Python 笔记 — 正则基础

最新推荐文章于 2024-11-10 08:15:38 发布
最新推荐文章于 2024-11-10 08:15:38 发布
阅读量61 收藏 1
点赞数 1
分类专栏： Python 文章标签： python 笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/muyuhen/article/details/132632087
版权

目录

一、介绍

1、概述

正则表达式是一个特殊的字符序列，它能帮助你方便的检查一个字符串是否与某种模式匹配。

正则表达式是一个很强大的字符串处理工具，几乎任何关于字符串的操作都可以使用正则表达式来完成。

在 Python 中需要通过正则表达式对字符串进行匹配的时候，可以使用 re 模块。

2、应用场景

表单验证（例如 : 手机号、邮箱、身份证… ）

爬虫

处理文本和数据

3、格式

# 导入 re 模块
import re

# 使用 match 方法进行匹配操作 re.match() 能够匹配出以 xxx 开头的字符串
# 如果起始位置没有匹配成功，返回 None
result = re.match(正则表达式,要匹配的字符串)
# 如果上一步匹配到数据的话，可以使用 group 方法来提取数据
result.group()

4、案例

import re
result = re.match('it', 'itsixstar.cn')
print(result.group())  # it

二、匹配单个字符

字符功能
.匹配任意1个字符（除了\n）
[ ]匹配[ ]中列举的字符
\d匹配数字，即0-9
\D匹配非数字，即不是数字
\s匹配空白，即空格，tab键
\S匹配非空白
\w匹配单词字符，即a-z、A-Z、0-9、_
\W匹配非单词字符
import re

# . 匹配任意1个字符（除了\n）
ret = re.match(".","M")
print(ret.group())  # M

ret = re.match("t.o","too")
print(ret.group())  # too

ret = re.match("t.o","two")
print(ret.group())  # two

# [] 匹配[ ]中列举的字符
# 如果 hello 的首字符小写，那么正则表达式需要小写的 h
ret = re.match("h","hello Python")
print(ret.group())  # h

# 如果 hello 的首字符大写，那么正则表达式需要大写的 H
ret = re.match("H","Hello Python")
print(ret.group())  # H

# 大小写h都可以的情况
ret = re.match("[hH]","hello Python")
print(ret.group())  # h
ret = re.match("[hH]","Hello Python")
print(ret.group())  # H
ret = re.match("[hH]ello Python","Hello Python")
print(ret.group())  # Hello Python

# 匹配0到9第一种写法
ret = re.match("[0123456789]Hello Python","7Hello Python")
print(ret.group())  # 7Hello Python

# 匹配0到9第二种写法
ret = re.match("[0-9]Hello Python","7Hello Python")
print(ret.group())  # 7Hello Python

ret = re.match("[0-35-9]Hello Python","7Hello Python")
print(ret.group())  # 7Hello Python

# 下面这个正则不能够匹配到数字4，因此 ret 为 None
ret = re.match("[0-35-9]Hello Python","4Hello Python")
# print(ret.group())  # AttributeError: 'NoneType' object has no attribute 'group'

# 普通的匹配方式 \d 匹配数字，即0-9
ret = re.match("嫦娥1号","嫦娥1号发射成功")
print(ret.group())  # 嫦娥1号

# 使用\d进行匹配
ret = re.match("嫦娥\d号","嫦娥1号发射成功")
print(ret.group())  # 嫦娥1号

# \w匹配单词字符，即a-z、A-Z、0-9、_
res = re.match('\w', '4sixstar')
print(res.group())  # 4

三、匹配多个字符

字符功能
*匹配前一个字符出现0次或者无限次，即可有可无
+匹配前一个字符出现1次或者无限次，即至少有1次
?匹配前一个字符出现1次或者0次，即要么有1次，要么没有
{m}匹配前一个字符出现m次
{m,n}匹配前一个字符出现从m到n次
import re

