python基础—正则表达式

目录

1.正则表达式：☆

1.1 正则写法快速入门：

① 常用正则符号：☆

1.1.1 利用原生字符r“\()”  规则：

② 使用re模块实现正则表达式：

【1】使用match()方法进行匹配：

【1.1】正则表达式的pattern对象 

【1.3】贪婪模式与非贪婪模式 

【2】使用search()方法进行匹配：在整个字符串中搜索第1个匹配的值

【3】使用findall()方法进行匹配：在整个给定字符串中，搜索所有符合正则规则的字符串

【4】使用sub()替换字符串：

【5】使用split()分割字符串：

 练习：

练习题1：扩展：电话号中间4位变成*

练习题2：ls= ['123我','_咋hello','这php','么','不帅789','呢???']

练习题3：把域名替换成https://localhost/

---

---

1.正则表达式：☆

# 专门用来处理字符串的一个规则

定义：记录文本规则的代码

需求：判断用户名长度为8-16位

改变需求：长度为8-16位，字符只能是英文数字下划线，且要大写字母开头 ☆

用代码怎么实现？其实能实现，只是很麻烦！（思路是利用ASCII码）

麻烦，就违背了编程的宗旨：那如何简单呢？就需要用正则表达式处理！☆

1.1 正则写法快速入门：

# 分析：学习思路，就是学习pattern这个规则 ☆

① 常用正则符号：☆

^开头

$结尾

. 表示任意一个字符

* 表示0个或多个

+ 表示1个或多个

? 表示0个或1个

{n} 表示重复n次

{n,} 表示至少重复n次

{n,m} 表示重复n-m次

import re
a = 'lhellloll,llll'
pattern = "l{2,}"
res = re.findall(pattern,a)
print(res)

"""
D:\Anaconda3\python.exe D:/Python_file_forAnconda3_python/base_python/python_re_01.py
['lll', 'll', 'llll']

"""

[xyz] 表示取x或取y或取z

[0-9] 表示取任意一个数字

[a-z] 表示取任意一个小写字母

[A-Z] 表示取任意一个大写字母

[^xyz] 表示取反，除了xyz取其他

[\u4e00-\u9fa5] 表示取任意一个汉字

| 表示选择，或者

\ 表示转义符

r 表示原生字符串：写在规则前面（结论：规则前要加r）

# 可以理解为固定写法：有的需要转义，有的不需要，就直接写r就全不要了

import re
str1 = "hello,xyz,123,789,黑龙江省，哈尔滨市！\d"
pattern = r"\\d"
res = re.findall(pattern,str1)
print(res)

"""
D:\Anaconda3\python.exe D:/Python_file_forAnconda3_python/复习/正则表达式/demo1.py
['\\d']
"""

import re
str1 = "hello,xyz,123,789,黑龙江省，哈尔滨市！\d"
#pattern = r"\\d"
#pattern = r"hello"
pattern = "hello|xyz"
res = re.findall(pattern,str1)
print(res)
"""
D:\Anaconda3\python.exe D:/Python_file_forAnconda3_python/复习/正则表达式/demo1.py
['hello', 'xyz']
"""

1.1.1 利用原生字符r“\()”  规则：

为确保避免不必要的麻烦，还是建议用这个写法：

pattern =re.compile(r'规则')

 pattern = r"\w+" ，这个虽然也可以，但是总感觉有问题。

\d 匹配数字                                                      \D匹配非数字

\w 匹配英文、数字、下划线、汉字         \W匹配非英文、数字、下划线、汉字

import re
str = 'hello,123,美女，___!'

pattern = r"\w+"  #匹配一个或多个英文，数字，下划线，汉字
res = re.findall(pattern,str)
print(res)

"""
D:\Anaconda3\python.exe D:/Python_file_forAnconda3_python/base_python/python_re_01.py
['hello', '123', '美女', '___']

"""

\s 匹配空白符                                                  \S匹配非空白（不包括换行）

import re
str = 'he   llo'
pattern = r"\s"  #匹配空格
res = re.findall(pattern,str) #str中有多少个空格就会返回多少个空格
print(res) 

