正则表达式
认识正则
正则表达式是一种可以让复杂的字符串问题变得简单的工具。
正则并不是Python特有语法(不属于python),所有的高级编程语言都支持正则,正则的语法通用。
不管通过正则表达式解决的是什么问题,写正则的时候都是在所有正则表达式描述字符串规则。
匹配类符号
Python的re模块
re模块是Python用来支持正则表达式的一个模块,模块中包含了所有和正则相关的函数。
fullmatch(正则表达式,字符串) - 判断正则表达式和指定的字符串是否完全匹配(判断整个字符串是否符合正则表 达式所描述的规则)
如果匹配成功返回匹配对象,匹配失败返回None
from re import fullmatch
正则语法 - 匹配类符号
-
普通符号 - 在正则表达式中表示符号本身的符号
result1 = fullmatch(r'abc','abc') print(result1) # <re.Match object; span=(0, 3), match='abc'> result2 = fullmatch(r'abc','acc') print(result2) # None
-
. - 匹配任意一个字符
result = fullmatch(r'a.c','a+c') print(result) # <re.Match object; span=(0, 3), match='a+c'> result = fullmatch(r'..abc','9%abc') print(result) # <re.Match object; span=(0, 5), match='9%abc'>
-
\d - 匹配任意一个数字字符
result = fullmatch(r'a\dc','a5c') print(result)
-
\s - 匹配任意一个空白字符
空白字符:能产生空白效果的字符,例如:空格、换行、水平制表符
result = fullmatch(r'a\sc','a\tc') print(result) result = fullmatch(r'\d\d\s.ab','34 吗ab') print(result)
-
\D - 匹配任意一个非数字字符
result1 = fullmatch(r'a\Dc','axc') print(result1) # <re.Match object; span=(0, 3), match='axc'> result2 = fullmatch(r'a\Dc','a2c') print(result2) # None
-
\S - 匹配任意一个非空白字符
result1 = fullmatch(r'a\Sc','a c') print(result1) # None result2 = fullmatch(r'a\Sc','a2c') print(result2) # <re.Match object; span=(0, 3), match='a2c'>
-
[字符集] - 匹配字符集中的任意一个字符
(1) [abc] - 匹配a或者b或者c
result = fullmatch(r'a[MN]b','aMb') print(result) # <re.Match object; span=(0, 3), match='aMb'> result = fullmatch(r'a[MN]b','aNb') print(result) # <re.Match object; span=(0, 3), match='aNb'> result = fullmatch(r'a[MN]b','amb') print(result) # None
(2) [abc\d] - 匹配a或者b或者c或者任意数字
result = fullmatch(r'a[MN\d]b','a4b') print(result) # <re.Match object; span=(0, 3), match='a4b'>
(3) [1-9] - 匹配1-9中的任意一个数字
result = fullmatch(r'a[1-9]c','a5c') print(result) # <re.Match object; span=(0, 3), match='a5c'> result = fullmatch(r'a[1-9]c','a0c') print(result) # None
(4) [a-z] - 匹配任意一个小写字母
result = fullmatch(r'a[a-z]c','adc') print(result) # <re.Match object; span=(0, 3), match='adc'> result = fullmatch(r'a[a-z]c','aDc') print(result) # None
(5) [A-Z] - 匹配任意一个大写字母
result = fullmatch(r'a[A-Z]c','aDc') print(result) # <re.Match object; span=(0, 3), match='aDc'> result = fullmatch(r'a[A-Z]c','adc') print(result) # None