# * 匹配出，一个字符串第一个字母为大小字符，后面都是小写字母并且这些小写字母可有可无
ret = re.match("[A-Z][a-z]*","M")
print(ret.group())  # M

res = re.match('[A-Z]*[a-z]', 'SSixstar')
print(res.group())  # SSi

ret = re.match("[A-Z][a-z]*","Aabcdef")
print(ret.group())  # Aabcdef

# +:匹配出，变量名是否有效
ns = ['jiuge', '2jiuge', 'jg', '_jiuge']
for i in ns:
    res = re.match('[ a-zA-Z_]+[\w]*', i)
    if res:
        print('正确的名字：', res.group())
    else:
        print("名字 %s 非法" % i)

# 运行结果：
# 正确的名字： jiuge
# 名字 2jiuge 非法
# 正确的名字： jg
# 正确的名字： _jiuge

# ? 匹配数字 匹配前一个字符出现1次或者0次，即要么有1次，要么没有
res = re.match('[1-9]?[0-9]', '6946')
print(res.group())  # 69

res = re.match('[1-9]?', '6946')
print(res.group())  # 6

res = re.match('[1-9]?\d', '78')
print(res.group())  # 78

res = re.match('[1-9]?\d', '078')
print(res.group())  # 0

# {m} 匹配前一个字符出现m次, 8到20位的密码，可以是大小写英文字母、数字、下划线
ret = re.match("[a-zA-Z0-9_]{6}","12a3g45678")
print(ret.group())  # 12a3g4

res = re.match('[a-z0-9]{4}', 'abc234dss')
print(res.group())  # abc2

ret = re.match("[a-zA-Z0-9_]{8,20}","1ad12f23s34455ff66")
print(ret.group())  # 1ad12f23s34455ff66

ret = re.match("[a-zA-Z0-9_]{3,8}", "abc")
print(ret.group())  # abc

四、匹配开头结尾

字符功能
^匹配字符串开头
$匹配字符串结尾
import re

res = re.match('^ab', 'absdf')  # 由'ab'开头就匹配成功
print(res.group())  # ab

res = re.match('^[0-9]', '23absdf')  # ^[0-9]表示由0-9之间开头就成功
print(res.group())  # 2

res = re.match('[^0-9]', 'absdf')  # [^0-9] 表示匹配所有的非数字字符
print(res.group())  # a

总结：

'abc' 表示字符串中有’abc’就匹配成功 。

'[abc]' 表示字符串中有’a’或’b’或’c’就匹配成功 。

'^abc' 表示字符串由’abc’开头就匹配成功 。

'^[abc]' 表示字符串由’a’或’b’或’c’开头就匹配成功 。

'[^abc]' 表示匹配’a’,‘b’,‘c’之外的字符。如果一个字符串是由’a’,‘b’,'c’组合起来的，那就是假。

import re

elist = ['jiuge@qq.com', 'jiu@qq.compu', 'com.jiuge@qq.com', 'jiuge@163.com']
for i in elist:
    # res = re.match('[\w]*@qq.com$', i)
    res = re.match('[\w]{4,20}@qq.com$', i)
    if res:
        print('%s 符合要求' % res.group())
    else:
        print('%s 不符合要求' % i)

# 运行结果：
# jiuge@qq.com 符合要求
# jiu@qq.compu 不符合要求
# com.jiuge@qq.com 不符合要求
# jiuge@163.com 不符合要求

五、匹配分组

字符功能
|匹配左右任意一个表达式
(ab)将括号中字符作为一个分组
\num引用分组 num 匹配到的字符串
(?P)分组起别名
(?P=name)引用别名为 name 分组匹配到的字符串
import re

