正则表达式
认识正则表达:
""""""
# 正则表达式是一种可以让一些复杂字符串问题变得简单的工具。
# 示例:判断指定的字符串是否是一个合法的手机号
# 11位;每一位都是数字;第一位必须是1;第二位是:3~9
tel = input('请输入手机号:')
def is_tel(num: str):
if len(num) != 11:
return False
for x in num:
if not x.isdigit():
return False
if num[0] != '1':
return False
if '3' <= num[1] <= '9':
return True
return False
# print(is_tel(tel))
def is_tel2(num: str):
from re import fullmatch
return bool(fullmatch(r'1[3-9]\d{9}', num))
print(is_tel2(tel))
# 示例2:提取字符串中所有的数字子串
str1 = '月薪: 25360元, 年龄18岁。身高:175,体重120斤。23'
# ['25360', '18', '175', '120']
# 方法一:
result = []
temp = ''
for x in str1:
if x.isdigit():
temp += x
else:
if temp:
result.append(temp)
temp = ''
if temp: # 当循环到最后的时候temp= 23,但是此时循环结束,因此23就不会添加到列表中,所以对temp进行判断,如果temp中有数字,就添加到列表中
result.append(temp)
print(result)
# 方法二:
from re import findall
result = findall(r'\d+', str1)
print(result)
""""""
# 1. 什么是正则表达式
"""
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在,正在的语法通用。
不管通过正则表达式解决的时候什么问题,写正则的时候都是在使用正则表达式描述字符串规则。
"""
# 2. 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
# 3. 正则语法 - 匹配类符号
# 1)普通符号 - 在正则表达式中表示符号本身的符号
result = fullmatch(r'abc', 'abc')
print(result)
# 2). - 匹配任意一个字符
result = fullmatch(r'a.c', 'a.c')
print(result)
result = fullmatch(r'..abc', '*9abc')
print(result)
# 3)\d - 匹配任意一个数字字符
result = fullmatch(r'a\dc', 'a5c')
print(result)
# 4)\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)
# 5)\D - 匹配任意一个非数字字符
result = fullmatch(r'a\Dc', 'a*c')
print(result)
# 6)\S - 匹配任意一个非空白字符
result = fullmatch(r'a\Sc', 'a c')
print(result) # None
result = fullmatch(r'a\Sc', 'a1c')
print(result)
# 7)[字符集] - 匹配字符集中的任意一个字符
"""
[abc] - 匹配a或者b或者c
[abc\d] - 匹配a或者b或者c或者任意数字
[1-9] - 匹配1到9中的任意一个数字
[a-z] - 匹配任意一个小写字母
[A-Z] - 匹配任意一个大写字母
[a-zA-Z] - 匹配任意一个字母
[a-zA-Z\d_] - 匹配字母数字或者下划线
[\u4e00-\u9fa5] - 匹配任意一个中文字符
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确定的); 如果减号不在两个字符之间,就表示一个普通的减号
"""
result = fullmatch(r'a[MN12]b', 'aNb')
print(result)
result = fullmatch(r'a[MN\d]b', 'a4b')
print(result)
# 8)[^字符集] - 匹配不在字符集中的任意一个字符
result = fullmatch(r'a[^MN]b', 'a是b')
print(result)
result = fullmatch(r'a[^\u4e00-\u9fa5]b', 'a-b')
print(result)
""""""
from re import fullmatch
# 1. * - 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个或者多个\d
"""
result = fullmatch(r'a*123', 'aaaaaaaa123')
print(result)
result = fullmatch(r'\d*abc', '123411232abc')
print(result)
result = fullmatch(r'[MN]*abc', 'MNMabc')
print(result)
# 2. + - 1次或者多次(至少一次)
result = fullmatch(r'a+123', 'aaaaa123')
print(result)
# 3. ? - 0次或1次
result = fullmatch(r'A?123', 'A123')
print(result)
# 4. {}
"""
{M,N} - M到N次
{M,} - 至少M次
{,N} - 最多N次
{N} - N次
"""
result = fullmatch(r'[a-z]{3,5}123', 'bambk123')
print(result)
# 练习: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 = '3452'
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: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(r'[a-zA-Z_][\da-zA-Z_]*', str1)
print(result)
""""""
from re import match
# 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
result = match(r'\d{3}', '234宿舍wsww')
print(result)
# 1. 贪婪和非贪婪
"""
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,贪婪去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}?
