正则表达式基础

正则表达式基础

一、初识正则表达式

思考–问题答案在文末

• 问题1：text1 = ‘height:178，weight：168，sid：123456，passwd:9527’，如何快速找出密码？
• 问题2：text2 = ‘他的电话是18812345678x，他的生日是20000908，他爱好的数字是01234567891，他的座机是：0571-52152166’，如何快速匹配座机？
• 问题3：text3 = ‘1234567@qq.com’ ，如何检测邮箱格式是否正确?

Q1：什么是正则表达式？

正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。

Q2：他有什么用处？

1. 判断给定的字符串是否符合正则表达式的过滤逻辑（验证）：（验证：登录信息、手机号、邮箱地址）
2. 可以通过正则表达式，从字符串中获取我们想要的特定部分（匹配）

常见匹配字符

符号	描述
.	匹配处换行符\n之外任意1个字符
[]	匹配[]中任意一个
\d	一个0-9数字
\D	匹配非数字
\w	匹配单词字符：a-z、A-Z、0-9
\W	匹配非单词字符
\s	匹配空格、tab健
\S	匹配非空格，tab健

常用的匹配规则-匹配字符数量

• 匹配前一个字符出现0次或者无数次

• 匹配前一个字符出现1次或者无数次

符号	描述
?	匹配前一个字符出现0次或者1次
{m}	匹配前一个字符出现m次
{m,}	匹配前一个字符出现至少m次
{n,m}	匹配前一个字符出现n-m次
^	匹配字符串开头
$	匹配字符串结尾
|	或
(ab)	将括号中字符作为一个分组

二、 python正则表达式处理模块----re

2.1re.match函数----对字符串进行匹配

#re.match（）函数，可以对字符进行匹配，查找的位置是从指定的位置开始一直往后找，返回第一个符合规则的对象,如果开始位置不符合匹配队形则返回None。而如果从起始位置开始没有匹配成功，即便其他部分包含需要匹配的内容，re.match()也会返回None。

import re
#基本的语法格式：match(pattern,string,flags=0)
#其中第一个参数是需要进行匹配的内容，第二个参数表示的是一个匹配的字符串，最后一个参数这是一个控制正则表达式的匹配方式，是一个可选的参数，
s1 = 'height:178 weight:168,sid:123456,passwd:9527'
re2 = re.match('[a-zA-Z]+\W\d+\s\w+',s1)
print(re2)


s = "python is the bset language"
re1 = re.match('(.*)\s(\w+)\s(\w+)(\s\w+)(\s\w+)',s)
print(re1)
print(re1.group())
print(re1.group(1))
print(re1.group(2))
print(re1.group(3))
print(re1.span())

*******************print*********************************
<re.Match object; span=(0, 17), match='height:178 weight'>
<re.Match object; span=(0, 27), match='python is the bset language'>
python is the bset language
python
is
the
(0, 27)

2.2 re.findall()

findall匹配所有返回一个列表，这个方法使用频率较高。

import re
text = 'height:178，weight:168，sid:123456，passwd:9527'
print(re.findall(r'[a-zA-Z]+',text))
text2 = '12232443@qq.com'
print(re.findall(r'\d{6,10}@qq.com',text2))
text3 = 'syyang2022@163.com'
print(re.findall(r'\w+@\w+.\w{2,3}$',text3))
#print(re.findall(r'^[a-zA-Z-_]+@[a-zA-Z-_]+.[a-zA-Z-_]+',text3))
text4 = '10.10.10.10'
print(re.findall(r'\d{1,3}.\d+.\d+.\d+',text4))
#print(re.findall('\D+',text))

*******************print*********************************
['height', 'weight', 'sid', 'passwd']
['12232443@qq.com']
['syyang2022@163.com']
['10.10.10.10']

2.3 re.search方法

re.search 扫描整个字符串并返回第一个成功的匹配。search 在全文中匹配一次，匹配到就返回 函数语法： re.search(pattern, string, flags=0) 示例： 输出结果： searchObj.group() : Cats are smarter than dogs searchObj.group(1) : Cats searchObj.group(2) : smarter

import re
s = "Cats are smarter than dogs"
re2 = re.search('are',s)
print(re2)
print(re2.group())