"""
D:\Anaconda3\python.exe D:/Python_file_forAnconda3_python/base_python/python_re_01.py
[' ', ' ', ' ']
"""

\b 匹配单词的开始或结束，单词分界符通常是空格、标点符号、换行

import re
str1 = 'hello,abxx'
str2 = "hello,ab123"
str3 = "hello,abc__我"
str4 = "hello,cd456"
pattern = r"ab\w+" #匹配出以ab开头的内容
print(re.findall(pattern,str1))
print(re.findall(pattern,str2))
print(re.findall(pattern,str3))
print(re.findall(pattern,str4))

"""
D:\Anaconda3\python.exe D:/Python_file_forAnconda3_python/base_python/python_re_01.py
['abxx']
['ab123']
['abc__我']
[]

"""

从下面的例子可以看出，在做匹配的时候，re会以逗号作为单词的分隔符。 

import re
str1 = 'hello,abxx'
str2 = "hello,ab123"
str3 = "hello,abc__我"
str4 = "hello,cd456"
pattern = r"ab\w+" #以ab开头的内容
print(re.findall(pattern,str1))

pattern2 = r"我$" #以“我”结尾
print(re.findall(pattern2,str3))

pattern3 = r"^hello" #以hello开头
print(re.findall(pattern3,str3))
print(re.findall(pattern,str4))

"""
D:\Anaconda3\python.exe D:/Python_file_forAnconda3_python/base_python/python_re_02.py
['abxx']
['我']
['hello']
[]

"""

② 使用re模块实现正则表达式：

re模块常用的5个方法☆ match/findall/search/split/sub

【1】使用match()方法进行匹配：

从字符串开始处匹配，匹配成功返回Match对象，失败返回None

import re
#需求：匹配字符串是以hello开头的

str1 = "hello,world"
str2 = "world,hello"
str3 = "hello"

pattern = r"hello.*"
print(re.match(pattern,str1).group())
print(re.match(r"hello.*",str1).group())
#以上两种方式等价

print(re.match(r"hello.*",str1))
print(re.match(r"hello.*",str2))
print(re.match(r"hello.*",str3))
print(re.match(r"hello.*",str3).group())
#group() 返回匹配内容

"""
D:\Anaconda3\python.exe D:/Python_file_forAnconda3_python/base_python/python_re_02.py
hello,world
hello,world
<re.Match object; span=(0, 11), match='hello,world'>
None
<re.Match object; span=(0, 5), match='hello'>
hello

Process finished with exit code 0

"""

import re
#将正则表达式翻译成pattern对象
pattern = re.compile(r'\d+') 
result = re.match(pattern,'1234abcdef')
if result:
    print(result.group())
else:
    print("匹配失败！")

print(re.match(r'\w+1234','abcdef1234').group())
print(re.match(r'.*1234','abcdef1234').group())

"""
D:\Anaconda3\python.exe D:/Python_file_forAnconda3_python/base_python/python_re_03.py
1234
abcdef1234
abcdef1234
"""

【1.1】正则表达式的pattern对象 

#pattern = r'(\w+) (\w+) (?P<word>.*)'
pattern =re.compile(r'(\w+) (\w+) (?P<word>.*)') 由下面的整个程序发现这两种规则是由差别的。 

import re
#正则表达式的pattern对象
#pattern = r'(\w+) (\w+) (?P<word>.*)'
pattern =re.compile(r'(\w+) (\w+) (?P<word>.*)')
match = pattern.match("I am eating")

print("返回匹配的原始字符:",match.string) #返回匹配的原始字符
print("返回匹配的规则:",match.re) #返回匹配的规则
print("获取匹配的开始索引:",match.pos) #获取匹配的开始索引
print("获取匹配结束的索引:",match.endpos) #获取匹配结束的索引
print("最后的索引:",match.lastindex) #最后的索引
print("分组别名:",match.lastgroup) #分组别名
print("以元组形式返回字符:",match.group(1,2,3)) #以元组形式返回字符