# | 匹配左右任意一个表达式
res = re.match('[1-9]?\d$', '10')
print(res.group())  # 10

res = re.match('[1-9]?\d$', '100')
# print(res.group())  # 报错

res = re.match('[1-9]?\d$|100', '100')
print(res.group())  # 100

# () 将括号中字符作为一个分组
res = re.match('\w{4,20}@163.com', 'test@163.com')
print(res.group())  # test@163.com

res = re.match('\w{4,20}@(163|qq|129).com', 'test@qq.com')
print(res.group())  # test@qq.com

import re

res = re.match("<[a-zA-Z]*>", "<html>hh</html>")
print(res.group())  # <html>

res = re.match("<[a-zA-Z]*>\w*", "<html>hh</html>")
print(res.group())  # <html>hh

res = re.match("<[a-zA-Z]*>\w*</[a-zA-Z]*>", "<html>hh</html>")
print(res.group())  # <html>hh</html>

ret = re.match(r"<(\w*)>\w*</\1>", "<html>hh</html>")
print(ret.group())  # <html>hh</html>

import re

ret = re.match(r"<(\w*)>\w*</\1>", "<html>hh</htmlre>")
# 因为2对<>中的数据不一致，所以没有匹配出来，前后不匹配，出现错误。
# print(ret.group())  # 报错：AttributeError: 'NoneType' object has no attribute 'group'

# \number
ret = re.match(r"<(\w*)><(\w*)>.*</\2></\1>", "<html><h1>hh</h1></html>")
print(ret.group())  # <html><h1>hh</h1></html>

ret = re.match(r"<(\w*)><(\w*)>.*</\2></\1>", "<html><h2>hh</h1></html>")
# print(ret.group())  # 报错：AttributeError: 'NoneType' object has no attribute 'group'

# (?P<name>) 分组起别名
ret = re.match(r"<(?P<n1>\w*)><(?P<n2>\w*)>.*</(?P=n2)></(?P=n1)>", "<html><h1>www.baidu.com</h1></html>")
print(ret.group())  # <html><h1>www.baidu.com</h1></html>

六、高级用法

1、search 函数

search() 会扫描整个字符串并返回第一个成功的匹配。

import re

res = re.search('\d+', '阅读次数为23次')
print(res.group())  # 23

search 函数和 match 函数有点类似，都可以匹配模式。

match 和 search 的区别：

match 函数只能够字符串的开始位置开始匹配，而 search 扫描整个 string 查找匹配，可以匹配字符串的任意位置，但也是返回找到的第一个匹配的模式。

import re

res = re.match('ab', '12abwe')
# print(res.group())  # 错误：AttributeError: 'NoneType' object has no attribute 'group'

res2 = re.search('ab', '12abwe')
print(res2.group())  # ab

2、findall

findall() 以列表形式返回匹配到的字符串。

在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。

match 和 search 是匹配一次，findall 匹配所有。

import re

res = re.findall('\d', 'a=1,b=2,c=3')
print(res)  # ['1', '2', '3']

总结：

match：从头开始匹配，返回 object，匹配一次，最不常用。

search：仅返回第一个匹配，返回object，匹配一次，较常用 。

findall：匹配所有字符串，返回列表，匹配所有，最常用。

3、sub

sub() 将匹配到的数据进行替换。

re.sub(pattern, repl, string, count = 8, flags = 0)

其中必须的三个参数：pattern， repl， string

两个可选参数： count, flags

count 指定要替换的个数

import re

res = re.search('\d+', '20')
print(res.group())  # 20

res2 = re.sub('\d', '20', '我读了2页')
print(res2)  # 我读了20页

import re

str1 = '''
<div>
<p>岗位职责：</p>
<p>完成推荐算法、数据统计、接口、后台等服务器端相关工作</p>
<p><br></p>
<p>必备要求：</p>
<p>良好的自我驱动力和职业素养，工作积极主动、结果导向</p>
<p>&nbsp;<br></p>
<p>技术要求：</p>
<p>1、一年以上 Python 开发经验，掌握面向对象分析和设计，了解设计模式</p>
<p>2、掌握HTTP协议，熟悉MVC、MVVM等概念以及相关WEB开发框架</p>
<p>3、掌握关系数据库开发设计，掌握 SQL，熟练使用 MySQL/PostgreSQL 中的一种<br></p>
<p>4、掌握NoSQL、MQ，熟练使用对应技术解决方案</p>
<p>5、熟悉 Javascript/CSS/HTML5，JQuery、React、Vue.js</p>
<p>&nbsp;<br></p>
<p>加分项：</p>
<p>大数据，数理统计，机器学习，sklearn，高性能，大并发。</p>
</div>
'''
b = re.sub(r'<[^>]*>|&nbsp;|\n', "", str1)
print(b)