(6) [a-zA-Z] - 匹配任意一个字母
result = fullmatch(r'a[a-zA-Z]c','aDc') print(result) # <re.Match object; span=(0, 3), match='aDc'> result = fullmatch(r'a[a-zA-Z]c','adc') print(result) # <re.Match object; span=(0, 3), match='adc'>
(7)[a-zA-Z\d_] - 匹配字母数字或者下划线
result = fullmatch(r'a[a-zA-Z\d_]c','a3c') print(result) # <re.Match object; span=(0, 3), match='a3c'> result = fullmatch(r'a [a-zA-Z]c','a_c') print(result) # <re.Match object; span=(0, 3), match='a_c'>
(8) [\u4e00-\u9fa5] - 匹配任意一个中文字符
result = fullmatch(r'a[\u4e00-\u9fa5]c','a火c') print(result) # <re.Match object; span=(0, 3), match='a火c'>
注意:[]中减号放在两个字符之间表示谁到谁(确定的方式是根据字符编码值大小绝对的);如果减号不在两个字符之间,就表示一个普通的减号。
-
[^字符集] - 匹配不在字符集中的任意一个字符
result = fullmatch(r'a[^MN]b','aMb') print(result) # None result = fullmatch(r'a[^MN]b','a是b') print(result) # <re.Match object; span=(0, 3), match='a是b'>
匹配次数
-
* - 0次或多次(任意次数)
注意:*在谁的后面控制的就是谁的次数
a* - 0个或多个a
\d* - 0个或多个\dresult = fullmatch(r'a*123','aaa123') print(result) # <re.Match object; span=(0, 6), match='aaa123'> result = fullmatch(r'\d*abc','110abc') print(result) # <re.Match object; span=(0, 6), match='110abc'>
-
+ - 1次或者多次(至少一次)
result = fullmatch(r'a+123','aaa123') print(result) # <re.Match object; span=(0, 6), match='aaa123'> result = fullmatch(r'a+123','123') print(result) # None
-
? - 0次或1次
result = fullmatch(r'A?123','A123') print(result)
-
{}
{M,N} - M-N次
{M,} - 至少M次
{,N} - 至多N次
{N} - N次result = fullmatch(r'[a-z]{3,5}123', 'bambk123') print(result)
练习1:写一个正则,判断输入的内容是否是一个合法的QQ号(长度是5~12位的数字,第一位不能是0)
qq = '2758716987'
result = fullmatch(r'[1-9]\d{4,11}',qq)
if result:
print(f'{qq}合法')
else:
print(f'{qq}不合法')
练习2:判断输入的内容是否是一个合法的标识符(由字母、数字下划线组成,数字不能开头)
str1 = 'abc'
result = fullmatch(f'[a-zA-Z_][a-zA-Z\d_]*',str1)
if result:
print(f'{str1}合法')
else:
print(f'{str1}不合法')
贪婪和非贪婪
match(正则表达式,字符串) - 判断字符串开头是否符合正则表达式描述的规则
from re import match
result = match(r'\d{3}','234一二三yq')
print(result) # <re.Match object; span=(0, 3), match='234'>
当匹配次数不确定的时候(*、+、?、{M,N}、{M,}、{,N})匹配模式分为贪婪和非贪婪两种,默认是贪婪的。
贪婪和非贪婪:在匹配成功的时候有多种匹配结果,贪婪取最多次数对应的匹配结果,非贪婪取最少次数对应的匹 配结果
(匹配次数不确定的地方,有多种匹配方式都可以匹配成功,贪婪取最多次数,非贪婪取最少次数)
贪婪模式:、+、?、{M,N}、{M,}、{,N}
非贪婪模式:?、+?、??、{M,N}?、{M,}?、{,N}?
