基础知识
day16-正则表达式
01.匹配符号
from re import fullmatch
1.re模块
re模块是python提供的专门用支持正则表达式的一个模块
fullmatch函数:fullmatch(正则表达,字符串) - 让正则表达式和指定字符串进行完全匹配,如果匹配失败返回None;
2.正则语法
正则表达式 - 正则表达式是一个让字符串复杂问题变得简单的工具.
写正则表达式的主要工作:用正则的符号描述清楚相关字符串的规则.
python正则表示方式:r’正则表达式’
js的正则:/正则表达式/
1)普通字符(普通符号)
在正则中除了有特殊功能或者特殊意义以外的符号
普通字符在正则中表示符号本身.
匹配一个字符串有三个字符分别是a,b,c
re_str = r'abc'
print(fullmatch(re_str, 'abc'))
2) . - 匹配任意一个字符
注意:一个.只能匹配一个任意字符
匹配一个字符,长度是三,第一个字符是a,最后一个字符是c,a和c之间是任意一个字符
re_str = r'a.c'
print(fullmatch(re_str,'abc'))
print(fullmatch(re_str,'a+c'))
print(fullmatch(re_str,'a和c'))
re_str = r'abc...'
print(fullmatch(re_str,'abcm./'))
print(fullmatch(re_str,'abcm\t/'))
3)\d - 匹配任意一个数字字符
re_str = r’a\d\dc’
print(fullmatch(re_str,‘a78c’))
print(fullmatch(re_str,‘a00c’))
4)\s - 匹配任意一个空白字符
空白字符:空格,回车(\n),制表符(\t)
re_str = r'a\sb'
print(fullmatch(re_str,'a b'))
print(fullmatch(re_str,'a\nb'))
print(fullmatch(re_str,'a\tb'))
print(fullmatch(re_str,'a b'))
* 5) \w - 匹配任意一个字母,数字或者下划线 (不好用)
6)
\D - 匹配任意一个非数字字符
\S - 匹配任意一个非空白字符
print(fullmatch(r’a\Sb\D’,‘a>b=’))
7)[字符集] - 匹配字符集中任意一个字符
注意:一个[]只能匹配一个字符
[多个普通字符] - [abc]:可以匹配a或者b或者c
[包含\开头的特殊符号的字符集] - 例如:[\dabc],可以匹配任意数字或者a或者b或者c
[包含减号在两个字符之间的字符集] - 这个时候的减号表示谁到谁(注意减号前面的字符的编码必须小于减号后面的)
例如:
[a-z] - 匹配任意一个小写字母
[A-Z] - 匹配任意一个大写字母
[\u4e00-\u9fa5] - 匹配任意一个中午字符
re_str = r'a[xym]b'
print(fullmatch(re_str,'axb'))
print(fullmatch(re_str,'ayb'))
print(fullmatch(re_str,'amb'))
re_str = r'a[a\db]b'
print(fullmatch(re_str,'a1b'))
print(fullmatch(re_str,'aab'))
print(fullmatch(re_str,'abb'))
print(fullmatch(r'x[a-zA-Z]y','xmy'))
8)[^字符集] - 匹配一个不在字符集中任意一个字符
[ [^abc] ] - 匹配除了a,b,c以外的任意一个字符
[ [^a-z]] - 匹配除了小写字母以外的任意一个字符
02.检测类符号
from re import fullmatch,findall
检测类符号的存在不影响被匹配的字符串长度,它的作用是在匹配成功的前提下检测符号所在的位置是否符合要求
检测类符号的用法:先去掉检测类符号,看是否能匹配成功,如果失败整个正则匹配失败,如果成功再来看检测了符号所在的位置是否符合要求.
1.\b - 检测是否是单词边界
单词边界 - 能够区分出两个不同单词的符号都属于单词边界,例如:空白,标点符号,字符串开头,字符串结尾
re_str = r'abc\b123'
print(fullmatch(re_str,'abc123')) # None
re_str = r'abc,\b123'
print(fullmatch(re_str,'abc,123'))
2.\B - 检测是否是非单词边界
3.^ - 检测是否是字符串开头
re_str = r'^\d\d'
print(fullmatch(re_str,'12'))
4.$ - 检测是否是字符串结尾
re_str = r'\d\d$'
print(fullmatch(re_str,'67'))
03.匹配次数
import re
from re import fullmatch,match,findall
import requests
1.* - 匹配0次或者多次(任意次数)
用法:匹配类符号*
a* - 匹配任意多个a
\d* - 匹配任意多个数字字符
print(fullmatch(r'a*b', 'b'))
print(fullmatch(r'a*b', 'aab'))
print(fullmatch(r'\d*b','24599b'))
print(fullmatch(r'[abc]*x','aabccax'))
2.+ - 匹配一次或者多次(至少一次)
print(fullmatch(r'a+b','b')) # None
print(fullmatch(r'a+b','ab'))
print(fullmatch(r'a+b','aaaaaab'))
3.? - 匹配0次或者1次
re_str = r’[-+]?[1-9]\d’
print(fullmatch(re_str,’-12’))
4.{}
{N} - 匹配N次
{M,N} - 匹配M到N次
{,N} - 匹配最多N次
{M,} - 匹配最少M次
print(fullmatch(r'\d{3}','567'))
print(fullmatch(r'\d{3,5}','567'))
print(fullmatch(r'\d{3,5}','5678'))
print(fullmatch(r'\d{3,5}','56789'))
print(fullmatch(r'\d{3,}','23')) # None
print(fullmatch(r'\d{3,}','234'))
print(fullmatch(r'\d{3,}','2345'))
print(fullmatch(r'[+]{3,}','+++'))
注意:匹配次数对应的符号的前面必须是匹配类符号
“”“print(fullmatch(r’+{3,}’,’+++’))”"" # re.error
5.贪婪和非贪婪
在匹配次数不确定的时候,匹配模式分为贪婪和非贪婪两种,默认是贪婪模式
在匹配成功的前提下,贪婪是匹配次数最多的那个次数;非贪婪是匹配次数最少的那个次数
*,+,?,{M,N},{M,},{,N} - 贪婪的
*?,+?,??,{M,N}?,{M,}?,{,N}? - 非贪婪的
print(match(r'\d{3}','123hjjgjg'))
print(match(r'a.*b','asdmmmsb123'))
print(match(r'a.*b','asbmbdb监管机构'))
'asb','asbmb','asbmbdb'有三种情况可以成功,因为贪婪所以最后匹配次数最多的情况
print(match(r'a.*?b','asbmbdb监管机构')) # 'asb'
04.分组与分支
from re import fullmatch
1.() - 分组
作用1:将()中的内容作为一个整体,进行整体相关操作,例如,整体控制次数
作用2:通过"\M"重复前面第M个分组匹配的结果,M从1开始
作用3:捕获(在findall中有效)
str1 = '78nm34ms10xp'
print(fullmatch(r'(\d\d[a-z]{2}){3}', str1))
str1 = r'abababab'
print(fullmatch(r'(ab)+', str1))
str1 = '23abc23'
print(fullmatch(r'(d{2})abc\1', str1))
2.| - 分支
正则1|正则2 - 先用正则1进行匹配,如果成功直接匹配成功,如果匹配失败再用正则2进行匹配
print(fullmatch(r'abc\d{2}|abc[A-Z]{3}', 'abcKMP'))
print(fullmatch(r'abc(\d{2}|[A-Z]{3})', 'abcKMP'))
3.转义符号
在特殊符号前加 ,让符号的功能消失,变成一个普通符号
print(fullmatch(r"\+\d{3}", '+234'))
print(fullmatch(r'\[\d{3}\]', '[234]'))
如果是独立存在有特殊功能的符号,将符号放入[]中其功能也会自动消失
print(fullmatch(r"[+*?|()^$.]abc", '$abc'))
05.re模块
import re
compile(正则表达式) - 编译正则表达式,返回一个正则表达式对象
fullmatch(正则表达式,字符串)
正则表达式对象.fullmatch(字符串)
re_obj = re.compile(r'\d{3}')
print(re_obj.fullmatch('123'))
1.fullmatch(正则表达式,字符串) - 让正则表达式和整个字符串进行匹配(完全匹配),匹配失败返回None,匹配成功返回匹配对象.