# 运行结果：
# 岗位职责：完成推荐算法、数据统计、接口、后台等服务器端相关工作必备要求：良好的自我驱动力和职业素养，工作积极主动、结果导向技术要求：1、一年以上 Python 开发经验，掌握面向对象分析和设计，了解设计模式2、掌握HTTP协议，熟悉MVC、MVVM等概念以及相关WEB开发框架3、掌握关系数据库开发设计，掌握 SQL，熟练使用 MySQL/PostgreSQL 中的一种4、掌握NoSQL、MQ，熟练使用对应技术解决方案5、熟悉 Javascript/CSS/HTML5，JQuery、React、Vue.js加分项：大数据，数理统计，机器学习，sklearn，高性能，大并发。

4、split

split() 根据匹配进行切割字符串，并返回一个列表。

re.split(pattern, string, maxsplit=0, flags=0)

pattern compile 生成的正则表达式对象，或者自定义也可。

string 要匹配的字符串。

maxsplit 指定最大分割次数，不指定将全部分割。

import re

res = re.split(';| ', 'a b;c 23')
print(res)  # ['a', 'b', 'c', '23']

七、贪婪和非贪婪

正则在进行匹配时，从开始位置查找最远的结束位置，这种模式称之为贪婪模式。

在进行 HTML 标签类似内容获取时，贪婪模式会导致整个内容的返回，需要使用非贪婪模式。

贪婪匹配：在满足匹配时，匹配尽可能长的字符串，默认情况下，采用贪婪匹配。

非贪婪匹配：在满足匹配时，匹配尽可能短的字符串，使用 ? 来表示非贪婪匹配。

固定的书写规则 :

.*? 这种方式就是非贪婪模式，或者说是惰性模式。

非贪婪则相反，总是尝试匹配尽可能少的字符。

在"*“,”?“,”+“,”{m,n}"后面加上?，使贪婪变成非贪婪。

import re

res = re.match('ab*', 'abbbc')
print(res.group())  # abbb

res2 = re.search('ab*?', 'abbbc')
print(res2.group())  # a

res = re.match('a*', 'aaa')
print(res.group())  # aaa

res2 = re.match('a*?', 'aaa')
res2 = re.match('a+?', 'aaa')  # a
print(res2.group())  # 空字符串

import re

str3 = '<h1> hello world </h1>'
res = re.findall(r'<.*>', str3) # 贪婪模式
res2 = re.findall(r'<.*?>', str3) # 非贪婪模式

# 默认匹配到所有内容
print(res)  # ['<h1> hello world </h1>']
# 只想匹配两个标签的内容
print(res2)  # ['<h1>', '</h1>']

import re

st = 'ab1234ba'
res = re.match('ab(\d+)', st)
res2 = re.match('ab(\d+?)', st)
res3 = re.match('ab(\d+)ba', st)
res4 = re.match('ab(\d+?)ba', st)

print(res.group())  # ab1234
print(res2.group())  # ab1
print(res3.group())  # ab1234ba
print(res4.group())  # ab1234ba

八、原生字符串

1、Python 中字符串前面加上 r 表示原生字符串。

2、python 转义字符

\b 退格(Backspace)

\e 转义

\n 换行

\t 横向制表符

\' 单引号

print('abc\n123')
print('abc\\n123')