实例:
# 三种匹配结果:amb、amb计算b、amb计算bxxb
# 贪婪模式
result = match(r'a.+b','amb计算bxxbmn')
print(result) # <re.Match object; span=(0, 9), match='amb计算bxxb'>
# 非贪婪模式
result = match(r'a.+?b','amb计算bxxbmn')
print(result) # <re.Match object; span=(0, 3), match='amb'>
注意:如果匹配结果只有一种可能,那么贪婪和非贪婪的结果都一样
result = match(r'a.+b','ambxx')
print(result) # <re.Match object; span=(0, 3), match='amb'>
result = match(r'a.+?b','ambxx')
print(result) # <re.Match object; span=(0, 3), match='amb'>
分组和分支
分组 ()
-
整体 - 将正则表达式中的一部分作为一个整体进行相关操作
# '28GJ38VN37BK28QX...' result = fullmatch(r'(\d\d[A-Z]{2})+','80HK84VK13CN') print(result) # <re.Match object; span=(0, 12), match='80HK84VK13CN'>
-
重复 - 可以在正则表达式中通过\M 来重复它前面的第M个分组的匹配结果
# 23m23、98k98、12p12 - 能匹配 # 23m34、98k08 - 不能匹配 result = fullmatch(r'(\d{2})[a-z]\1','23m23') print(result) # <re.Match object; span=(0, 5), match='23m23'> # 23mkj=mkj23 result = fullmatch(r'(\d{2})([a-z]{3})=\2\1{3}','23mkj=mkj232323') print(result)
\M 只能重复在它出现之前的分组内容,无法重复在它之后出现的内容
result = fullmatch(r'\d{2}\1\2=[a-z]{2}','2323mk=mk') # 报错! print(result)
-
捕获 - 只获取正则表达式中的分组匹配到的结果(分为手动捕获和自动捕获两种)
# findall(正则表达式,字符串) - 获取字符串中所有指定的字串 from re import findall # 提取message中金额对应的数字子串 message = '我今年18岁,月薪50000元,身高180,体重70公斤,8快腹肌。每年交300元的腾讯会员费。房贷每月3000元,车贷每月2200元。' result = findall(r'(\d+)元',message) print(result) # ['50000', '300', '3000', '2200']
分支 |
正则1|正则2|正则3|… - 匹配可以和多个正则中任意一个正则匹配的字符串
# 匹配一个字符串是三个数字或者两个小写字母:
result = fullmatch(r'\d{3}|[a-z]{2}','mk')
print(result)
注意:如果想要正则表达式中的一部分实现多选1的效果,变化的部分用分组表示
result = fullmatch(r'a\d{3}b|a[a-z]{3}b','a123b')
print(result)
result = fullmatch(r'a(\d{3}|[a-z]{3})b','a123b')
print(result)
转义符号
-
转义符号
正则中的转义符号,就是在本身具备特殊功能或者特殊意义的符号前加’\',让这个符号变成一个普通符号。
# 匹配任意一个小数对应的字符串 result = fullmatch(r'\d+\.\d+','23.879') print(result) # +234、+889111 result = fullmatch(r'\+\d+','+23') print(result) # (mv)、(ksma) result = fullmatch(r'\([a-z]+\)','(msnd)') print(result)
-
[]里面的转义符号
a. 单独存在有特殊意义的符号(+、*、?、.等),在[]中特殊意义会自动消失
result = fullmatch(r'\d+[.+*?]d+','23?879') print(result)
b. 本身在中括号中有特殊功能的符号,如果要表示普通符号必须加’\’
result = fullmatch(r'a[MN-]b','a-b') print(result) result = fullmatch(r'a[M\-N]b','a-b') print(result) result = fullmatch(r'a[MN^]b','a^b') print(result) result = fullmatch(r'a[\^MN]b','a^b') print(result)
检测类符号
检测类符号是在匹配成功的情况下,检测检测类符号所在的位置是否符合相关要求
-
\b - 检测是否是单词边界
单词边界:可以将两个单词区分开的符号都是单词边界,比如:空白符号、英文标点符号、字符串开头和字符串结尾