*******************print*********************************
<re.Match object; span=(5, 8), match='are'>
are

2.4 re.sub()

检索和替换 re.sub()将匹配到的数据进行替换。 语法：re.sub(pattern, repl, string, count=0, flags=0) 示例： 输出结果： 电话号码是: 2019-0101-000 电话号码是 : 20190101000

import re
s = "python is the bset language"
re2 = re.sub('p','P',s,count=1)
print(re2)

s = "2019-0101-000"
re2 = re.sub('-','',s,count=0)
print(re2)

*******************print*********************************
Python is the bset language
20190101000

2.5 re.compile

compile 函数用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，供其他函数使用，我们常用的正则表达式方法，都已经自带了compile了。 语法格式为： re.compile(pattern[, flags]) 示例： 输出结果： None <_sre.SRE_Match object; span=(3, 5), match=‘12’> 12

s1 = 'height:178,weight:168,sid:123456,passwd:9527'
pattern = "\d*"
re2 = re.match(pattern,s1)
print(re2)

*******************print*********************************
<re.Match object; span=(0, 0), match=''>

2.6 re.split()

split 方法按照能够匹配的子串将字符串分割后返回列表，它的使用形式如下： re.split(pattern, string[, maxsplit=0, flags=0]) 示例： 输出结果： [‘www’, ‘huawei’, ‘com’]

import re
text = 'www.huawei.com'
print(re.split('w',text,))
print(re.split('\.',text))

*******************print*********************************
['', '', '', '.hua', 'ei.com']
['www', 'huawei', 'com']

三、写正则表达式的步骤

我们仍然以包含分机号码的座机电话号码为例，比如0571-88776655-9527，演示下面的步骤：

• 确定模式包含几个子模式

  它包含3个子模式：0571-88776655-9527。这3个子模式用固定字符连接。

• 各个部分的字符分类是什么

  这3个子模式都是数字类型，可以用\d。现在可以写出模式为：\d-\d-\d

• 各个子模式如何重复

  第1个子模式重复3到4次，因为有010和021等直辖市

  第2个子模式重复7到8次，有的地区只有7位电话号码

  第3个子模式重复3-4次

  加上次数限制后，模式成为：\d{3,4}-\d{7,8}-\d{3,4}

  但有的座机没有分机号，所以我们用或运算符让它支持两者：

  \d{3,4}-\d{7,8}-\d{3,4}|\d{3,4}-\d{7,8}

• 是否有外部位置限制

  没有

• 是否有内部制约关系

  没有

经过一通分析，最后的正则就写成了，测试一下：

import re
text = '18812345678是他的手机号，他的身份证号是41188123456780978，他爱好的数字是01234567891，他的座机是：0571-52152166'
print(re.findall(r'^1\d{10}|\d{4}-\d{8}', text))

*******************print*********************************
['18812345678', '0571-52152166']

掌握常见匹配符合及规则就够日常使用

四、4个问题答案

• 问题1：text1 = ‘height:178，weight：168，sid：123456，passwd:9527’，如何快速找出4位数字密码？

  import re
  text1 = 'height:178，weight：168，sid：123456，passwd:9527'
  print(re.findall(r'\d{4}$',text1))
  
  *******************print*********************************
  ['9527']
  

• 问题2：text2 = ‘他的电话是18812345678x，他的生日是20000908，他爱好的数字是01234567891，他的座机是：0571-52152166’，如何快速匹配座机？

  import re
  text2 = '他的电话是18812345678x，他的生日是20000908，他爱好的数字是01234567891，他的座机是：0571-52152166'
  
  print(re.findall(r'\d{4}-\d{8}',text2))
  
  *******************print*********************************
  ['0571-52152166']
  

• 问题3：text3 = ‘1234567@qq.com’ ，如何检测qq邮箱格式是否正确?

  import re
  text3 = '1234567@qq.com' 
  print(re.findall(r'\d{6,10}@\w+.\w{2,3})',text3))
  
  *******************print*********************************
  ['1234567@qq.com']
  

---

日常笔记，共勉