串中获得我们想要的特定的部分
使用场景
- 爬虫
- 数据挖掘和分析
在Python中使用正则需要导入re
包
import re
首先我们来看两个例子来体验一下正则表达式的威力吧:
### 引入案例1
比如,已知一个列表:
li = [“Chinese”, “China”, “English”, “Britain”, “Canada”, “New Zealand”]
找出以Ch开头的字串。
# 法1
li = ["Chinese", "China", "English", "Britain", "Canada", "New Zealand"]
lt = []
for i in li:
if i[0:2] == "Ch":
lt.append(i)
print(lt)
# 法2
li = ["Chinese", "China", "English", "Britain", "Canada", "New Zealand"]
print([i for i in li if i[0:2]=="Ch"])
import re
a='ab23df5g67'
m=r'[0-9]+'
num=re.findall(m,a)
print(num)
-----》['23', '5', '67']
在来看个例子:
```python
张伟 86-14870293148 \n
王伟 +86-13285654569 \n
王芳 15856529115 \n
李伟 13022816340 \n
王秀英 (86)14785720656 \n
李秀英 17201444672 \n
李娜 15682812452 \n
张秀英 14326967740 \n
刘伟 15146435743 \n
张敏 (86)-17712576838 \n
李静 86 14295083635 \n
张丽 (+86) 13722348123 \n
王静 17587918887 \n
王丽 15493106739 \n
李强 13786842977 \n
张静 86-15542304386 \n
李敏 15642387356 \n
王敏 18627216756 \n
王磊 17206185726 \n
李军 17857426238 \n
刘洋 17345352790 \n
```
对于这样一段字符串,现在让你做如下处理:
1.提取所有 11 位数字电话号码
2.提取所有 18 或 13 开头的电话号码
3.提取所有“王”姓同学的名字
4.提取所有“张”姓同学的电话号码
5.重新排版,排版成统一的格式,去掉国家区号。
python正则表达式的基础
- 单字符匹配规则
字符 | 功能 |
---|---|
. | 匹配任意一个字符(除了\n) |
[] | 匹配【】中列举的字符 |
\d | 匹配数字(0-9) |
\D | 匹配非数字(与\d取反) |
\w | 匹配字,A-Z,a-z,0-9,_ |
\W | 匹配字,\w取反 |
\s | 匹配空白字符,比如空格\tab |
\S | 匹配非空白字符,\s取反 |
demo:
m=re.match('1[35678]\d{9}','17357112858')
print(m.group())
17357112858
m=re.match('.','C')
print(m.group())
C
m=re.match('.','asdas')
print(m.group())
a
m=re.match('s','asdas')
print(m.group())
Traceback (most recent call last):
File "D:/pycharm/PyCharm 2018.1/untitled/start study/2019 8/teach_class/day 0802 regex.py", line 12, in <module>
print(m.group())
AttributeError: 'NoneType' object has no attribute 'group'
m=re.match('a','asdas')
print(m.group())
a
m=re.match('c','city')
print(m.group())
m=re.match('C','City')
print(m.group())
m=re.match('[Cc]','City')
print(m.group())
m=re.match('[Cc]','city')
print(m.group())
c
C
C
c
match,只匹配开头是搜索字符的字符串,并将其返回。
import re
dir(re)
[‘A’, ‘ASCII’, ‘DEBUG’, ‘DOTALL’, ‘I’, ‘IGNORECASE’, ‘L’, ‘LOCALE’, ‘M’, ‘MULTILINE’, ‘Match’, ‘Pattern’, ‘RegexFlag’, ‘S’, ‘Scanner’, ‘T’, ‘TEMPLATE’, ‘U’, ‘UNICODE’, ‘VERBOSE’, ‘X’, ‘_MAXCACHE’, ‘all’, ‘builtins’, ‘cached’, ‘doc’, ‘file’, ‘loader’, ‘name’, ‘package’, ‘spec’, ‘version’, ‘_cache’, ‘_compile’, ‘_compile_repl’, ‘_expand’, ‘_locale’, ‘_pickle’, ‘_special_chars_map’, ‘_subx’, ‘compile’, ‘copyreg’, ‘enum’, ‘error’, ‘escape’, ‘findall’, ‘finditer’, ‘fullmatch’, ‘functools’, ‘match’, ‘purge’, ‘search’, ‘split’, ‘sre_compile’, ‘sre_parse’, ‘sub’, ‘subn’, ‘template’]
- re.match(pattern,string,flags=0)
- 作用:从字符串的开头开始匹配一个模式
- 匹配成功,返回一个匹配成功的对象
- 否则,返回None
- 参数说明:
- pattern:匹配的正则表达式
- string:要匹配的字符串
- flags:标志位,用于控制正则表达式的匹配方式,比如是否匹配多行,是否区分大小写。
- 作用:从字符串的开头开始匹配一个模式
- re.group([group1,…])字符串或者元组
- 作用:获得一个或者多个分组截获的字符串
- 指定多个参数时,就会以元组形式返回。
- group1可以使用编号,也可以使用别名
- 编号0代表匹配整个字符串,默认返回group(0)
- 如果没有截获字符串,返回None
- 截获了多次的组,返回最后一次截获的子串
- re.groups([default=None]) tuple
- 作用:以元组形式返回全部分组截获的字符串。类似调用re.group(1,2,…,last)
- 如果没有截获字符串的组,默认返回None
- re.search(pattern,str,flags=0)
- 作用:扫描整个字符串
数量匹配规则
[外链图片转存失败(img-BicJwHUV-1564738243339)(C:\Users\xdw\AppData\Roaming\Typora\typora-user-images\1564728583073.png)]
表示边界
字符 | 功能 |
---|---|
^ | 匹配字符串开头 |
$ | 匹配字符串的结尾 |
\b | 匹配一个单词的边界 |
\B | 匹配非单词边界 |
##匹配分组
字符 | 功能 |
---|---|
| | 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) | 分组起别名 |
(?P=name) | 引用别名为name分组匹配到的字符串 |
| | 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) | 分组起别名 |
| (?P=name) | 引用别名为name分组匹配到的字符串 |