"""
D:\Anaconda3\python.exe D:/Python_file_forAnconda3_python/base_python/python_re_03.py
返回匹配的原始字符: I am eating
返回匹配的规则: re.compile('(\\w+) (\\w+) (?P<word>.*)')
获取匹配的开始索引: 0
获取匹配结束的索引: 11
最后的索引: 3
分组别名: word
以元组形式返回字符: ('I', 'am', 'eating')

Process finished with exit code 0

"""

注意：pattern =re.compile(r'(\w+) (\w+) (?P<word>.*)')

该句中的 (?P<word>.*)是给最后一个分组起别名的意思，r'(\w+)  (\w+)  (?P<word>.*)' 这当中一共有三组。

修改代码：

import re
#正则表达式的pattern对象
pattern =re.compile(r'(?P<word1>.*) (?P<word2>.*) (?P<word3>.*)')
match = pattern.match("I am eating")
print("分组别名:",match.lastgroup) #分组别名(最后一个分组的别名)
print("获取以各组别名为键，以匹配值为值的字典：",match.groupdict()) #获取以各组别名为键，以匹配值为值的字典
print("以元组形式返回字符:",match.group(1,2,3)) #以元组形式返回字符

"""
D:\Anaconda3\python.exe D:/Python_file_forAnconda3_python/base_python/python_re_03.py
分组别名: word3
获取以各组别名为键，以匹配值为值的字典： {'word1': 'I', 'word2': 'am', 'word3': 'eating'}
以元组形式返回字符: ('I', 'am', 'eating')
"""

match.groupdict() #获取以各组别名为键，以匹配值为值的字典

match.group(1,2,3) #以元组形式返回字符

match.lastgroup) #分组别名(最后一个分组的别名)

import re
#正则表达式的pattern对象
pattern =re.compile(r'(?P<word1>.*) (?P<word2>.*) (?P<word3>.*)')
match = pattern.match("I am eating")
print(match.start(1)) #默认起始位置为0
print(match.start(0)) #默认起始位置为0
print(match.end(3)) #默认最后一个索引+1
str1 = "I am eating"
print(str1[match.start(1):match.end(3)])

"""
D:\Anaconda3\python.exe D:/Python_file_forAnconda3_python/base_python/python_re_03.py
0
0
11
I am eating

"""

 print(match.start(n)) #默认起始位置为0        n表示从第几组开始(0,1都是初始位置组)

【1.3】贪婪模式与非贪婪模式 

import re

#贪婪模式与非贪婪模式
'''
懒惰模式
*?  重复任意次，但尽可能少重复
+?  重复一次  但尽可能少重复
??  重复0到1次，尽可能少重复
{m,n}? 重复m,n次 尽可能少重复
{n,}? 重复n次以上 尽可能减少重复

'''
content = "<table><tr><td>你们好</td></tr><tr><td>你们好</td></tr><tr><td>你们好</td></tr><tr><td>你们好a</td></tr></table>"
print(re.findall(r"<td>(.*)</td>",content)) #贪婪模式
print(re.findall(r"<td>(.*?)</td>",content))#非贪婪

【2】使用search()方法进行匹配：在整个字符串中搜索第1个匹配的值

【3】使用findall()方法进行匹配：在整个给定字符串中，搜索所有符合正则规则的字符串

import re
#需求：匹配字符串中以py开头的内容
str1 = "hello,py_css,py_html,python,ty_java,my_py,my_py_you"
pattern = r"py\w+"
print(re.search(pattern,str1).group()) #只取符合规则的第一个内容
print(re.findall(pattern,str1)) #取出所有符合的内容，并以列表的形式返回

"""
D:\Anaconda3\python.exe D:/Python_file_forAnconda3_python/base_python/python_re_02.py
py_css
['py_css', 'py_html', 'python', 'py_you']
"""

【4】使用sub()替换字符串：

import re
#需求：将电话号码替换成1xxxxxxxxxx

str1 = "恭喜15778475303的用户，成为奈克瑟斯的第99999个转生者"
pattern = r"1[3456789]\d{9}" #表示str1中的电话号码
str1 = re.sub(pattern,"1xxxxxxxxxx",str1)
print(str1)

