python正则表达式

最新推荐文章于 2024-08-23 09:55:33 发布

_BooI

最新推荐文章于 2024-08-23 09:55:33 发布

阅读量1.1k

点赞数 27

分类专栏： python知识点文章标签：正则表达式

本文链接：https://blog.csdn.net/chenchun0458/article/details/140280003

版权

python知识点专栏收录该内容

5 篇文章 2 订阅

订阅专栏

一、正则表达式常用的字符集

[abc]  表示匹配a、b、c中的任意一个字符
[a-z]  表示匹配a到z之间的任意一个小写字母
[A-Z]  表示匹配A到Z之间的任意一个大写字母
[0-9]  表示匹配0到9之间的任意一个数字
[^abc]  表示匹配除了a、b、c之外的任意一个字符，^在字符集里表示取反
[0-9a-zA-Z]  表示匹配0-9之间、a-z之间、A-Z之间的任意某个字符

\d   匹配数字，即[0-9]
\D   匹配非数字，即不是数字，[^0-9]
\s   匹配空白，即 空格，tab键（制表符），换行符
\S   匹配非空白
\w   匹配非特殊字符，匹配任意一个字母、数字或下划线，相当于[a-zA-Z0-9_]
\W   匹配特殊字符，匹配任意一个非字母、数字或下划线，相当于[^a-zA-Z0-9_]

二、 re模块的相关方法

1、re.match(pattern, string, flags=0)

res = re.match(r'\d+', '123abc123')  # 返回一个对象
if res:
    print(res)  # <re.Match object; span=(0, 3), match='123'>
    print(res.group(), type(res.group()))  # 123 <class 'str'>
else:
    print('不匹配')

2、re.search(pattern, string, flags=0)

# 返回匹配的第一个位置的值
res = re.search(r'\d+', "ab - 6 5xy")
if res:
    print(res.group())  # 6
else:
    print('不匹配')

3、re.findall(pattern, string, flags=0)

# 查找所有匹配的值，并返回一个存放匹配结果的列表
res = re.findall(r'\d+', '12abcd45lk09')
print(res)  # ['12', '45', '09']

4、re.finditer(pattern, string, flags=0)

# 用于搜索字符串中与正则表达式匹配的所有子串，并返回一个迭代器。
# 取值需要用for循环 + group()
res = re.finditer(r'\d+', '45asd3')
for i in res:
    print(i.group())  # 45 3

5、re.sub(pattern, repl, string, count=0, flags=0)

string = 'hello hello world'
res = re.sub('hello', 'hi', string)
print(res)  # hi hi world

6、re.compile(pattern, flags=0)

# 用于编译正则表达式，并返回一个正则表达式对象。
pattern = re.compile(r'\d+')  # 构造一个正则表达式对象
res = pattern.findall('121sdsd2121vvc12')  # 使用编译后的正则表达式进行匹配
print(res)  # ['121', '2121', '12']

三、小案例

1、案例：查找一个字符串中是否具有数字“8”

# res = re.search('8', '123876')
res = re.findall('8', '123876')
# res = re.finditer('8', '123876')
if res:
    print(res)  # 返回匹配的第一个结果
else:
    print("没有")

2、案例2：查找一个字符串中是否具有数字

# re的多个方法都能查询
res = re.findall(r'\d', '12abcd45lk09')
print(res)  # ['1', '2', '4', '5', '0', '9']

3、案例3：查找一个字符串中是否具有非数字

# 匹配非数字正则表达式是 '\D'
pattern = re.compile(r'\D')
res = pattern.findall('12nn2121j')
if res:
    print(res)  # ['n', 'n', 'j']
else:
    print('没有')

四、元字符

元字符是正则表达式中的特殊字符，用来表示特定的字符或字符组合，用来表示特殊的匹配含义。

正则表达式练习：在线正则表达式测试 (oschina.net)

