欢迎关注天善智能,我们是专注于商业智能BI,人工智能AI,大数据分析与挖掘领域的垂直社区,学习,问答、求职一站式搞定!
对商业智能BI、大数据分析挖掘、机器学习,python,R等数据领域感兴趣的同学加微信:tsaiedu,并注明消息来源,邀请你进入数据爱好者交流群,数据爱好者们都在这儿。
1.正则表达式概述
正则表达式,又称正规表示式、正规表示法、正规表达式、规则表达式、常规表示法(英语:Regular Expression,在代码中常简写为regex、regexp或RE),是计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。在很多文本编辑器里,正则表达式通常被用来检索、替换那些匹配某个模式的文本。
Regular Expression的“Regular”一般被译为“正则”、“正规”、“常规”。此处的“Regular”即是“规则”、“规律”的意思,Regular Expression即“描述某种规则的表达式”之意。
Python通过re模块提供对正则表达式的支持。使用re的一般步骤是先使用re.compile()函数,将正则表达式的字符串形式编译为Pattern实例,然后使用Pattern实例处理文本并获得匹配结果(一个Match实例),最后使用Match实例获得信息,进行其他的操作。
2.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,可以使用一个模块,名字为re
1.re模块的使用过程
#coding=utf-8
# 导入re模块
import re
# 使用match方法进行匹配操作
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()
re.match是用来进行正则匹配检查的方法,若字符串匹配正则表达式,则match方法返回匹配对象(Match Object),否则返回None(注意不是空字符串"")。
匹配对象Macth Object具有group方法,用来返回字符串的匹配部分。
2.re模块示例
#coding=utf-8
import re
result = re.match("taobao","taobao.com")
result.group()
运行结果:
'taobao'
re.match() 能够匹配出以xxx开头的字符串
3.表示字符
**匹配中文字符的正则表达式: ** [\u4e00-\u9fa5]
单字符匹配
匹配分组
表示边界
表示数量
正则表达式中的特殊用法
使用分组的同时,会有一些特殊的使用方式如下:
表达式描述
(?:expression)作为正则表达式的一部分,但是匹配结果丢弃
(?=expression)匹配expression表达式前面的字符,如 "How are you doing" ,正则"(?.+(?=ing))" 这里取ing前所有的字符,并定义了一个捕获分组名字为 "txt" 而"txt"这个组里的值为"How are you do"
(?<=expression)匹配expression表达式后面的字符,如 "How are you doing" 正则"(?(?<=How).+)" 这里取"How"之后所有的字符,并定义了一个捕获分组名字为 "txt" 而"txt"这个组里的值为" are you doing";
(?!expression)匹配字符串后面不是expression表达式字符,如 "123abc" 正则 "d{3}(?!d)"匹配3位数字后非数字的结果
(?
举例:(直接在Python3.5中演示)
表示字符
. 匹配任意1个字符(除了 ) [ ]匹配[ ]中列举的字符 匹配数字,即0-9
re.match(".","a")
<_sre.SRE_Match object; span=(0, 1), match='a'>
re.match(".","abc")
<_sre.SRE_Match object; span=(0, 1), match='a'>
re.match("h","hello Python")
<_sre.SRE_Match object; span=(0, 1), match='h'>
re.match("[hH]","Hello Python")
<_sre.SRE_Match object; span=(0, 1), match='H'>
re.match("[0123456789]","7Hello Python")
<_sre.SRE_Match object; span=(0, 1), match='7'>
re.match("[0-9]","7Hello Python")
<_sre.SRE_Match object; span=(0, 1), match='7'>
re.match("嫦娥2号","嫦娥2号发射成功")
<_sre.SRE_Match object; span=(0, 4), match='嫦娥2号'>
re.match("嫦娥d号","嫦娥2号发射成功")
<_sre.SRE_Match object; span=(0, 4), match='嫦娥2号'>
w 匹配单词字符,即a-z、A-Z、0-9、_和各国语言
re.match('w','abc')
<_sre.SRE_Match object; span=(0, 1), match='a'>
re.match('[\u4e00-\u9fa5]','人生苦短,我用python')
<_sre.SRE_Match object; span=(0, 1), match='人'>
re.match('w','人生苦短,我用python')
<_sre.SRE_Match object; span=(0, 1), match='人'>
re.match('w','人生苦短,我用python',re.ASCII)
None
注意: w 如果只是想匹配字母数字下划线,可以加上re.ASCII
re.match(r"c:\a","c:\a\b\c")
<_sre.SRE_Match object; span=(0, 4), match='c:\a'>
ret = re.match(r"c:\a","c:\a\b\c").group()
print(ret)
c:a
说明:
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,有了原始字符串,我们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。
表示数量
* 匹配前一个字符出现0次或者无限次,即可有可无
+ 匹配前一个字符出现1次或者无限次,即至少有1次
re.match("[A-Z][a-z]*","Mm")
<_sre.SRE_Match object; span=(0, 2), match='Mm'>
re.match("[A-Z][a-z]*","Aabcdef")
<_sre.SRE_Match object; span=(0, 7), match='Aabcdef'>
re.match("[a-zA-Z_]+[w_]*","name1")
<_sre.SRE_Match object; span=(0, 5), match='name1'>
re.match("[a-zA-Z_]+[w_]*","_name")
<_sre.SRE_Match object; span=(0, 5), match='_name'>
re.match("[a-zA-Z_]+[w_]*","2_name")
None
? 匹配前一个字符出现1次或者0次,即要么有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在m-n次范围都可以
re.match("[1-9]?[0-9]","7")
<_sre.SRE_Match object; span=(0, 1), match='7'>
re.match("[1-9]?[0-9]","33")
<_sre.SRE_Match object; span=(0, 2), match='33'>
re.match("[1-9]?[0-9]","09")
<_sre.SRE_Match object; span=(0, 1), match='0'>
re.match("[a-zA-Z0-9_]{6}","12a3g45678")
<_sre.SRE_Match object; span=(0, 6), match='12a3g4'>
re.match("[a-zA-Z0-9_]{6,}","12a3g45678")
<_sre.SRE_Match object; span=(0, 10), match='12a3g45678'>
re.match("[a-zA-Z0-9_]{8,20}","1ad12f23s34455ff66")
<_sre.SRE_Match object; span=(0, 18), match='1ad12f23s34455ff66'>
表示边界
$ 匹配字符串结尾
re.match("[w]{4,20}@163.com", "ererBai@163.com")
<_sre.SRE_Match object; span=(0, 15), match='ererBai@163.com'>
#结尾仍不符合要求,但却没过滤掉
re.match("[w]{4,20}@163.com", "erBai@163.comheihei")
<_sre.SRE_Match object; span=(0, 13), match='erBai@163.com'>
# 通过$来确定末尾
re.match("[w]{4,20}@163.com$", "ererBai@163.comheihei")
None
匹配一个单词的边界
re.match(r".*ver", "ho ver abc")
<_sre.SRE_Match object; span=(0, 6), match='ho ver'>
#报错
re.match(r".*ver", "ho verabc").group()
Traceback (most recent call last):
File "", line 1, in
AttributeError: 'NoneType' object has no attribute 'group'
#报错
re.match(r".*ver", "hover abc").group()
Traceback (most recent call last):
File "", line 1, in
AttributeError: 'NoneType' object has no attribute 'group'
B 匹配非单词边界
re.match(r".*BverB", "hoverabc")
<_sre.SRE_Match object; span=(0, 5), match='hover'>
re.match(r".*BverB", "ho verabc")
None
re.match(r".*BverB", "hover abc")
None
re.match(r".*BverB", "ho ver abc")
None
匹配分组
| 匹配左右任意一个表达式
#匹配出0-100之间的数字
re.match("[1-9]?d","8")
<_sre.SRE_Match object; span=(0, 1), match='8'>
#得到的结果是0,不符合我们的需求
re.match("[1-9]?d","08")
<_sre.SRE_Match object; span=(0, 1), match='0'>
#所以我们应该加$
re.match("[1-9]?d$","08")
None
re.match("[1-9]?d$|100","8")
<_sre.SRE_Match object; span=(0, 1), match='8'>
re.match("[1-9]?d$|100","100")
<_sre.SRE_Match object; span=(0, 3), match='100'>
re.match("[1-9]?d$|100","78")
<_sre.SRE_Match object; span=(0, 2), match='78'>
( ) 将括号中字符作为一个分组
#匹配出163、126、qq邮箱之间的数字
re.match("w{4,20}@163.com", "ererBai@163.com")
<_sre.SRE_Match object; span=(0, 12), match='ererBai@163.com'>
