Day 12
正则
正则语法
- 正则表达式
正则表达式是一种工具，用来做字符串匹配工作，让字符串处理变得更为方便（但也只能用来处理字符串）
fullmatch(正则表达式，字符串)
# 判断正则表达式和字符串是否完全皮欸，不匹配返回None
-
正则达式语法
-
匹配符号（要求一个符号对应一个字符，影响字符串长度）
1.“普通字符”
表示这个字符本身2.“ . ”
匹配任意一个字符3." \d "
匹配任意一个数字字符4.“ \D ”
匹配任意一个非数字字符5.“ \s ”
匹配一个空白字符（空格、\n换行、\t制表符）6.“ \S ”
匹配任意一个非空白字符7.“ \w ”
匹配任意一个数字、字母、下划线（ASCII表）8.“ \W ”
匹配任意一个非数字、字母、下划线的ASCII表的字符9." [字符集] "
匹配字符集中出现的任意一个字符（一个[]只能匹配一个字符）其中，可以用[字符串1-字符串2]表示一个范围内的字符，这个-只有在[]中并且在两个字符之间才有特殊功能；单独存在的具有特殊功能的字符在[]中功能会消失10." [^ 字符集] "
匹配不在字符集中的任意一个字符，^不在中括号中的开头就没有特殊功能，代表其本身from re import fullmatch, search re_str1 = r'abc' # 匹配一个字符串，其中有三个字符，分别是a，b，c print(fullmatch(re_str1, 'abc')) # <re.Match object; span=(0, 3), match='abc'> print(fullmatch(re_str1, 'ab')) # None print(fullmatch(re_str1, 'cba')) # None re_str2 = r'.b..c' # 匹配一个长度为5的字符串，第一个字符任意，第二个字符为b，第三四个任意，第五个为c print(fullmatch(re_str2, '4b你,c')) # <re.Match object; span=(0, 5), match='4b你，c'> print(fullmatch(re_str2, '1bac')) # None re_str3 = r'\d\d\d' # 匹配三个任意数字 print(fullmatch(re_str3, '123')) # <re.Match object; span=(0, 3), match='123'> print(fullamtch(re_str3, '12a')) # None re_str4 = r'\d\D\d' # 匹配三个字符，第一个和第三个为任意数字，第二个为任意非数字 print(fullmatch(re_str4, '1d2')) # <re.Match object; span=(0, 3), match='1d2'> print(fullmatch(re_str4, '123')) # None re_sre5 = r'abc\s123' # 匹配七个字符，其中abc和123之间要有空白 print(fullmatch(re_str5, 'abc 123')) # <re.Match object; span=(0, 7), match='abc 123'> print(fullmatch(re_str5, 'abc\n123')) # <re.Match object; span=(0, 7), match='abc\n123'> print(fullmatch(re_str5, 'abc\t123')) # <re.Match object; span=(0, 7), match='abc\t123'> print(fullmatch(re_str5, 'abc_123')) # None re_str6 = r'abc\S\d' # 匹配五个字符分别为'abc'和非空格和任意数字 print(fullmatch(re_str6, 'abc=1')) # <re.Match object; span=(0, 5), match='abc=1'> print(fullmatch(re_str6, 'abc00')) # <re.Match object; span=(0, 5), match='abc00'> print(fullmatch(re_str6, 'abc 0')) # None re_str7 = r'[abc]123' # 匹配'a123','b123','c123'中任意一个 print(fullmatch(re_str7, 'a123')) # <re.Match object; span=(0, 4), match='a123'> print(fullmatch(re_str7, 'k123')) # None re_str8 = r'[\s\d]' # 匹配任意一个空白或数字 re_str9 = r'[1-9abc]' # 匹配1~9中的任意一个数字字符或'a'或'b'或'c' re_str0 = r'[a-zA-Z]' # 匹配任意一个字母 re_str = r'[\da-zA-Z_]' # 匹配数字、字母、下划线，等同于\w re_zh = r'[^\u4e00-\u9fa5]' # 匹配非中文的任意一个字符 -
检测符号（不会匹配字符，也不会影响字符串长度，它在匹配成功的前提下对指定位置的字符进行监测）
1." \b "
监测是否为单词边界（所有能够区分出两个不同单词的符号，例如：空白字符、标点符号、字符串开头和结尾）2." \B "
监测是否不是单词边界3." ^ "
监测是否字符串开头4." $ "
监测是否字符串结尾- 匹配次数
1." * "
匹配0次或多次（即任意次数）2." + "
匹配一次或多次3." ? "
匹配0次或多次4."{N}","{M,N}","{M,}","{,N}"
匹配N次、匹配M~N次，匹配至少M次，匹配至多N次# 匹配任意正整数 re_pi = r'[+]?[1-9]\d*' print(fullmatch(re_pi, '89')) # <re.Match object; span=(0, 2), match='89'> # 用户名要求(3~6位字母数字) re_user = r'[\da-zA-Z]{3,6}' print(fullmatch(re_user, '1aer')) # <re.Match object; span=(0, 4), match='1aer'>- 贪婪和非贪婪模式（在匹配次数不确定时的匹配模式，默认为贪婪模式）
1.贪婪模式
在能匹配成功的前提下，选择匹配次数最多的（+,*,?,{M,N},{M,},{,N}）2.非贪婪模式