五、几个重要概念说明

1、子表达式（又称之为分组）

在Python的正则表达式中，子表达式是指使用小括号 () 包裹起来的一部分表达式。

它们的作用主要有两个：

1）分组：子表达式可以将多个元素组成一个逻辑分组，以便于在匹配过程中进行重复操作、分析或引用。例如，(abc){2} 表示匹配两个连续的 "abc"。

2）捕获：子表达式还可以被捕获，以便于在匹配成功后获取到具体的值。捕获的内容可以通过编号或者使用命名分组来引用。

# 案例一
pattern = r'(ab)+'
string = 'ababab'
res = re.findall(pattern, string)
print(res)  # 输出: ['ab']

# 案例二
res = re.search(r'\d(\d)(\d)', 'abcdef123ghijklmn')
print(res.group())  # 123

2、捕获

1）捕获指的是在正则表达式中使用小括号 () 将匹配的部分包裹起来，以便后续引用或处理这部分内容。捕获的内容可以使用编号或命名分组进行引用。

2）在正则表达式的匹配过程中，当一个子表达式匹配到相应的内容后，计算机系统会自动将匹配到的内容保存在一个特定的数据结构中，通常称为捕获组的缓存区。

3)）在 Python 中，通过 re 模块进行正则表达式的匹配，可以通过 group(n) 方法来访问捕获的内容，其中 n 为捕获组的编号。

# 捕获
pattern = r'(\d{2})-(\d{2})-(\d{4})'
match = re.search(pattern, '31-12-2022')
print(match.group(1))  # 输出: 31
print(match.group(2))  # 输出: 12
print(match.group(3))  # 输出: 2022

3、命名分组

1）命名分组是在正则表达式中为捕获组添加名称的一种方式，它能够使得引用和处理捕获的内容更加清晰和直观。

2）命名分组的语法格式：(?P<name>pattern)，name 是你希望为该捕获组指定的名称，pattern 是该捕获组的正则表达式模式。

# 命名分组
pattern = r'(?P<one>\d{2})-(?P<two>\d{2})-(?P<three>\d{4})'
match = re.search(pattern, '31-12-2022')
print(match.group('one'))  # 输出: 31
print(match.group('two'))  # 输出: 12
print(match.group('three'))  # 输出: 2022

4、反向引用

1）反向引用是正则表达式中的一种功能，它允许引用先前捕获的内容。通过反向引用，可以在正则表达式中使用前一个捕获组所匹配到的内容。

2）反向引用的语法格式如下：\N，\N 是一个特殊的转义序列，表示引用编号为 N 的捕获组的内容。

# 从左往右，第一个小括号称为第一个匹配组，以此类推
pattern = r'(\w)\1'  # 匹配与第一个匹配组相同的内容
string = "hello goodd"
res = re.finditer(pattern, string)
for i in res:
    print(i.group())

'''
结果：
ll
oo
dd
'''

5、练习

1)（正常）查找连续的四个数字，如：3569

答：\d\d\d\d或\d{4}

2）查找连续的相同的四个数字，如：1111

答：(\d)\1\1\1

3）查找数字，如：1221，3443

答：(\d)(\d)\2\1

4）查找字符，如：AABB，TTMM（提示：A-Z，正则：[A-Z]）

答：([A-Z])\1([A-Z])\2

5）查找连续相同的四个数字或四个字符（提示：\w）

答：(\w)\1\1\1

六、综合练习

1、需求：在列表中["apple", "banana", "orange", "pear"]，匹配apple和pear

lis = ["apple", "banana", "orange", "pear"]
lis_str = str(lis)  # 将整个列表转成字符串，包括中括号
res = re.findall(r'apple|pear', lis_str)
print(res)  # ['apple', 'pear']

2、需求：匹配出163、126、qq等邮箱号。

# 匹配邮箱
email = '1478670@qq.com, go@126.com, heima123@163.com'
res = re.finditer(r'\w+@(qq|126|163).com', email)
if res:
    for i in res:
        print(i.group())
else:
    print('无匹配邮箱')

'''
结果是：
1478670@qq.com
go@126.com
heima123@163.com
'''

3、匹配一个 URL

pattern = r'https?://\w+(\.\w+)+'
string = 'url is https://www.example.con'
res = re.search(pattern, string)
print(res.group())
'''
https?: 表示匹配http或https
\w: 表示匹配一个或多个字符
(\.\w)+: \.表示转义，就是一个点(.), 总体表示匹配一个或多个'.xxx'这样的字符串  
'''

4、匹配日期

pattern = r'\d{4}-\d{2}-\d{2}'
string = 'Today is 2024-07-08'
res = re.search(pattern, string)
print(res.group())  # 2024-07-08

5、匹配一个 IP 地址

# ip地址的每一位的范围都是0~255，所以匹配的时候范围在1~3
pattern = r"\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}"
string = "ip is 192.169.10.10"
res = re.search(pattern, string)
print()

多练，多练，多练！！！