正则表达式

m0_46482602

已于 2023-11-22 16:05:49 修改

阅读量81

点赞数

文章标签：正则表达式

于 2023-11-22 15:53:03 首次发布

本文链接：https://blog.csdn.net/m0_46482602/article/details/134546284

版权

本文基于B站up主“麦叔编程”的正则表达式教程。

一、定义：

正则表达式：找到一串文本中符合某种模式（规律）的字符串。模式包括：

1）是什么字符；2）重复多少次；3）在什么位置（开头、结尾等）；4）有哪些额外约束（如：固定数字位数，前后不能为数字）

二、熟悉正则表达式

下面为几个熟悉正则表达式的例子。依次从易到难，大概包括了正则表达式使用的几种情况。可以看完语法再看这个，会更容易懂。

level-1：固定的字符串。

import re

text = '数1，数2，数3，数1234567'
print(re.findall('123456', text))       # ['123456']

个人感觉：可以用来查找一个固定的字符串出现了多少次。

level-2：某一类字符

如：找出所有单个的数字

import re

text = '数1，数2，数3，数1234567'
print(re.findall(r'\d', text))       # ['1', '2', '3', '1', '2', '3', '4', '5', '6', '7']

相关知识点：

r：表示无特殊含义

正则：

\d：所有的数字 0-9

\D：

\s：

\w：

\W：

level-3：重复某一类字符

如：找出所有的数字：123这种

import re

text = '我买了1块钱的辣条，10块钱的苹果，500块钱的电饭锅，做了一顿-100的苹果炖辣条'
print(re.findall(r'\d+', text))       # ['1', '10', '500', '100']

在\d后面加上+，代表数字可以出现1到多次

level-4：组合level2

找出电话号码，座机号等符合一定规律的一串数字

import re

text = '我的电话不是17812345678，也不是17887654321，更不是12345678，也没有座机号：0571-66688899'
# 找到手机号
print(re.findall(r'\d{11}', text))       # ['17812345678', '17887654321']
# 找到座机号（4-8）
print(re.findall(r'\d{4}-\d{8}', text))       # ['0571-66688899']
# 找到座机号（4-8 或 3-7）
print(re.findall(r'\d{3,4}-\d{7,8}', text))       # ['0571-66688899', '021-8888777']

上述为指定数字的个数

level-5：多种情况

同时找出手机号和座机号

import re

text = '我的电话不是17812345678，也不是17887654321，更不是12345678，也没有座机号：0571-66688899和021-8888777'
# 找到手机号和座机号
print(re.findall(r'1\d{10}|\d{3,4}-\d{7,8}', text))       # ['17812345678', '17887654321', '0571-66688899', '021-8888777']

加上|符号，可以查找出前后不同的情况。是正则中的：管道。

level-6：限定位置

import re

text = '我的电话不是17812345678，也不是17887654321，更不是12345678，也没有座机号：0571-66688899和021-8888777'
msg = '17812345678不是我的手机号'
# 找到手机号和座机号
print(re.findall(r'^1\d{10}|^\d{3,4}-\d{7,8}', text))       # []
print(re.findall(r'^1\d{10}|^\d{3,4}-\d{7,8}', msg))       # ['17812345678']

加上^代表，所查找的内容要出现在文本的开头。

同时：$，代表在末尾。

level-7：内部约束

如：找到deidei,jiajia这种前后三个字母重复的字符串

import re

text = '路上一匹马，小明喊deidei，小红叫jiajia，小白叫它yuyu，马疯跑创飞了我，我只会aa'
#
print(re.findall(r'(\w{3})(\1)', text))       # [('dei', 'dei'), ('jia', 'jia')]

此处涉及到了分组()

三、写正则表达式-步骤

1、确定要获取的字符串包含几个部分

2、各个部分的字符分别是啥

3、各个子模式如何重复

4、是否有位置限制

5、是否有其他限制条件

以下为例子：

四、语法

下面为正则表达式的符号分类。

1、字符类别

a,b,c,1,2,3,-....字符常量，类似level-1中的操作，写啥找啥

\d：一个数字

\D：一个非数字字符

\w：一个任意的字母（即a-z,A-Z）、数字（0-9）、下划线（_）字符

\W：除字母、数字、下划线以外的任意字符

\s：一个空格（全角？非全角）

\S：一个非空格

.：代表除换行\n以外的任意一个字符

下面从范围内获取数据，返回的结果也是单个字符

[abcd]：代表a,b,c,d中的任意一个字符

[a-z]：从a-z中的任意一个，大写字母、数字范围写法相同

[^a-d]：取反，除了写的这几个外的任意一个字符

[\b]：退格==BackSpace

2、重复次数-量词

* 0或多个
+ 1或多个
? 0或1个
{2} 2个
{2,5} 2到5个
{2,} 至少两个
{,5} 最多5个
加上量词后可以进行多个相同类型字符的获取，
如获取电话号码：r'1\d{10} '-代表1开头后面再跟10个连续的数字

3、等等

后面的写起来有点费劲，保存图片了，用的时候再查。

小扩展：|：是管道，可以分开多个需要匹配的规则

()：分组，可以把分组里的东西看成组成想要的字符串的一个个个小单位

五、python的re模块

re.search()：查找符合模式的字符，只返回第一个，返回Match对象

re.match()：和search一样，但要求必须从字符串开头匹配

re.findall()：返回所有匹配的字符串列表

re.finditer()：返回一个迭代器，其中包含所有的匹配，也就是Match对象

re.sub()：替换匹配的字符串，返回替换完成的文本

re.subn()：替换匹配的字符串，返回替换完成的文本和替换的次数

re.split()：用匹配表达式的字符串做分隔符分割原字符串

re.compile()：把正则表达式编译成一个对象，方便后面使用

六、实际开发使用

1、查找需要的字符

import re

text = '我的名字是：快乐无花果，我的年纪是：18岁'
# 获取名字和岁数
name = re.findall('名字是：(.*?)，', text)[0]
print(name)         # 快乐无花果
age = re.findall('年纪是：(.*?)岁', text)[0]
print(age)          # 18