re.match("w{4,20}@(163|126|qq).com", "ererBai@qq.com")
<_sre.SRE_Match object; span=(0, 11), match='ererBai@qq.com'>
re.match("w{4,20}@(163|126|qq).com", "ererBai@126.com")
<_sre.SRE_Match object; span=(0, 12), match='ererBai@126.com'>
e.match("w{4,20}@(163|126|qq).com", "ererBai@gmail.com")
None
um 引用分组num匹配到的字符串
# 能够完成对正确的字符串的匹配
re.match("<[a-zA-Z]*>w*", "hh")
<_sre.SRE_Match object; span=(0, 15), match='hh'>
# 如果遇到非正常的html格式字符串,匹配出错
re.match("<[a-zA-Z]*>w*", "hh")
<_sre.SRE_Match object; span=(0, 23), match='hh'>
# 通过引用分组中匹配到的数据即可,但是要注意是元字符串,即类似 r""这种格式
re.match(r"<([a-zA-Z]*)>w*", "hh")
<_sre.SRE_Match object; span=(0, 15), match='hh'>
# 因为2对<>中的数据不一致,所以没有匹配出来
re.match(r"<([a-zA-Z]*)>w*", "hh")
None
umber 引用分组num匹配到的字符串
#匹配出
taobao.com
re.match(r"<(w*)><(w*)>.*", "
taobao.com
")<_sre.SRE_Match object; span=(0, 36), match='
taobao.com
'>re.match(r"<(w*)><(w*)>.*", "
taobao.com
")None
(?P) (?P=name) 引用别名为name分组分配到的字符串
#匹配出
taobao.com
re.match(r"<(?Pw*)><(?Pw*)>.*", "
taobao.com
")<_sre.SRE_Match object; span=(0, 32), match='
taobao.com
'>re.match(r"<(?Pw*)><(?Pw*)>.*", "
taobao.com
")None
注意:(?P)和(?P=name)中的字母p大写
附:常用表达式
校验数字的表达式
1 数字:^[0-9]*$
2 n位的数字:^d{n}$
3 至少n位的数字:^d{n,}$
4 m-n位的数字:^d{m,n}$
5 零和非零开头的数字:^(0|[1-9][0-9]*)$
6 非零开头的最多带两位小数的数字:^([1-9][0-9]*)+(.[0-9]{1,2})?$
7 带1-2位小数的正数或负数:^(-)?d+(.d{1,2})?$
8 正数、负数、和小数:^(-|+)?d+(.d+)?$
9 有两位小数的正实数:^[0-9]+(.[0-9]{2})?$
10 有1~3位小数的正实数:^[0-9]+(.[0-9]{1,3})?$
11 非零的正整数:^[1-9]d*$ 或 ^([1-9][0-9]*){1,3}$ 或 ^+?[1-9][0-9]*$
12 非零的负整数:^-[1-9][]0-9"*$ 或 ^-[1-9]d*$
13 非负整数:^d+$ 或 ^[1-9]d*|0$
14 非正整数:^-[1-9]d*|0$ 或 ^((-d+)|(0+))$
15 非负浮点数:^d+(.d+)?$ 或 ^[1-9]d*.d*|0.d*[1-9]d*|0?.0+|0$
16 非正浮点数:^((-d+(.d+)?)|(0+(.0+)?))$ 或 ^(-([1-9]d*.d*|0.d*[1-9]d*))|0?.0+|0$
17 正浮点数:^[1-9]d*.d*|0.d*[1-9]d*$ 或 ^(([0-9]+.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*.[0-9]+)|([0-9]*[1-9][0-9]*))$
18 负浮点数:^-([1-9]d*.d*|0.d*[1-9]d*)$ 或 ^(-(([0-9]+.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*.[0-9]+)|([0-9]*[1-9][0-9]*)))$
19 浮点数:^(-?d+)(.d+)?$ 或 ^-?([1-9]d*.d*|0.d*[1-9]d*|0?.0+|0)$
校验字符的表达式
1 汉字:^[\u4e00-\u9fa5]{0,}$
2 英文和数字:^[A-Za-z0-9]+$ 或 ^[A-Za-z0-9]{4,40}$
3 长度为3-20的所有字符:^.{3,20}$
4 由26个英文字母组成的字符串:^[A-Za-z]+$
5 由26个大写英文字母组成的字符串:^[A-Z]+$
6 由26个小写英文字母组成的字符串:^[a-z]+$
7 由数字和26个英文字母组成的字符串:^[A-Za-z0-9]+$
8 由数字、26个英文字母或者下划线组成的字符串:^w+$ 或 ^w{3,20}$
9 中文、英文、数字包括下划线:^[\u4E00-\u9FA5A-Za-z0-9_]+$
10 中文、英文、数字但不包括下划线等符号:^[\u4E00-\u9FA5A-Za-z0-9]+$ 或 ^[\u4E00-\u9FA5A-Za-z0-9]{2,20}$
11 可以输入含有^%&',;=?$"等字符:[^%&',;=?$\x22]+
12 禁止输入含有~的字符:[^~\x22]+
特殊需求表达式
1 Email地址:^w+([-+.]w+)*@w+([-.]w+)*.w+([-.]w+)*$
2 域名:[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(/.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+/.?
3 InternetURL:[a-zA-z]+://[^s]* 或 ^http://([w-]+.)+[w-]+(/[w-./?%&=]*)?$
4 手机号码:^(13[0-9]|14[5|7]|15[0|1|2|3|5|6|7|8|9]|18[0|1|2|3|5|6|7|8|9])d{8}$
5 电话号码("XXX-XXXXXXX"、"XXXX-XXXXXXXX"、"XXX-XXXXXXX"、"XXX-XXXXXXXX"、"XXXXXXX"和"XXXXXXXX):^((d{3,4}-)|d{3.4}-)?d{7,8}$
6 国内电话号码(0511-4405222、021-87888822):d{3}-d{8}|d{4}-d{7}
7 身份证号(15位、18位数字):^d{15}|d{18}$
8 短身份证号码(数字、字母x结尾):^([0-9]){7,18}(x|X)?$ 或 ^d{8,18}|[0-9x]{8,18}|[0-9X]{8,18}?$
9 帐号是否合法(字母开头,允许5-16字节,允许字母数字下划线):^[a-zA-Z][a-zA-Z0-9_]{4,15}$
10 密码(以字母开头,长度在6~18之间,只能包含字母、数字和下划线):^[a-zA-Z]w{5,17}$
11 强密码(必须包含大小写字母和数字的组合,不能使用特殊字符,长度在8-10之间):^(?=.*d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$
12 日期格式:^d{4}-d{1,2}-d{1,2}
13 一年的12个月(01~09和1~12):^(0?[1-9]|1[0-2])$
14 一个月的31天(01~09和1~31):^((0?[1-9])|((1|2)[0-9])|30|31)$
15 钱的输入格式:
1.有四种钱的表示形式我们可以接受:"10000.00" 和 "10,000.00", 和没有 "分" 的 "10000" 和 "10,000":^[1-9][0-9]*$
2.这表示任意一个不以0开头的数字,但是,这也意味着一个字符"0"不通过,所以我们采用下面的形式:^(0|[1-9][0-9]*)$
3.一个0或者一个不以0开头的数字.我们还可以允许开头有一个负号:^(0|-?[1-9][0-9]*)$
4.这表示一个0或者一个可能为负的开头不为0的数字.让用户以0开头好了.把负号的也去掉,因为钱总不能是负的吧.下面我们要加的是说明可能的小数部分:^[0-9]+(.[0-9]+)?$
5.必须说明的是,小数点后面至少应该有1位数,所以"10."是不通过的,但是 "10" 和 "10.2" 是通过的:^[0-9]+(.[0-9]{2})?$
6.这样我们规定小数点后面必须有两位,如果你认为太苛刻了,可以这样:^[0-9]+(.[0-9]{1,2})?$
7.这样就允许用户只写一位小数.下面我们该考虑数字中的逗号了,我们可以这样:^[0-9]{1,3}(,[0-9]{3})*(.[0-9]{1,2})?$
8.1到3个数字,后面跟着任意个 逗号+3个数字,逗号成为可选,而不是必须:^([0-9]+|[0-9]{1,3}(,[0-9]{3})*)(.[0-9]{1,2})?$
- 备注:这就是最终结果了,别忘了"+"可以用"*"替代如果你觉得空字符串也可以接受的话(奇怪,为什么?)最后,别忘了在用函数时去掉去掉那个反斜杠,一般的错误都在这里
16 xml文件:^([a-zA-Z]+-?)+[a-zA-Z0-9]+\.[x|X][m|M][l|L]$
17 中文字符的正则表达式:[\u4e00-\u9fa5]
18 双字节字符:[^\x00-\xff] (包括汉字在内,可以用来计算字符串的长度(一个双字节字符长度计2,ASCII字符计1))
19 空白行的正则表达式: s* (可以用来删除空白行)
20 HTML标记的正则表达式:<(S*?)[^>]*>.*?|<.*? /> (网上流传的版本太糟糕,上面这个也仅仅能部分,对于复杂的嵌套标记依旧无能为力)
21 首尾空白字符的正则表达式:^s*|s*$或(^s*)|(s*$) (可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等),非常有用的表达式)
22 腾讯QQ号:[1-9][0-9]{4,} (腾讯QQ号从10000开始)
23 中国邮政编码:[1-9]d{5}(?!d) (中国邮政编码为6位数字) 33 IP地址:d+.d+.d+.d+ (提取IP地址时有用) 34 IP地址:((?:(?:25[0-5]|2[0-4]\d|[01]?\d?\d)\.){3}(?:25[0-5]|2[0-4]\d|[01]?\d?\d))
4.re模块的高级用法
1.search
re.search(r"d+", "阅读次数为 9999")
<_sre.SRE_Match object; span=(6, 10), match='9999'>
2.findall
#统计出python、c、c++相应文章阅读的次数
re.findall(r"d+", "python = 9999, c = 7890, c++ = 12345")
