python带多demo的正则表达式

最新推荐文章于 2024-09-27 10:11:28 发布

TodChen_Blogger

最新推荐文章于 2024-09-27 10:11:28 发布

阅读量322

点赞数

分类专栏： python 正则表达式文章标签： python 正则表达式

本文链接：https://blog.csdn.net/TodChen_Blogger/article/details/105644584

版权

python 同时被 2 个专栏收录

5 篇文章 0 订阅

订阅专栏

正则表达式

1 篇文章 0 订阅

订阅专栏

正则表达式

用途
1.判断用户输入的数据是否符合你的要求（用户名，密码等）
2.爬虫，数据清洗

正则表达式概述

re模块操作

简单举例

import re
# re.match(正则表达式， 要处理的字符串)
result = re.match(r'hello', 'hello world')
result1 = re.match(r'Hello', 'hello world')

result2 = re.match(r'[Hh]ello', 'hello world')
result3 = re.match(r'[Hh]ello', 'Hello world')

print(result)  # <re.Match object; span=(0, 5), match='hello'>
print(result1)  # None
print(result2)  # <re.Match object; span=(0, 5), match='hello'>
print(result3)  # <re.Match object; span=(0, 5), match='hello'>

# group返回匹配到的数据
print(result.group())  # hello
# print(result1.group())  # 空None，报错
print(result2.group())  # hello
print(result3.group())  # Hello

观察现象，判断是否符合re.match的正则表达式规范，若符合规范则有数据返回，反之没有数据返回

匹配单个字符

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
\s	匹配空白，即空格和tab键
\S	匹配非空白
\w	匹配单词字符，即a-z, A-Z, 0-9 ,_(python 要求定义变量的规范，但是要慎用，他能返回中文字符)
\W	匹配非单词字符

举一个demo

import re

# 只能匹配一个字符
# \d 范围0-9  ，速度与激情没有9 需要规定范围
# [] 的作用 取用一个数据[12345678] 从1-8取一个
ret = re.match(r'速度与激情\d', '速度与激情1')
ret1 = re.match(r'速度与激情\d', '速度与激情2')
ret2 = re.match(r'速度与激情\d', '速度与激情22')
ret3 = re.match(r'速度与激情[12345678]]', '速度与激情9')
# 若排序正好为12345678则可写为1-8， 若不连续不能写1-8
ret4 = re.match(r'速度与激情[1-8]]', '速度与激情0')

# 若想看速度与激情123系列与678系列
ret5 = re.match(r'速度与激情[123678]', '速度与激情5')
ret6 = re.match(r'速度与激情[1-36-9]', '速度与激情5')

ret7 = re.match(r'速度与激情\w', '速度与激情啊')

print(ret.group())  # 速度与激情1
print(ret1.group())  # 速度与激情2
print(ret2.group())  # 速度与激情2
print(ret3)  # None
print(ret4)  # None
print(ret5)  # None
print(ret6)  # None
print(ret7.group())  # 速度与激情啊

匹配多个字符

字符	功能
*	匹配前一个字符出现0次或者无数次，即可有可无
+	匹配前一个字符出现1次或者无数次，即至少有1次
？	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,n}	匹配前一个字符出现从m次到n次，都可以

举一个demo

import re

# {m,n}用法
ret = re.match(r'速度与激情\d{1,3}', '速度与激情')
ret1 = re.match(r'速度与激情\d{1,3}', '速度与激情1')
ret2 = re.match(r'速度与激情\d{1,3}', '速度与激情12')
ret3 = re.match(r'速度与激情\d{1,3}', '速度与激情123')
ret4 = re.match(r'速度与激情\d{1,3}', '速度与激情1234')

# ？的作用
# 假设我们匹配杭州的电话号码
ret5 = re.match(r'0571-?\d{8}', '0571-12345678')
ret6 = re.match(r'0571-?\d{8}', '057112345678')

# * + 的使用
content = """jijfaf
fadsfadsf
fasdfasf
fasdfadf
f"""
ret7 = re.match(r'.*', content)
ret8 = re.match(r'.*', content, re.S)
ret9 = re.match(r'.*', '')
ret10 = re.match(r'.+', '')

print(ret)  # None
print(ret1.group())  # 速度与激情1
print(ret2.group())  # 速度与激情12
print(ret3.group())  # 速度与激情123
print(ret4.group())  # 速度与激情123
print(ret5.group())  # 0571-12345678
print(ret6.group())  # 057112345678
print(ret7.group())  # jijfaf
print(ret8.group())
"""
jijfaf
fadsfadsf
fasdfasf
fasdfadf
f
"""
print(ret9.group())  #
print(ret10)  # None

