python - re模块(正则表达式)

元字符介绍:

. 　　　　单个字符匹配

^　　　　以字符开头匹配 在[]里面作为非

$　　　　以字符结尾匹配

A|B　　   匹配A或者B的字符串

注意 : | 

>>> re.findall(r"\d+@(?:qq|163).com","270342229@163.comdwa1923949@qq.combfew")
['270342229@163.com', '1923949@qq.com']

---

 

*　　　　(0,无穷多)重复匹配符号前字符

+　　　　(1,无穷多)重复匹配符号前字符

?　　　　(0,1)重复匹配符号前字符

*和+区别:

>>> re.findall("aaf*","dwaadhtfhdw")
['aa']
>>> re.findall("aaf+","dwaadhtfhdw")
[]

---

 

{}　　　　重复万金油

{0,}等同于  * 

{1,}等同于+

{0,1}等同于?

{3}重复3次

---

[]　　　　匹配大括号内的字符

[a]　　　  匹配大廓内的字符一次

[a-z]　　   匹配a-z中任意字符一次

[0-9]　　　匹配0-9中任意字符一次　　　

[^a-z]　　 非字符a-z一次

>>> re.findall("\([^()]*\)",'2*(3+(2*4-(9+4)))')       
['(9+4)']
>>> 
#找到最内层的括号

---

分组

()　　　　　　　　将数据分组匹配

(?P<name>) 　　   命名分组

 

#在运行分组的时候千万要注意!!!!!!!!!!!!!
>>> re.findall("(abc)","abcabcabc")
['abc', 'abc', 'abc']
>>> re.findall("(abc)+","abcabcabc")
['abc']
>>> re.findall("(?:abc)","abcabcabc")
['abc', 'abc', 'abc']
>>> re.findall("(?:abc)+","abcabcabc")
['abcabcabc']
>>> 

#应用分组后,匹配规则优先反馈分组内的数据.

应用:

re.search().group(name)　　

>>> re.search(r"(?P<zjm>主机名)(?P<id>\w{2}\d+)","主机名PC201808110908n7旗舰版").group("zjm")
'主机名'
>>> re.search(r"(?P<zjm>主机名)(?P<id>\w{2}\d+)","主机名PC201808110908n7旗舰版").group("id")
'PC201808110908'
>>> 

---

特殊符号:

\d　　 匹配数字,[0-9]

\D　　匹配任何非数据[^0-9]

\s　　 匹配任何空白字符,[\t\n\r\f\v]

\S　　匹配任何非空白字符,[^\t\n\r\f\v]

\w　　匹配任何字母数字,[a-zA-Z0-9]

\W　   匹配任何非字符数字[^a-zA-Z0-9]

\b　　匹配一个reshuffle字符边界,空格,&,#等

---

re 方法:

import re #导入模块

re.findall()　　　　找到匹配数据,返回一个 列表类型

re.match()　　　　找到匹配数据,返回一个对象(包含匹配字符位置以及字符) 可以group取出数据

re.split()　　　　   找到匹配数据,已找到数据分割

re.sub()　　　　　参数:re.sub("匹配规则","替换规则",字符串,替换次数)

 

compile方法

obj = re.compile

obj.re方法(字符串)

>>> obj = re.compile("\d")
>>> obj.findall("123dasda323432")
['1', '2', '3', '3', '2', '3', '4', '3', '2']
>>> 

 

re.finditer()　　　　将匹配到的数据转换成生成器.  .__next__.group()获取数据.

 

---

 

练习题:

1.邮箱地址匹配:

import re
#从中找到4条邮箱地址:
#识别模式:数字+@+qq|163|135.com
msg = "sdfefsefEGDFSBD234T37YCUN32JF6SC5621RKI9JSF455342229@qq.comewfjskdbfui123546165@163.comu12hjhuigyusjnef6458125646@135.comdehghsfase3267846@qq.comdhwagdshfbhagfdhsfwef"

#以列表形式返回:
email = re.findall("(\d+@(?:163|qq|135).com)",msg)
print(email)

#以单条数据返回
email2 = re.finditer("(\d+@(?:163|qq|135).com)",msg)
print(next(email2).group())
print(next(email2).group())
print(next(email2).group())
print(next(email2).group())

2.利用分组匹配获取字典数据:

data4= re.finditer(r"(?P<id>\d+)*(?P<name>[a-z]+)","123,.........,,,abc")
print(data4.__next__().groupdict())

 

3.MAC地址匹配:

#测试地址
# fe80::3c1b:a04c:f803:aea2
# fe80::814d:cf95:1882:3cf7
# fe80:814d:1882:3cf7:a04c:3cf7

b = re.search(r"(?:\w+|\S\W){12}","fe80::3c1b:a04c:f803:aea2")
print(b.group())

 

4.匹配字符串括号内以及括号内最内层的数据

import re
a = re.findall(r"\([^(]*[^)]\)","3+(4+4)+(2+3+(3*(5/3)))-4*(2+7)")
print(a)

 

5.同一条匹配规则,不同的匹配内容(注意re方法正确使用)

import re
info = "1-2*(60-30+((40/(5+(3*7))+3)+(9+22))"

x= re.search(r"\([^(]([\d+\.\d|\-\d+\.\d+|\-|\*|\/]+)[^)]\)",info)
print(x.group())

x= re.findall(r"\([^(]([\d+\.\d|\-\d+\.\d+|\-|\*|\/]+)[^)]\)",info)
print(x)

re.search 用来查找，单个的字符串，从中提取所需的，不同域值，即不同group的值；

re.findall  一次性提前多个匹配到

• 单个完整的字符串（可以后续接着用re.search再去提取不同group的值）
• 一个tuple值，其中包括了每个group的值 -> 省却了在用re.search提起不同组的值

---

PS:匹配数据的四种模式应当要注意:
　　1.无分组无命名 匹配
　　2.分组无命名单组 匹配
　　3.分组无命名 全组匹配
　　4.分组命名 匹配

lP_noGroup = "http://\w+\.\w+\.\w+.+?/\w+?.jpg"
# 1.无分组无命名 匹配

lP_unnamedGroup = "http://(\w+)\.(\w+)\.(\w+).+?/(\w+?).jpg"
# 2.分组无命名单组 匹配(不带命名的)

lP_nonCapturingGroup = "http://(?:\w+)\.(?:\w+)\.(?:\w+).+?/(?:\w+?).jpg"
# 3.分组无命名 全组匹配(非捕获的组)

lP_namedGroup = "http://(?P<field1>\w+)\.(?P<field2>\w+)\.(?P<field3>\w+).+?/(?P<filename>\w+?).jpg"
# 4.分组命名 匹配(带命名的)

 

转载于:https://www.cnblogs.com/Anec/p/9678536.html