match(正则表达式,字符串) - 匹配字符串开头(判断字符串的开头是否符合正则的规则)
result = re.fullmatch(r'\d{3}', '345')
print(result)
2获取匹配到的字符
匹配对象.group() / 匹配对象.group(0) - 获取整个正则匹配到的结果
匹配对象.group(N) - 获取第N个分组匹配到的结果
print(result.group())
print(result.group())
search(正则表达式,字符串) - 获取字符串中第一个满足正则表达式的子串.返回结果是None或者匹配对象.
result = re.search(r'\d{3}', '试试看234ksjs')
print(result)
print(result.group())
3.获取匹配结果在源字符串中的位置信息
匹配对象.span() - 返回的是一个元祖,元祖中的元素是开始下标和结束下标,结束下标对应的位置取不到
匹配对象.span(N)
print(result.span())
4.findall(正则表达式,字符串) - 获取字符串中所有满足正则的子串,返回的是列表,列表中的元素是子串
如果正则中只有一个分组:返回的列表中的元素是每个分组匹配到的结果
如果正则中有两个或两个以上的分组:返回列表中的元素是元祖,元祖中的元素是每个分组匹配到的结果.
result = re.findall(r'\d{2}', '34ssd908')
print(result)
result = re.findall(r'\d{2}\D', '34ssd908')
print(result)
result = re.findall(r'(\d{2})\D', '34ssd908,')
print(result)
5.finditer(正则表达式,字符串) - 获取字符串中所有满足正则的子串,返回的是一个迭代器,迭代器是匹配对象.
result = re.finditer(r'(\d{2})-([a-z]{3})', '23-msn数据是98-恐怕圣岛季')
print(result)
r1 = next(result)
print(r1, r1.group(), r1.group(1), r1.group(2))
6.split(正则表达式,字符串) - 将字符串中所有满足正则表达式的子串作为切割点,对字符串进行切割
re.split(正则表达式,字符串,N) - 将字符串中前N个满足正则表达式的子串作为切割点,对字符串进行切割
result = re.split(r'\d+', '是是9s双生世界0诗句基督教和3d的的22试试')
print(result)
7.sub(正则表达式,字符串1,字符串2) - 将字符串2中所有满足正则表达式的子串替换成字符串1
7.sub(正则表达式,字符串1,字符串2,N) - 将字符串2中前N个满足正则表达式的子串替换成字符串1
result = re.sub(r'\d+', '*', '试试9564s双笙世界09世界08水白')
print(result)
message = 'fuck you!打团了,你TM的没看见吗?'
result = re.sub(r'(?i)(f\s*u\s*ck)|TM', '*', message)
print(result)
flags参数
上面的每一个函数都有一个参数flags,用来设置正则参数
1)单行匹配和多行匹配参数:re.S,re.M(默认的)
单行匹配:.可以匹配\n
多行匹配:.不能和\n匹配
2)忽略大小写:re.I(i的大写)
flags = re.I <> r’(?i)正则表达式’
flags = re.S|re.I <> r’(?si)正则表达式’
print(re.fullmatch(r'a.b', 'a\nb', flags=re.M)) # None
print(re.fullmatch(r'a.b', 'a\nb', flags=re.S))
print(re.fullmatch(r'(?s)a.b', 'a\nb'))
print('=====================================================')
print(re.fullmatch(r'abc', 'Abc', flags=re.I))
print(re.fullmatch(r'(?i)abc', 'Abc'))
print(re.fullmatch(r'a.c', 'A\nc',flags=re.S|re.I))
print(re.fullmatch(r'(?is)a.c', 'A\nc'))
作业
利用正则表达式完成下面的操作:
一、不定项选择题
- 能够完全匹配字符串
"(010)-62661617"
和字符串"01062661617"
的正则表达式包括( A.D)
A.r"\(?\d{3}\)?-?\d{8}"
B. r"[0-9()-]+"
C.r"[0-9(-)]*\d*"
D.r"[(]?\d*[)-]*\d*"
-
能够完全匹配字符串“back”和“back-end”的正则表达式包括( A ,B,C)
A. r“\w{4}-\w{3}|\w{4}”
B. r“\w{4}|\w{4}-\w{3}”
C.r “\S±\S+|\S+”
D. r“\w*\b-\b\w*|\w*” -
能够完全匹配字符串“go go”和“kitty kitty”,但不能完全匹配“go kitty”的正则表达式包括(A,D)
A.r “\b(\w+)\b\s+\1\b”
B. r“\w{2,5}\s*\1”
C. r“(\S+) \s+\1”
D. r“(\S{2,5})\s{1,}\1” -
能够在字符串中匹配“aab”,而不能匹配“aaab”和“aaaab”的正则表达式包括( B,C)
A. r“a*?b”
B. r“a{,2}b”
C. r“aa??b”
D. r“aaa??b”
二、编程题
1.用户名匹配
要求: 1.用户名只能包含数字 字母 下划线
2.不能以数字开头
3.⻓度在 6 到 16 位范围内
print(re.fullmatch(r'[a-zA-Z_][a-zA-Z_\d]{5,15}','A_123_hhd'))
- 密码匹配
要求: 1.不能包含!@#¥%^&*这些特殊符号
2.必须以字母开头
3.⻓度在 6 到 12 位范围内
print(re.fullmatch(r'[a-zA-Z][^!@#¥%^&*]{5,11}','a_123_hhd'))
- ipv4 格式的 ip 地址匹配
提示: IP地址的范围是 0.0.0.0 - 255.255.255.255
print(re.fullmatch('^((2(5[0-5]|[0-4]\d))|[0-1]?\d{1,2})(\.((2(5[0-5]|[0-4]\d))|[0-1]?\d{1,2})){3}$','192.6.139.0'))
- 提取用户输入数据中的数值 (数值包括正负数 还包括整数和小数在内) 并求和
例如:“-3.14good87nice19bye” =====> -3.14 + 87 + 19 = 102.86
def n_sum(data: str):
re_num = re.compile(r'[-+]?\d+\.?\d*')
nums = re_num.findall(data)
# print(nums)
num_sum = 0
for i in nums:
# print(float(i))
num_sum += float(i)
print(num_sum)
n_sum('-3.14good87nice19bye')
-
验证输入内容只能是汉字
print(re.fullmatch(r'[\u4e00-\u9fa5]*','在在'))
-
匹配整数或者小数(包括正数和负数)
print(re.fullmatch(r'[+-]?([1-9]\d*|0)(\.\d+)?','-0.009'))
-
验证输入用户名和QQ号是否有效并给出对应的提示信息
要求:
用户名必须由字母、数字或下划线构成且长度在6~20个字符之间
QQ号是5~12的数字且首位不能为0username = re.fullmatch(r'[\w]{6,20}','use_12345') qq_name = re.fullmatch(r'[1-9]\d{4,11}','36647666') if username !=None: print('用户名合法') else: print('用户名不合法,必须由字母、数字或下划线构成且长度在6~20') if qq_name != None: print('QQ名合法') else: print('QQ名不合法,必须5-12位数字组成')
-
拆分长字符串:将一首诗的中的每一句话分别取出来
poem = ‘窗前明月光,疑是地上霜。举头望明月,低头思故乡。’
poem = '窗前明月光,疑是地上霜。举头望明月,低头思故乡。' new_poem=re.split(r'[,。]',poem) for x in new_poem: print(x)