在能够匹配成功的前提下，选择匹配次数最少的（在不确定匹配次数的符号后面加?例如：+?,*?,??,{M,N}?,{M,}?,{,N}?）re_mach = r'a.+b' print(search(re_mach, 'xxamnbpppb==b123')) # <re.Match object; span=(2, 13), match='amnbpppb==b'> re_less = r'a.+?b' print(search(re_less, 'xxamnbpppb==b123')) # <re.Match object; span=(2, 6), match='amnb'>- 分组
" ( ) "
将要看做一个整体的部分放入（）中，就可以将这个（）看作一个分组，可以对分组进行操作，其中：1.重复：\M 重复前面第M个分组中的部分；2.捕获：长于re模块中的findall函数使用，findall函数在获取字串时，如果正则中有分组，只会返回分组中满足正则的部分# 让\d\d[a-z][a-z]出现2~3次 re_turn = r'(\d{2}[a-z]{2}){2,3}' re_repeat = r'1:(\d[a-z]),2:(\d),3:\1\2' print(fullmatch(re_repeat, '1:1a,2:2,3:1a2')) # <re.Match object; span=(0, 14), match='1:1a,2:2,3:1a2'>- 分支
" | "
类似 if-else；先用第一个正则进行匹配，如果成功，整个正则匹配成功；如果失败，则用第二个正则进行匹配，如此进行匹配# 写一个正则能够匹配一个字符串：abc后面是3个数字或者是3个大写字母 re_ifel = r'abc(\d{3}|[A-Z]{3})'- 转义符号
在正则中有特殊意义的符号前加" \ "，让这个符号在正则中的功能消失
-
-
符号对照表
| 匹配符号 | 作用 |
|---|---|
| . | 匹配任意一个字符 |
| \d | 匹配任意一个数字字符 |
| \D | 匹配任意一个非数字字符 |
| \s | 匹配一个空白字符(空格、\n换行、\t制表符) |
| \S | 匹配一个任意非空白字符 |
| \w | 匹配任意一个数字、字母或者下划线（ASCII表） |
| \W | 匹配任意一个非数字、字母和下划线的ASCII表字符 |
| [ ] | 匹配字符集中出现的任意一个字符 |
| [^ ] | 匹配不在字符集中的任意一个字符 |
| 检测符号 | 作用 |
|---|---|
| \b | 监测是否是单词边界 |
| \B | 监测是否不是单词边界 |
| ^ | 监测是否字符串开头 |
| $ | 监测是否字符串结尾 |
| 匹配次数 | 作用 |
|---|---|
| * | 匹配0次或多次（任意次数） |
| + | 匹配一次或多次 |
| ？ | 匹配0次或一次（判断是否存在） |
| {N}、{M,N}、{M,}、{,N} | 匹配N次，匹配M~N次，匹配至少M次，匹配最多N次 |
| 分组和分支 | 作用 |
|---|---|
| ( ) | 将要看作一个整体的部分放入（）中，就可以将这个（）看作一个分组 |
| | | 先用第一个正则进行匹配，如果成功，整个正则匹配成功；如果失败，则用第二个正则进行匹配，如此推进 |
正则模块使用
- 匹配对象
# compile(正则表达式) - 编译正则表达式，返回正则对象
re_obj = re.compile(r'\d{3}')
print(re_obj.fullmatch('123')) # 将正则表达式编译成正则对象后在调用fullmatch时可以直接写字符串
# fullmatch(正则表达式，字符串) - 完全匹配（让整个字符串与正则进行匹配，匹配成功返回匹配对象，失败返回None）
# match(正则表达式，字符串) - 让字符串的开头与正则表达式进行匹配，成功返回匹配对象，失败返回None
print(re.match(r'\d{3}', '231asd')) # <re.Match object; span=(0, 3), match='231'>
print(re.fullmatch(r'\d{3}', '231asd')) # None
-
re模块
- 匹配
匹配对象.group()
其中如果有参数代表获取正则中的第几个分组
- 匹配范围
匹配对象.span() - 左闭右开
其中如果有参数代表第几个分组的下标范围
- 查找
1.search(正则表达式，字符串)
在字符串中查找第一个满足正则的字串，如果找到返回正则对象，否则返回None2.findall(正则表达式，字符串)
获取字符串中所有满足正则的字串，返回值为字串组成的列表，没有满足的字串返回空列表3.finditer(正则表达式，字符串)
获取字符串中所有满足正则表达式的字串，返回所有的正则对象- 切割和替换
split(正则表达式，字符串)
将字符串中满足正则的字串作为切割点sub(正则表达式，字符串1，字符串2)
将字符串2中满足正则的字串全部替换为字符串1print(result.group()) # 34knmHK print(result.group(1)) # 34 print(result.group(3)) # HK print(result.group(1, 2)) # ('34', 'knm') print(result.span()) # (0, 7) print(result.span(1)) # (0, 2) print(result.span(3)) # (5, 7) # print(result.span(1, 2)) # 报错：TypeError: span expected at most 1 arguments, got 2 print(re.findall(r'\d{3}', '1234567890')) # ['123', '456', '789'] print(re.findall(r'([a-z\d])\d{3}', 'a123sdf35skd345')) # ['a', 'd'] result = re.finditer(r'([a-z\d])\d{3}', 'a123sdf35skd345') print(result) # <callable_iterator object at 0x0000027A4D7E6FD0> print(list(result)) # [<re.Match object; span=(0, 4), match='a123'>, <re.Match object; span=(11, 15), match='d345'>] print(re.split(r'\d+', 'asd12fsdg354sf456sdg23qve')) # ['asd', 'fsdg', 'sf', 'sdg', 'qve'] print(re.sub(r'\d+', '=', 'asd12fsdg354sf456sdg23qve')) # asd=fsdg=sf=sdg=qve
扫一扫
1204
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