"""
D:\Anaconda3\python.exe D:/Python_file_forAnconda3_python/base_python/python_re_02.py
恭喜1xxxxxxxxxx的用户，成为奈克瑟斯的第99999个转生者
"""

【5】使用split()分割字符串：

re.split(pattern,string,flag) 能够将字符串按规则进行分割，并且以列表的形式返回 。

import re
#需求：以@#?!分割字符
str1 = "lkw?naruto@163#.com"
patern = r"[@!#?]"
print(re.split(patern,str1))

"""
D:\Anaconda3\python.exe D:/Python_file_forAnconda3_python/base_python/python_re_02.py
['lkw', 'naruto', '163', '.com']
"""

 练习：

import re
data =re.findall(r'abcd','abcde')
print(data)
#data2 =re.findall(r'a[0-3]7','a27')
data2 = re.findall(r'a[a-z]7','ac7')
print(data2)

#匹配字符串的数字   \d
#data3 = re.findall(r'a\dc','a2c')
data3 = re.findall(r'a\d+c','a22222c')
print(data3)

#匹配非数字   \D
data4 = re.findall(r'a\Dc','aec')
print(data4)

#匹配空字符串 \s空字符，或者是\n\t\f\v(换行，制表符）
print(re.findall(r'a\sc',"a c"))

#匹配非空字符  \S
print(re.findall(r'a\Sc',"abc"))

#匹配单词字符  \w【A-Z,a-z,0-9_】
print(re.findall(r'a\wc','abc'))

#匹配非单词字符  \W
print(re.findall(r'a\Wc','a+c'))

# * 匹配前一个字符0或无限次
print(re.findall(r'abc*','ab'))#['ab']

# + 匹配前一个字符1或无限次
print(re.findall(r'abc+','abc'))

# {m} 匹配前一个字符m次
print(re.findall(r'ab{5}c','abbbbbc'))#['abbbbbc']

# {m,n} 匹配前一个字符m次到n次
print(re.findall(r'ab{3,5}c','abbbc'))#['abbbc']

#匹配字符串开头
print(re.findall(r'^ab','abbbc'))#['ab']
#print(re.findall(r'^aab','abbbc'))#[]

#匹配字符串结尾
print(re.findall(r'bc$','abbbc'))#['bc']
#print(re.findall(r'bc$','abbbcc'))#[]  即，若匹配的不是以bc结尾，则返回  空

# | 代表左右表达式中任意匹配一个，它总是先尝试匹配左边的表达式，一旦成功会跳过匹配右边的表达式
#如果 | 没有被包括在（）中，则它的范围是整个表达式
print(re.findall(r'(abc|def)','abc'))
print(re.findall(r'abc|def','abcdef'))#['abc', 'def']
print(re.findall(r'a(123|456)c','a456c'))#['456']


txt = '<a>appl</a>'
res = re.findall(r'<a>(.*?)</a>',txt)
print(res)#['appl']
#匹配手机号
print(r'^1[0-9]{10}','15778475303')

#匹配邮箱
#字母数字@地址.com
print(re.findall(r'[a-zA-Z0-9]+@[a-zA-Z0-9_-]+[.][a-zA-Z0-9_-]+$','747477910@qq.com'))
#['747477910@qq.com']
print(re.findall(r'[a-zA-Z0-9]+@[a-zA-Z0-9_-]+[.][a-zA-Z0-9_-]+$','LkwNaruto@163.com'))

txt = 'lkwnaruto@163.com'
res = re.findall(r'\w+@163[.]\w+',txt)
print(res)

练习题1：扩展：电话号中间4位变成*

sub的第一个参数是被替换的内容规则，第二个参数是替换的内容 ，第三个是替换的字符串对象。

练习题2：ls= ['123我','_咋hello','这php','么','不帅789','呢???']

需求：匹配输出“我咋这么帅呢”

练习题3：把域名替换成https://localhost/

img = (

    ['<img src="http://www.baidu.com/a.jpg" width="250" height="100" />'],

    ['<img src="http://www.taobao.com/b.jpg" width="250" height="100" />'],

    ['<img src="http://www.zijie.com/c.jpg" width="250" height="100" />']

)