result = fullmatch(r'abc\b mn','abc mn') print(result) message = '203mn45,89 司机34kn;23;99mll==910,230 90=' result = findall(r'\d+', message) print(result) # ['203', '45', '89', '34', '23', '99', '910', '230', '90'] result = findall(r'\d+\b', message) print(result) # ['45', '89', '23', '910', '230', '90'] result = findall(r'\b\d+', message) print(result) # ['203', '89', '23', '99', '910', '230', '90'] result = findall(r'\b\d+\b', message) print(result) # ['89', '23', '910', '230', '90']
-
\B - 检测是否不是单词边界
message = '203mn45,89 司机34kn;23;99mll==910,230 90=' result = findall(r'\B\d+\B', message) print(result)
-
^ - 检测是否是字符串开头
message = '203mn45,89 司机34kn;23;99mll==910,230 90=' result = findall(r'^\d+', message) print(result) # 提取字符串前5个字符 message = '203mn45,89 司机34kn;23;99mll==910,230 90=' result = findall(r'^.{5}', message) print(result)
-
$ - 检测是否是字符串结尾
# 提取字符串最后5个字符 message = '203mn45,89 司机34kn;23;99mll==910,230 90=' result = findall(r'.{5}$', message) print(result)
re模块常用函数
常用函数
-
fullmatch(正则表达式,字符串) - 完全匹配,判断整个字符串是否符合正则表达式描述的规则,匹配成功返回匹配对象,匹配失败返回空
result = fullmatch(r'\d{3}','234') print(result)
-
match(正则表达式, 字符串) - 匹配字符串开头,判断字符串开头是否符合正则表达式描述的规则,匹配成功返回匹配对象,匹配失败返回空
result = match(r'\d{3}', '823介绍数据库') print(result)
-
search(正则表达式, 字符串) - 获取字符串中第一个能够和正则匹配的子串,能找到返回匹配对象,找不到返回空
result = search(r'\d{3}', 'ba203还是678说') print(result)
-
findall(正则表达式, 字符串) - 获取字符串中所有满足正则的子串,返回一个列表,列表中的元素是字符串。
注意:如果正则表达式中有分组,会针对分组做自动捕获(只获取分组匹配到的结果)
result = findall(r'\d{3}', 'ba203还是678说kk0222jksn就是23311') print(result)
-
finditer(正则表达式, 字符串) - 获取字符串中所有满足正则的子串,返回一个迭代器,迭代器中的元素是每个子串对应的匹配对象
result = finditer(r'\d{3}', 'ba203还是678说kk0222jksn就是23311') print(result) # <callable_iterator object at 0x000002F163B64610>
-
split(正则表达式, 字符串) - 将字符串中所有满足正则的子串作为切割点对字符串进行切割
str1 = '123aMKnb嗑生嗑死aKKssa923b===' # 将str1中的a和b作为切割点对字符串进行切割 result = split(r'a|b', str1) print(result) # ['123', 'MKn', '嗑生嗑死', 'KKss', '923', '===']
-
sub(正则表达式, 字符串1, 字符串2) - 将字符串2中所有满足正则的子串都替换成字符串1
result = sub(r'\d+', '+', 'ba203还是678说kk0222jksn就是23311') print(result)
匹配对象
result = search(r'(\d{3})([A-Z]{2})','=j234KM77088897KH')
print(result) # <re.Match object; span=(2, 7), match='234KM'>
-
直接获取整个正则表达式对应的匹配结果:匹配对象.group()
print(result.group()) # '234KM'
-
手动捕获某个分组对应的匹配结果:匹配对象.group(分组数)
print(result.group(1)) # '234' print(result.group(2)) # 'KM'
-
获取匹配结果在原字符串中的位置:匹配对象.span()
print(result.span()) # (2, 7) print(result.span(2)) # (5, 7)
参数
-
匹配忽略大小写: (?i)
result = fullmatch(r'(?i)abc', 'AbC') print(result)
-
单行匹配: (?s) (了解!)
多行匹配(默认):匹配的时候.不能和换行(\n)进行匹配
单行匹配:匹配的时候.可以和换行(\n)进行匹配result = fullmatch(r'abc.123', 'abc\n123') print(result) # None result = fullmatch(r'(?s)abc.123', 'abc\n123') print(result) # <re.Match object; span=(0, 7), match='abc\n123'>