Python-正则表达式详解

一、认识正则表达式

1. 什么是正则表达式

正则表达式是一种可以让复杂的字符串变得简单的工具。

# 案例1：写程序判断一个字符串是否是一个合法的手机号  
str1 = '13678192323'  
  
# 方法1：不使用正则  
if len(str1) != 11:  
print('不合法')  
else:  
if str1[0] != '1':  
print('不合法')  
else:  
if str1[1] in '012':  
print('不合法')  
else:  
for x in str1[2:]:  
if not x.isdigit():  
print('不合法')  
break  
else:  
print('合法')  
  
# 方法2：使用正则  
from re import fullmatch, split  
if fullmatch(r'1[3-9]\d{9}', str1):  
print('合法')  
else:  
print('不合法')  
  
  
# 案例2：将字符串中所有的数字子串作为切割点进行切割  
str1 = 'amn23kjs892换手技术34江苏师范'  
result = split(r'\d+', str1)  
print(result)

不管使用正则解决的是什么样的字符串问题，写正则表达式的目的只有一个：用正则表达式描述字符串规则

二、正则表达式匹配类符号

1. 正则表达式

写正则表达式就是用各种各样的正则符号来描述字符串规则

2. re模块

re模块是python的系统模块，这个模块中提供了各种各样和正则表达式相关的函数。

在python中使用正则表达式是通过re模块中的函数来用的。

fullmatch(正则表达式, 字符串) - 完全匹配，让整个字符串和正则进行匹配(判断整个字符串是否符合正则表达式所描述的规则)，如果匹配成功返回值是匹配对象，匹配失败返回None

注：正则表达式的格式 - r’正则表达式’

from re import fullmatch

3.匹配类符号

1）普通符号 - 表达式符号本身

result = fullmatch(r'abc', 'abc')  
print(result)

2) . - 匹配任意一个字符

result = fullmatch(r'.bc', '块bc')  
print(result)

3) \d - 匹配任意一个数字字符

result = fullmatch(r'a\db', 'a3b')  
print(result)

4) \s - 匹配任意一个空白字符(空格、\t、\n)

result = fullmatch(r'a\sb', 'a b')  
print(result)

5) \w - 匹配任意一个字母、数字、下划线和中文

result = fullmatch(r'a\wb', 'a块b')  
print(result)

6）\D、\S、\W

\D - 匹配任意一个非数字字符

\S - 匹配任意一个非空白字符

\W - 匹配任意一个非(数字、字母、下划线或者中文)

result = fullmatch(r'1\D2\S3\W', '1,2集3#')  
print(result)

7）[字符集] - 匹配在字符集中的任意一个字符

1）[MNA] - 匹配M或者N或者A

2）[\dMN] - 匹配任意一个数字或者M或者N

3）[1-9] - 匹配数字字符1到9中的任意一个

4）[a-z] - 匹配任意一个小写字母

5）[\u4e00-\u9fa5] - 匹配任意一个中文

6）[a-zA-Z] - 匹配任意一个字母

9）[a-zA-Z\d] - 匹配任意一个字母或者数字

10）[a-zA-Z\d+] - 匹配任意一个字母或者数字或者+

# 'aAb'  
result = fullmatch(r'a[MNA]b', 'aMb')  
print(result)  
  
# '+34'、'-45'、'-98'  
result = fullmatch(r'[+-]\d\d', '+90')  
print(result)  
  
result = fullmatch(r'a[MN\d]b', 'aMb')  
print(result)  
  
result = fullmatch(r'a[1-8]b', 'a2b')  
print(result)  
  
result = fullmatch(r'a[\u4e00-\u9fa5]b', 'a是b')  
print(result)

8）[^字符集] - 匹配不在字符集中的任意一个字符

result = fullmatch(r'a[^MN]b', 'a@b')  
print(result)  
  
result = fullmatch(r'a[^A-Z]b', 'amb')  
print(result)

