day 0802 正则表达式

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。
• 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 |