# 运行结果：
# abc
# 123
# abc\n123

3、假如你需要匹配文本中的字符 \，那么使用编程语言表示的正则表达式里将需要4个反斜杠\\\\。

前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。

因为在正则表达式中，\\ 就是一个反斜杠。

import re

res = re.match('\\\\', '\def')
print(res.group())  # \

4、正则表达式可以使用 r'\\'表示。

import re

res = re.match(r'\\', '\def')
print(res.group())  # \
    
m = 'c:\\a\\b\\d'
print(m)  # c:\a\b\d

res = re.match('c:\\\\', m)
print(res.group())  # c:\

res2 = re.match(r'c:\\a', m)
print(res2.group())  # c:\a

记录学习过程，欢迎讨论交流，尊重原创，转载请注明出处~

Python编程--正则基础
Liu_Bruce的博客
08-05 283
需求判断一个字符串是否是手机号解决编写一个函数，给函数一个字符串，如果是手机号则返回True，否则返回False代码 注意如果使用正则会让这个问题变得简单概述： 正则表达式，又称规则表达式正则表达式(regular expression)描述了一种字符串匹配的模式（pattern）正则匹配是一个 模糊的匹配(不是精确匹配)**re：**python自1.5版本开始增加了re模块，该模块提供了perl风格的正则表达式模式，re模块是python语言拥有了所有正则表达式的功能锚字符:用来判定是否按照规定开始
Python正则表达式基础
精益求精，永无止境，永远在路上！
04-02 1542
在处理字符串时，经常会有查找符合某些复杂规则的字符串的需求
python基础——正则表达式
tan_run的博客
04-26 2034
正则表达式（Regular Expression）是一种用于处理字符串的强大工具，它可以用来检查字符串是否符合某种模式、提取字符串中的特定部分或者替换字符串中的某些内容。比如在某些场景，我们在输入邮箱的时候，如果我们的输入不符合邮箱地址的规则，则会被提示错误输入。●match(): 从字符串的开头开始匹配，如果开头不匹配则返回None。匹配成功则返回第一个匹配项（包含信息），匹配失败则返回None●search(): 在字符串中搜索与正则表达式匹配的子字符串，返回第一个匹配项（包含信息），失败返回。
python正则基础
crystal_shrimps的博客
10-16 133
1.原子 正则表达式中最基本的单位 普通字符：a,b,c,A,B,C 非打印字符 \n换行 \ttab键 通用字符 字符 描述 \w 匹配字母数字及下划线 \W 匹配除\w外其他字符 \s 匹配任意空白字符，等价于 [\t\n\r\f]. \S 匹配除\s外其他 \d 匹配任意数字，等价于 [0-9] \D 匹配除\d外其他 原子表 []里定义一组地...
『Python学习笔记』Python正则表达式详细介绍
AI新视界
12-04 1603
正则表达式并不是Python的一部分。正则表达式是用于 处理字符串 的强大工具，拥有自己独特的语法以及一个独立的处理引擎，效率上可能不如str自带的方法，但功能十分强大。得益于这一点，在提供了正则表达式的语言里，正则表达式的语法都是一样的，区别只在于不同的编程语言实现支持的语法数量不同；但不用担心，不被支持的语法通常是不常用的部分。如果已经在其他语言里使用过正则表达式，只需要简单看一看就可以上手了。
Python 正则表达式
json_li的博客
04-23 1711
Python 正则表达式笔记
【python】 正则表达式
weixin_52762273的博客
03-28 1817
一.python 正则表达式 1.元字符 # 行定位符"^"表示行的开始，"$"表示行的结尾 ^tm tm$ tm表示出现在任意部分 # 元字符 ^ $ \bmr\w*\b 匹配以字母mr开头的单词，先是从某个单词单词开始处（\b）,然后匹配字母mr,接着是任意数量的字母或数字(\w*),最后是单词结束处(\b) # 该正则表达式可以匹配“mrsoft”"mrbook""mr123456" 代码 说明 . 匹配换行字符以外的的任意字符 \w 匹配字母或数字或下划线或汉字 \
学习笔记：Python爬虫正则表达式.doc
07-20
### 正则表达式在Python爬虫中的应用 #### 一、引言 在Python编程中，正则表达式（Regular Expression，简称regex或regexp）是一种强大的文本处理工具，广泛应用于字符串搜索、替换等场景。对于从事网络爬虫开发的...
Python 中文正则表达式笔记
10-28
#### 二、Python正则表达式基础 在开始之前，我们先回顾一下Python中正则表达式的几个关键点： - **re模块**：Python中用于支持正则表达式的标准库。 - **re.match()** 和 **re.search()**：`re.match()`仅从字符串...
python正则表达式详解笔记,python正则表达式教学.doc
10-01
#### 二、Python中的正则表达式基础 在Python中使用正则表达式时，需要导入`re`模块。这个模块提供了所有必要的正则表达式功能。 - **转义字符问题**：在正则表达式中，`\`常被用作转义字符。这意味着，如果你想要...
【python GUI编码入门-21】如何用Tkinter创建一个记事本应用
木头大左的博客
11-08 50
在现代编程环境中，图形用户界面（GUI）应用程序的开发变得越来越重要。Python的Tkinter库是一个功能强大且易于使用的GUI工具包，非常适合初学者和有经验的开发者使用。本文将详细介绍如何使用Tkinter创建一个简易的记事本应用，涵盖从安装到实现各项功能的全过程。Tkinter是Python的标准GUI库，它提供了丰富的接口来创建窗口、对话框、按钮等常见的GUI组件。Tkinter具有良好的跨平台性，可以在Windows、Mac OS和Linux上运行。
一次薅国家超算平台的记录
weixin_55179972的博客
11-07 407
参与 谁是下一个“AI”跃人 -AI体验推介活动，赢取千元算力券！（https://www.scnet.cn/home/subject/modular/index270.html）2. Clone开源的Llama3 Chinese （https://github.com/LlamaFamily/Llama-Chinese）活动名称主题：国家超算互联网「AI跃升季」：谁是下一个“AI”跃人 - AI算力体验活动。其中位置1，2替换为商品基模型和训练出来的微调模型。模型改为商城下载的模型。2、运行的过程记录。
推荐一款管道数据检索工具：Pipedata-Pro
11-09 346
是一款专为设计石油、天然气、水和蒸汽管道及管道系统的工程师开发的应用程序。该应用程序提供了设计管道系统所需的工程数据，拥有一个全面的管道类型、配件和材料。
2024年华为OD机试真题-查找充电设备-C++-OD统一考试（E卷）
面试高手的博客
11-08 255
某个充电站，可提供n个充电设备只，每个充电设备均有对应的输出功率任意个充电设备组合的输出功率总和，均构成功率集合P的1个元素功率集合P的最优元素，表示最接近充电站最大输出功率pmax 的元素。每一题都含有详细的解题思路和代码注释，精编c++、JAVA、Python三种语言解法。当充电设备输出功率50、20、20组合时，其输出功率总和为90，最接近充电站最大充电输出功率，因此最优元素为90。所有充电设备的输出功率组合，均大于充电站最大充电输出功率30，此时最优元素值为0。第 2 行为每个充电设备的输出功率。
大模型落地之ollama控制设备
最新发布
weixin_44772948的博客
11-10 56
本地环境：ollama3.2（理论上ollama3.1以上就支持tool功能，但是笔者没有试过）(PS:不足点，在输入不是控制指令的相关问题时，大概率也会调用工具，需要后续调优）
Golang--文件操作
cookies_s_的博客
11-07 423
文件操作
Python 中测试函数调用顺序
weixin_44617651的博客
11-08 295
在 Python 中测试函数调用顺序是一个常见的需求。例如，您可能有一个对象 ​​Obj​​，其中包含三个方法：​​method1​​、​​method2​​ 和 ​​method3​​。您还编写了一个函数 ​​do_something​​，该函数调用这些方法。您想编写一个测试来测试 ​​do_something​​ 函数和 ​​Obj​​ 对象。但是，您不想直接模拟或改变 ​​Obj​​ 对象的行为。您需要一种方法来获取在 ​​obj​​ 对象上调用的方法列表，而无需更改其行为。
Python正则表达式基础教程：语法详解与实战应用
正则表达式的核心在于其特殊字符和组合，它们构成了模式的基础。以下是一些主要的特殊字符及其含义： 1. `.` (点号)：匹配任何单个字符，除了换行符。 2. `^` (脱字符)：匹配字符串的开始位置。 3. `$` (美元符号)...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值