三、匹配次数

from re import fullmatch,match,findall

1. * - 任意次数（包括0次）

result = fullmatch(r'a\d*b', 'a890b')  
print(result)  
  
result = fullmatch(r'a*\db', 'aaaa3b')  
print(result)  
  
result = fullmatch(r'a[A-Z]*b', 'aMMKb')  
print(result)

2. + - 至少1次

result = fullmatch(r'a\d+b', 'a23b')  
print(result)

3. ? - 最多1次(0次或者1次)

‘-7283’

result = fullmatch(r'-?\d+', '-2344')  
print(result)

4. {}

{N} - N次

{M,N} - M到N次

{M,} - 至少M次

{,N} - 最多N次

result = fullmatch(r'\d{3,5}abc', '2492abc')  
print(result)

5.贪婪和非贪婪

在匹配次数不确定的时候，匹配模式可以分为贪婪和非贪婪两种。

在能匹配成功的情况下，如果有多种次数都可以匹配成功，贪婪取最多的那个次数进行匹配，非贪婪取最少的那个次数进行匹配。

贪婪模式：*、+、？、{M,N}、{M,}、{,N}

非贪婪模式：*?、+?、?？、{M,N}?、{M,}?、{,N}?

补：match(正则, 字符串) - 匹配字符串开头

# 2 5 8  
result = match(r'a.+b', 'amnb你好b12b开始三大')  
print(result) # <re.Match object; span=(0, 10), match='amnb你好b12b'>  
  
result = match(r'a.+?b', 'amnb你好b12b开始三大')  
print(result) # <re.Match object; span=(0, 4), match='amnb'>

四、分支和分组

from re import *

1. 分支 - |

正则表达式1|正则表达式2 - 先让字符串和正则表达式1进行匹配，如果失败再和正则表达式2进行匹配

# 'abcMKJ'、'abc23'、'abcMHA'、 'abc34'result = fullmatch(r'abc[A-Z]{3}|abc\d{2}', 'abc23')  
print(result)  
  
result = fullmatch(r'abc([A-Z]{3}|\d{2})', 'abc23')  
print(result)

2. 分组 - ()

1) 整体操作

# 'M12K34L45...'  
result = fullmatch(r'([A-Z]\d{2})+', 'K34P23H34B23')  
print(result)  
  
result = fullmatch(r'abc([A-Z]{3}|\d{2})', 'abc23')  
print(result)

2) 重复

在正则表达式中可以通过 ‘\N’ 来重复它前面第N个分组匹配到的结果 （N指的是任意一个正整数）

# 'mn123mn'、'kh234kh'、'ak109ak'  
result = fullmatch(r'([a-z]{2})\d{3}\1', 'mn123mn')  
print(result)  
  
result = fullmatch(r'([A-Z]{3})abc(\d{2})\1\2{3}', 'MKJabc12MKJ121212')  
print(result)  
  
# 案例: 写一个正则表达式判断指定字符串是否是一个合法的标准标签  
# '<标签名>标签内容</标签名>'  
result = fullmatch(r'<([a-zA-Z\d]+)>[^<>]*</\1>', '<p>你好</p>')  
print(result)

3)捕获

a.自动捕获 - findall这个函数中的正则表达式中如果有分组，获取匹配结果是时候自动捕获分组匹配到的结果

findall(正则表达式, 字符串) - 提取字符串中所有满足正则表达式的子串

result = findall(r'(\d{3})[\u4e00-\u9fa5]', 'm234mn数据290mk283-js2839吗=239科技师范=2800=')  
print(result)

b.手动捕获 - 如果正则函数的结果是匹配对象，在正则表达式中有分组的时候，就可以对匹配对象进行手动捕获(手动获取分组匹配到的结果)

result = match(r'(\d{3})([\u4e00-\u9fa5])', '234吗lkshkf 沙发沙发')  
print(result) # <re.Match object; span=(0, 4), match='234吗'>

匹配对象.group() - 获取整个正则表达式匹配到的结果

匹配对象.group(N) - 获取匹配结果中第N个分组匹配到的内容

print(result.group()) # 234吗  
print(result.group(1)) # 234  
print(result.group(2)) # 吗