Python—正则表达式的基础知识

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。

• 给定的字符串是否符合正则表达式的过度逻辑（匹配）
• 通过正则表达式，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

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"])

如果复杂一点 在下面字符串中提取指定字符

b='<table><tr>hello world 18111234589<tr><tr><span>name:张三,tel:18711001111</span></tr></table>'
a=b.find('<span>')+len('<span>')
c=b.find('</span>')
print(b[a:c])

加入存在a='asf23agd5agwa78’提取23 5 78如何实现

正则

import re
a='ab23fd5sf44'
# 提取23 5 44
m=r'[0-9]+'
num=re.findall(m,a)
print(num)

['23', '5', '44']

python正则表达式的基础

简单函数的说明

• 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代表匹配整个子串，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]) 接收默认为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，返回第一次成功匹配的对象
  • 如果匹配失败，返回None
  • 参数：
    • 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

  print(re.search('a','Aliyun is a.').group())
  
  a
  

• re.findall(pattern,str,flags=0)

  • 作用：获取字符串中所有匹配的子串，并以列表形式返回，不用.group()返回输出

print(re.findall('a','Aliyun is a.a'))

['a', 'a']

• re.finditer(pattern,str,flags=0)

  • 作用：获取字符串所有匹配的子串，并返回一个迭代器

  for i in re.finditer('a','Aliyun is a.a'):
      print(i)
      print(i.group())
  
  <_sre.SRE_Match object; span=(10, 11), match='a'>
  a
  <_sre.SRE_Match object; span=(12, 13), match='a'>
  a
  

re.match()和re.search()的区别

• re.match()从字符串开头开始匹配，如果匹配失败，None
• re.search()匹配整个字符串，直到找到一个匹配，如果匹配失败，None

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（\d取反）
\w	匹配字符，A-Z，a-z，0-9，_
\W	\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：

import re
m=re.match('.','asfasf')
print(m.group())
m=re.match('[Aa]','Asf')
print(m.group())
m=re.match('.','\n')
print(m.group())

a
A
    print(m.group())
AttributeError: 'NoneType' object has no attribute 'group'

m=re.match('[0123456789]','665ss')
print(m.group())
m=re.match('[0-9]','66ss')
print(m.group())

6
6

m=re.match('\d','01aaa')
print(m.group())
m=re.match('\w','as')
print(m.group())
m=re.match('\s',' as')
print(m.group())

0
a
   # 空格

数量匹配规则

字符	功能
*	匹配前一个字符出现0次多次或者无限次，可有可无，可多可少
+	匹配前一个字符出现1次多次或者无限次，直到出现一次
？	匹配前一个字符出现1次或者0次，要么有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

demo:

# 手机号的匹配规则
# 全是数字
# 都是11位
# 第一位都是1，第二位是35678中的一个

import re
pattern=input('请输入匹配规则：')
sr=input('请输入匹配字符串：')
m=re.match(pattern,sr)
print(m.group())
m=re.match('1[35678]\d{9}','15988802000')
print(m.group())

请输入匹配规则：1[35678]\d{9}
请输入匹配字符串：15988802000 
15988802000               
# == m=re.match('1[35678]\d{9}','15988802000')
#    print(m.group())

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

demo:

import re
sr=input('请输入匹配字符串：')
pattern=input('请输入匹配规则：')
m=re.match(pattern,sr)
print(m.group())

请输入匹配字符串：ci ty university
请输入匹配规则：^\w+\s\bty\b\s\w+      # \b要前后包住
ci ty university

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1-100的值

 # 0--->0$
# 100--->100$
# 二位数--->[1-9]\d{0,1}
m=re.match('0$|100$|[1-9]\d{0,1}$','22')
print(m.group())

22

匹配特定字符串

str='<h1>hello world!</h1>'
pat='<h1>(.*)</h1>'
res=re.match(pat,str)
print(res.group())
print(res.group(1))
print(res.groups())

<h1>hello world!</h1>
hello world!
('hello world!',)

str='<span><h1>hello world!</h1></span>'
pat=r'<(.*)><(.*)>(.*)</\2></\1>'
res=re.match(pat,str)
print(res.group())
print(res.group(1))
print(res.groups())

<span><h1>hello world!</h1></span>
span
('span', 'h1', 'hello world!')