"""
# amb、amb计算b、amb计算bxxb
# 1)示例1:
# 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'>
""""""
from re import fullmatch, findall
# findall(正则表达式, 字符串) - 获取字符串中所有满足正则表达式的子串
# 1. 分组 - ()
"""
1)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
2)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
3)捕获 - 只获取正则表达式中的分组匹配到的结果(分为手动和自动捕获两种)
"""
# '12MN89JK89GH23HY...'
result = fullmatch(r'(\d\d[A-Z]{2})+', '23HK89MB')
print(result)
# 23m23、98k98、12p12 - 能匹配
# 23m34、98k08 - 不能匹配
result = fullmatch(r'(\d{2})[a-z]\1', '23m23')
print(result)
# 23mkj=mkj23
result = fullmatch(r'(\d{2})([a-z]{3})=\2\1{3}', '23mkl=mkl232323')
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)
# 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块腹肌。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']
# 2.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)
# a234b、amjkb
result = fullmatch(r'a\d{3}b|a[a-z]{3}b', 'a232b')
print(result)
# 注意:如果想要正则表达式中的一部分实现多选一的效果,变化的部分用分组表示
result = fullmatch(r'a(\d{3}|[a-z]{3})b', 'amklb')
print(result)
result8 = findall(r'我([\u4e00-\u9fa5]|[\u4e00-\u9fa5]{2})你', '我爱你,胜过我讨厌你')
print(result8)
result8 = findall(r'我[\u4e00-\u9fa5]你|我[\u4e00-\u9fa5]{2}你', '我爱你,胜过我讨厌你')
print(result8)
"""
Author: 余婷
Time: 2022/8/9 15:28
Good Good Study, Day Day Up!
"""
from re import fullmatch
# 1. 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)
# 2. []里面的转义符号
# 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)
# 本身在中括号中有特殊功能的符号,如果要表示普通符合必须加'\'
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)
"""
Author: 余婷
Time: 2022/8/9 16:24
Good Good Study, Day Day Up!
"""
from re import *
# 1. 常用函数
# 1) 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)
# 2) 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)
# 3) 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)
# 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)
# 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)
# print(next(result))
print(list(result))
# 6) 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', '===']
# 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)
message = '我草!你TM看不见吗?f u c k!'
result = sub(r'(?i)草|TM|f\s*u\s*c\s*k|sb|妈', '*', message)
print(result)
# 2.匹配对象
result = search(r'(\d{3})([A-Z]{2})', '-=2设计师234KM222哈哈宿舍239KH')
print(result) # <re.Match object; span=(6, 11), match='234KM'>
# 1)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'
# 2)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'
# 3)获取匹配结果在原字符串中的位置: 匹配对象.span()
print(result.span()) # (6, 11)
print(result.span(2)) # (9, 11)
# 3.参数
# 1)匹配忽略大小写: (?i)
result = fullmatch(r'(?i)abc', 'AbC')
print(result)
# 2)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'>
什么是正则表达式:是一种可以让一些复杂字符串问题变的简单的工具。正则不是python特有的(不属于python),几乎所有的高级语言都支持。
python的re模块:re模块是python用来支持正则表达的模块,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
正则语法:匹配类符号
-
普通符号 —— 在正则表达中表示符号本身的符号
from re import fullmatch result = fullmatch(r'abc','abd') print(result)
-
. —— 匹配任意一个字符
from re import fullmatch result = fullmatch(r'..asd','hhasd') # asd 前面任意匹配两个字符,一个 . print(result) #代表匹配一个字符
-
\d —— 匹配任意一个数字字符
from re import fullmatch result = fullmatch(r'hh\dd','hh8d') print(result) #<re.Match object; span=(0, 4), match='hh8d'>
-