匹配开头结尾

注意注意
match只判断了以谁开头，但是没判断以谁结尾

字符	功能
^	开头
$	结尾

做个练习，正则匹配出python变量名是否符合规范

# coding = utf-8
import re


def main(names):
    """判断变量名是否符合规范"""
    for name in names:
        # 完整的判断^开头$结尾
        ret = re.match(r'^[a-zA-Z_]+[a-zA-Z0-9_]*$', name)
        if ret:
            print(ret.group())
            """
            name1
            _name
            __name__
            """


if __name__ == '__main__':
    names = ['name1', '_name', '2_name', '__name__', 'a#123', 'a!']
    main(names)

判断163邮箱地址

# coding = utf-8
import re


def main(email):
    """判断163邮箱地址"""
    # 注意注意  .?等需要转义
    ret = re.match(r'^[a-zA-Z0-9_]{4,20}@163\.com$', email)
    if ret:
        print(ret.group())
    else:
        print('no')


if __name__ == '__main__':
    email = input('邮箱地址')
    main(email)

匹配分组

刚才介绍了正则匹配163邮箱，但是如果还想继续匹配126或者qq就要换一种方式，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,分组还可以提取,几个括号写最多在group写几个
\num	引用分组num匹配到的字符串
(?P=<name>)	分组起别名
(?P=name)	引用别名为name分组匹配到的字符串

举例

# coding = utf-8
import re


def num(html):
    """使用\num"""
    ret = re.match(r'^<(\w*)><(\w*)>.*</\2></\1>$', html)
    ret1 = re.match(r'^<(?P<p1>\w*)><(?P<p2>\w*)>.*</(?P=p2)></(?P=p1)>$', html)
    if ret:
        print(ret.group())  # <body><h1>haha</h1></body>

    if ret1:
        print(ret1.group())  # <body><h1>haha</h1></body>


def main(email):
    """()的使用"""
    # 注意注意  .?等需要转义  | 表示or，  （）表示分组
    ret = re.match(r'^([a-zA-Z0-9_]{4,20})@(163|126|qq)\.com$', email)
    if ret:
        print(ret.group())  # 1011123304@qq.com
        print(ret.group(1))  # 1011123304
        print(ret.group(2))  # qq
    else:
        print('no')


if __name__ == '__main__':
    email = '1011123304@qq.com'
    html = "<body><h1>haha</h1></body>"
    main(email)
    num(html)

能用\1，就不写name，太麻烦了

re模块的高级用法

re.match ：固定从开头开始匹配
re.search ：寻找可以不从开头开始匹配,但是要注意，他只能找到第一个，第二个开始就不行
re.findall : 能找到所有东西，返回列表，直接返回数据不用group
re.sub : 不管什么数据都替换找到所有数据，不用group, sub支持函数的使用
re.split : 将数据切割，以列表形式返回

举例

# coding = utf-8
import re


def search():
    """re.search"""
    ret = re.search(r'\d+', '阅读 999，点赞数 888')
    print(ret.group())  # 999


def findall():
    """re.findall"""
    ret = re.findall(r'\d+', '阅读 999，点赞数 888')
    print(ret)  # ['999', '888']


def add(temp):
    str_num = temp.group()
    num = int(str_num) + 1
    return str(num)


def sub():
    """re.sub"""
    ret = re.sub(r'\d+', '666', '阅读 999，点赞数 888')
    print(ret)  # 阅读 666，点赞数 666

    ret1 =re.sub(r'\d+', add, '阅读 999，点赞数 888')
    print(ret1)  # 阅读 1000，点赞数 889


def split():
    """re.split"""
    ret = re.split(r':| ', 'ni shi bu shi:sha')
    print(ret)  # ['ni', 'shi', 'bu', 'shi', 'sha']


if __name__ == '__main__':
    search()
    findall()
    sub()
    split()

实战：

# coding = utf-8
import re


text = """
<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>
"""


def main(_text):
    """数据清洗"""
    txt = re.sub(r'</?\w*>|(&nbsp;)', '', _text)
    print(txt)


if __name__ == '__main__':
    main(text)

"""
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。
"""

贪婪和非贪婪

# coding = utf-8
import re


def main():
    s = "This is a number 234-235-22-423"
    ret = re.match(r'.+(\d+-\d+-\d+-\d+)', s)
    ret1 = re.match(r'.+?(\d+-\d+-\d+-\d+)', s)
    if ret:
        print(ret.group(1))  # 4-235-22-423
        print(ret1.group(1))  # 234-235-22-423


if __name__ == '__main__':
    main()

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。