['9999', '7890', '12345']
3.sub将匹配到的数据进行替换
#方法一
re.sub(r"d+", '998', "python = 997")
'python = 998'
#方法二
def add(temp):
strNum = temp.group()
num = int(strNum) + 1
return str(num)
re.sub(r"d+", add, "python = 997")
'python = 998'
例子
#从下面的字符串中取出文本
岗位职责:
完成推荐算法、数据统计、接口、后台等服务器端相关工作
必备要求:
良好的自我驱动力和职业素养,工作积极主动、结果导向
技术要求:
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
2、掌握HTTP协议,熟悉MVC、MVVM等概念以及相关WEB开发框架
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
4、掌握NoSQL、MQ,熟练使用对应技术解决方案
5、熟悉 Javascript/CSS/HTML5,JQuery、React、Vue.js
加分项:
大数据,数理统计,机器学习,sklearn,高性能,大并发。
解决方法:
s='''
岗位职责:
完成推荐算法、数据统计、接口、后台等服务器端相关工作
必备要求:
良好的自我驱动力和职业素养,工作积极主动、结果导向
技术要求:
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
2、掌握HTTP协议,熟悉MVC、MVVM等概念以及相关WEB开发框架
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
4、掌握NoSQL、MQ,熟练使用对应技术解决方案
5、熟悉 Javascript/CSS/HTML5,JQuery、React、Vue.js
加分项:
大数据,数理统计,机器学习,sklearn,高性能,大并发。
'''
re.sub(r'| |s','',s)
'岗位职责:完成推荐算法、数据统计、接口、后台等服务器端相关工作必备要求:良好的自我驱动力和职业素养,工作积极主动、结果导向 技术要求: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2、掌握HTTP协议,熟悉MVC、MVVM等概念以及相关WEB开发框架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4、掌握NoSQL、MQ,熟练使用对应技术解决方案5、熟悉Javascript/CSS/HTML5,JQuery、React、Vue.js 加分项:大数据,数理统计,机器学习,sklearn,高性能,大并发。'
4.split
根据匹配进行切割字符串,并返回一个列表
re.split(r":| ","info:xiaoZhang 33 shandong")
['info', 'xiaoZhang', '33', '', '', '', '', '', '', '', '', '', 'shandong']
re.split(r":| *","info:xiaoZhang 33 shandong")
['info', 'xiaoZhang', '33', 'shandong']
5.贪婪和非贪婪
正则表达式匹配的两种模式:贪婪模式、懒惰模式
贪婪模式:从目标字符串的两头开始搜索,一次尽可能多的匹配符合条件的字符串,但是有可能会匹配到不需要的内容,正则表达式中的元字符、量词、范围等都模式是贪婪匹配模式,使用的时候一定要注意分析结果,
懒惰模式:从目标字符串按照顺序从头到位进行检索匹配,尽可能的检索到最小范围的匹配结果,语法结构是在贪婪模式的表达式后面加上一个符号?即可,
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。
re.match(r"erbai(d+)","erbai521888").group(1)
'521888'
re.match(r"erbai(d+?)","erbai521888").group(1)
'5'
re.match(r"(d+)(.*)", "5211314erbai").groups()
('5211314', 'erbai')
re.match(r"(d+?)(.*)", "5211314erbai").groups()
('5', '211314erbai')
练习
(一)
有一批网址:
http://www.interoem.com/messageinfo.asp?id=35
http://3995503.com/class/class09/news_show.asp?id=14
http://lib.wzmc.edu.cn/news/onews.asp?id=769
http://www.zy-ls.com/alfx.asp?newsid=377&id=6
http://www.fincm.com/newslist.asp?id=415
需要 正则后为:
http://www.interoem.com/
http://3995503.com/
http://lib.wzmc.edu.cn/
http://www.zy-ls.com/
http://www.fincm.com/
表达式:
#单个修改的表达式有以下几种参考方案
re.match(r'http.+.[a-z]{2,3}/',str)
re.match(r'http://.*?/',str)
re.sub(r'(http://.*?/).*',lambda x:x.group(1),str)
#整块都修改
import re
f = open('url.txt','w')
s = '''http://www.interoem.com/messageinfo.asp?id=35
http://3995503.com/class/class09/news_show.asp?id=14
http://lib.wzmc.edu.cn/news/onews.asp?id=769
http://www.zy-ls.com/alfx.asp?newsid=377&id=6
http://www.fincm.com/newslist.asp?id=415'''
f.write(s)
f = open('url.txt','r')
def main():
for line in f:
ret = re.match(r'http://.+.[a-z]{2,3}/', line)
print(ret.group())
f.close()
if __name__ == '__main__':
main()
结果:
http://www.interoem.com/
http://3995503.com/
http://lib.wzmc.edu.cn/
http://www.zy-ls.com/
http://www.fincm.com/
(二)
现在有一句英文如下:
hello world ha ha
需求查找所有的单词
表达式:
#我写了两种,当然方法是多种的
re.split(r' +','hello world ha ha')
['hello', 'world', 'ha', 'ha']
re.findall(r' w+',’ hello world ha ha’)
['hello', 'world', 'ha', 'ha']
2017.8.9回顾
1.正则表达式(Regular Expression):查询和匹配字符串的规则
2.正则表达式表示数据
普通字符: 元数据,可以用于匹配指定的字符
r = “a”:用于在目标字符串中匹配小写字母a元字符
r = “.”:用于匹配任意一个字符
r = “”:转移字符~用于将一个普通的字符,转义成一个有意义的字符
r = “d”:表示一个0~9之间的整数
r = “D”:表示一个非数字字符
r = “w”:表示任意一个0~9或者字母或者下划线的字符
r = “W”:表示任意一个特殊字符
r = “s”:表示匹配一个空白字符
r = “S”:表示匹配一个非空白字符
r = “^”:匹配字符串的开头位置
r = “$”:匹配字符串的结束位置
r = “d*”:表示前面匹配的字符出现了0次或者多次
r = “d?”:表示前面匹配的字符出现了0次或者1次
r =”d+”:表示前面匹配的字符出现了1次或者多次
#范围匹配
分组匹配方式:将多个匹配字符当成一个完整的匹配公式
(abc):用于在目标字符串中查询abc同时出现的地方
选择匹配方式:将指定的多个字符,选择其中一个进行匹配
[abc]:用于在目标字符串中,查询a或者b或者c出现的地方
[0-9]:用于匹配一个0~9之间的数字->等价于d
[a-z]:用于匹配一个a-z之间的字母
[A-Z]:用于匹配一个A-Z之间的字母
[a-zA-Z]:用于匹配一个字母【大小写均可】
[a-zA-Z0-9_]:用于匹配一个非特殊字符,等价于w
#范围匹配
d{m, n}:匹配到的字符出现了至少m次,最多n次
d{,20}:匹配一个数字最多出现20次
d{8,}:匹配一个数字,最少出现8次
d{8,16}:匹配一个数字,最少出现8次,最多出现16次
#正则表达式在python中的使用
正则表达式,在python中,主要用到了一个re模块
compile():编译正则表达式
pattern = re.compile(“^d{2,}$”)
pattern = r‘^d{2,}$’
pattern.match(str,begin,end):从指定的字符串str第一个字符查询匹配的字符
pattern.search(str, begin, end):从指定的字符串中直接进行查询,查询到的第一个结果作为匹配结果
pattern.findall(str):从指定的字符串中,查询符合匹配规则的字符,将所有符合的字符存放在一个列表中
pattern.finditer(str):从指定的字符串中,查询符合匹配规则的字符保存在一个可以迭代的对象中
pattern.sub():替换
pattern.split():拆分
文章来源:天善智能社区https://ask.hellobi.com/publish/article/11817
作者:许胜利