\s 匹配任意一个空白字符 。如:空格,换行,水平制表符
from re import fullmatch
result = fullmatch(r'hh\sd','hh\td') # 匹配任意一个产生空白的字符
print(result)
- \D —— 匹配任意一个非数字字符
from re import fullmatch
result = fullmatch(r'hh\Dd','hhkd') # 匹配任意一个产生空白的字符
print(result)
- \S —— 匹配任意一个非空白字符(所有大写和小写对应的功能相反)
from re import fullmatch
result = fullmatch(r'hh\Sd','hh\td') # 匹配任意一个不产生空白的字符
print(result)
-
[字符集] —— 匹配字符集中任意一个字符集;[字符集\d] —— 匹配字符集中任意一个字符集或者数字;[1-9] —— 匹配1-9之间数字(前面一个数必须比后面一个数小);[a-z] —— 匹配任意一个a-z 的字母;[a-zA-z] —— 匹配任意一个字母;[\u4e00 - \u 9fa5 ] —— 匹配任意一个中文字符
注意:[] 中减号放在两个字符之间表示谁到谁,如果两个字符不在两个减号之间,就是普通减号
from re import fullmatch result = fullmatch(r'a[wangting]b','awb') # 匹配[wangting] 中的一个字符 print(result) from re import fullmatch result = fullmatch(r'a[1-9]b','a5b') # 匹配[1-9] 中的一个字符 print(result)
-
[^字符集] —— 匹配不在字符集中的任意一个字符
匹配次数
from re import fullmatch]
* 0 次或者 多个(任意次数)。* 在谁的后面就是控制谁的次数
from re import fullmatch
result = fullmatch(r'a*123','aaa123') # 0 个a 或者多个a
print(result)
from re import fullmatch
result = fullmatch(r'\d*abc','2145413abc') # 0 个数字 或者多个数字
print(result)
# + 1 次或者 多次(至少一次)。+ 在谁的后面就是控制谁的次数
from re import fullmatch
result = fullmatch(r'\d+abc','2145413abc') # 1个数字 或者多个数字
print(result)
# ? 0 次或者 1次。?在谁的后面就是控制谁的次数
from re import fullmatch
result = fullmatch(r'\d?abc','3abc') # 0 次或者 1次数字
print(result)
贪婪和非贪婪
当匹配次数不确定的时候(* + ? {M,N},{,M},{M,})匹配分为贪婪和非贪婪,默认是贪婪。
贪婪:在匹配成功的时候有多种情况,贪婪情况取最多次数对应的匹配结果(匹配次数不确定的地方,有多种匹配结果贪婪取次数最多)
非贪婪取最少次数
from re import match
#match(正则表达式,字符串) —— 判断字符串是否符合正则表达式描述的规则
# amb , ambhhb , ambhhbxxb(次数最多)
result = match(r'a.+b','ambhhbxxbmn')#贪婪模式,取最多次
print(result)
#<re.Match object; span=(0, 9), match='ambhhbxxb'>
from re import match
#非贪婪模式
#match(正则表达式,字符串) —— 判断字符串是否符合正则表达式描述的规则
# amb (次数最少) , ambhhb , ambhhbxxb(次数最多)
result = match(r'a.+?b','ambhhbxxbmn')#贪婪模式,取最多次
print(result)
#<re.Match object; span=(0, 3), match='amb'>
分组和分支
分组:—— ()。
1):将正则表达式中的一部分作为一个整体进行相关操作
#12JH45LI69GD17WE
from re import fullmatch
result = fullmatch(r'(\d\d[A-Z]{2})+','23HK89MB')
print(result)
2)重复 —— 可以在正则表达式中通过 \M 来重复他前面的第M个分组的匹配结果
from re import fullmatch
result = fullmatch(r'(\d{2})([a-z]{3})=\2\1{3}','23mkl=mkl232323')
print(result)
3)捕获:只获取正则表达式一部分匹配结果(手动捕获和自动捕获)
from re import findall
message = "我今年18岁,月薪500000元,身高180,体重70kg,8快腹肌,每年交200元腾讯会员费,房贷每月5000元,车贷每月3000元"
result = findall(r'(\d+)元',message)
print(result) #['500000', '200', '5000', '3000']
分支:
正则1|正则2|正则3…
from re import fullmatch
result1 = fullmatch(r'\d{3}|[a-z]{2}','mk')
print(result1)#<re.Match object; span=(0, 2), match='mk'>
# 如果正则表达式中的一部分实现多选一的效果,变化的部分用分组表示
result2 = fullmatch(r'a(\d{3}|[a-z]{3})b','amklb')
print(result2)#<re.Match object; span=(0, 5), match='amklb'>
转义字符:
正则中的转义字符,在本身具有特殊意义的符号前加" \ " ,让这个字符变成普通字符
#匹配任意一个小数
result3 = fullmatch(r'\d+\.\d+','23.5')
print(result3)
result = fullmatch(r'\d\+','5+') # + 前面加了\ + 失去表示一次或者多次的功能,只是便是单独的+符号
print(result)
[] 里面的转义字符
1)单独存在有特殊意义的符号(+ * ? . ) 在[]括号中特殊意义会自动消失
result4 = fullmatch(r'a[M\-N]b','a-b')
print(result4)
检测类符号(了解):检测类符号在检测成功的情况下,
\b : 检测是否是单词边界 :可以将两个单词分开的符号都是单词边界,比如:空格,标点符号,字符串开头或者字符串结尾
\B : 检测是否不是单词边界
^ :检测是否是字符串开头
$ : 检测是否字符串结尾
re 模块的常用函数:
from re import *
# 1 :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的规则
#匹配失败返回空
result1 = fullmatch(r'\d{3}','123')
print(result1)
匹配对象: