正则表达式简单总结

当有一段文本，需要提取其中的指定数据，可用正则表达式解决。例如，提取文中的手机号和邮箱

text=’哈哈哈能达到我FIFO哦亲，手机号15917971566，微风轻拂i祈福祈福哈哈哈能达到我FIFO哦亲，手机号15917971566，微风轻拂i祈福祈福哈哈哈能达到我FIFO哦亲，手机号15917971566，微风轻拂i祈福祈福哈哈哈能达到我FIFO哦亲，手机号15917971566，微风轻拂i祈福祈福哈哈哈能达到我FIFO哦亲，手机号15917971566，微风轻拂i祈福祈福‘

正则表达式——从一段文本中提取一段符合相应格式数据
1.1.1正则表达式
1.字符相关

• TeaDrinkingGong匹配文本中的TeaDrinkingGong

 import re
 text='王府i额发布i本文分为覅TeaDrinkingGong'
 data_list=re.findall('TeaDrinkingGong',text)
 print(data_list)#['TeaDrinkingGong']

• [abc]匹配a或b或c字符

 import re
 text='weggwgq2afafgscbwewhw'
 data_list=re.findall('[abc]',text)
 print(data_list)#['a', 'a', 'c', 'b']

也可以在前面加上其他修饰

 import re
 text='weggwgq2afafgscbwewhw'
 data_list=re.findall('f[abc]',text)
 print(data_list)#['fa']

• [^abc]匹配除了abc以外的字符

 import re
 text='weggwgq2afafgscbwewhw'
 data_list=re.findall('^[abc]',text)
 print(data_list)#['w', 'e', 'g', 'g', 'w', 'g', 'q', '2', 'f', 'f', 'g', 's', 'w', 'e', 'w', 'h', 'w']

• [a-z]匹配a到z任意一个字符

 import re
 text='weggwgq2afafgscbwewhw'
 data_list=re.findall('f[a-z]',text)
 print(data_list)#['fa', 'fg']

• .带指除换行符之外任意字符,但只能代表一个字符

 import re
 text='weggwgq2afafgscbwewhw'
 data_list=re.findall('f.s',text)
 print(data_list)#['fgs']

 import re
 text='weggwgq2afafgscbwewhw'
 data_list=re.findall('f.+s',text)#贪婪匹配，越长越好
 print(data_list)#['fgs']

 import re
 text='weggwgq2afafgscbwewhw'
 data_list=re.findall('f.+？s',text)#非贪婪匹配
 print(data_list)#['fgs']

• \w代指数字或字母或下划线（汉字）

import re
text='不玩ifggw威   锋qf网wfwf我不玩qwf'
data_list=re.findall('不\w+w',text)
print(data_list)#['不玩ifggw', '不玩qw']

• \d代表整数

import re
text='ewfd2ff497wgwd85fwqwgd6'
data_list=re.findall('d\d',text)
print(data_list)#['d2', 'd8', 'd6']

• \s代指任意空白符，包括空格制表符

import re
text='ewfd 2ff49 7w gwd85fw qwgd6'
data_list=re.findall('w\s\w+w',text)
print(data_list)#

2.字符相关

• *重复0次或多次

import re
text='他是大B个，确实是个大2B'
data_list=re.findall('大2*B',text)
print(data_list)#['大B', '大2B']

• +重复1次或多次

• ?重复0次或1次

• {n}重复n次

• {n,}重复n次或更多次

• {n,m}重复n到m次
  3.括号（分组）

• 提取数据区域

import re
text='手机号16992758201tel18520205819'
data_list=re.findall('1699(2\d{5})',text)
print(data_list)#['275820']

import re
text='手机号16992658201tel16992666666'
data_list=re.findall('16(99)2(6\d{5})',text)
print(data_list)#[('99', '658201'), ('99', '666666')]

import re
text='手机号16992758201tel18520205819'
data_list=re.findall('1699(2\d{5})',text)
print(data_list)#['275820']

• 获取指定区域+或条件
  利用|即可
  练习题
  1.利用正则表达式匹配QQ号

 [1-9]\d{4,}

2.身份证

import re
text='def130429191912015219k13042919591219521Xkk'
data_list=re.findall('\d{17}[\dX]',text)#与之前的[abc]类似
print(data_list)#['130429191912015219', '13042919591219521X']

import re
text='def130429191912015219k13042919591219521Xkk'
data_list=re.findall('\d{17}(\d|X)',text)#利用|来选择，但是会舍弃前面的号码
print(data_list)#['9', 'X']

import re
text='def130429191912015219k13042919591219521Xkk'
data_list=re.findall('(\d{17}(\d|X))',text)#为防止刚刚情况发生，在整个外面再套一个大括号
print(data_list)#[('130429191912015219', '9'), ('13042919591219521X', 'X')]

import re
text='def130429191912015219k13042919591219521Xkk'
data_list=re.findall('(\d{6})(\d{4})(\d{2})(\d{2})(\d{3})([0-9]|X)',text)#提取身份证中的各项数据
print(data_list)#[('130429', '1919', '12', '01', '521', '9'), ('130429', '1959', '12', '19', '521', 'X')]

3.手机号

import re
text='手机号15009876289，你的14718941'
data_list=re.findall('1[3-9]\d{9)',text)#提取手机号
print(data_list)#['15009876289']

4.邮箱地址

import re
text='邮箱 15009876289@qq.com，你的 wefwgwwf@wenfiw.com'
data_list=re.findall('\w+@\w+.\w+',text)#提取邮箱
print(data_list)#['15009876289@qq.com', 'wefwgwwf@wenfiw.com']

3.起始和结束
上述示例中都是匹配文本中一段文字，只要其中存在即可，但如果要求用户输入内容必须是指定内容开头和结尾，就需要用到以下两个字符。

• ^起始
• $结束

import re
text='邮箱15009876289@qq.com呵呵'
email=re.findall('^\w+@\w+.\w+$',text,re.ASCII)#提取邮箱号，其中字符使用ASCII编码
print(email)#[]

import re
text='15009876289@qq.com'
email=re.findall('^\w+@\w+.\w+$',text,re.ASCII)#提取邮箱号，其中字符使用ASCII编码
print(email)#['15009876289@qq.com']

这种一般用于用户输入校验较多

import re
text=input('请输入邮箱')
email=re.findall('^\w+@\w+.\w+$',text,re.ASCII)#提取邮箱号，其中字符使用ASCII编码
if not email:
	print('邮箱格式错误')
else:
	print(email)

4.特殊字符
由于正则表达式中* . \ { } ( )均有特殊含义，需要转义

import re
text='我是你{5}爸爸'
data=re.findall('你{5}爸',text)#提取邮箱号，其中字符使用ASCII编码
print(data)#[]

import re
text='我是你{5}爸爸'
data=re.findall('你\{5\}爸',text)#提取邮箱号，其中字符使用ASCII编码
print(data)#['你{5}爸']

5.re模块
python中提供了re模块，可处理正则表达式并进行处理

• findall，获取匹配到的所有数据

import re
text='def130429191912015219k13042919591219521Xkk'
data=re.findall('\d{17}[\dX]',text)#与之前的abd类似[abc]
print(data)#['130429191912015219', '13042919591219521X']

• match，从起始位置开始匹配，成功返回一个对象，不成功则返回None

import re
text='分区夫妻感情gw啊父亲'
data=re.match('情\ww',text)
print(data)#None

import re
text='情gw啊父亲分区夫妻感'
data=re.match('情\ww',text)
if data:
	print(data.group())#情gw

• search，匹配整个字符串出现的第一个，成功返回一个对象，不成功则返回None

import re
text='分区夫妻感情gw啊父亲'
data=re.match('情\ww',text)
if data:
	print(data.group())#情gw

• sub，替换匹配成果的位置

import re
text='潜伏期为全国4t给我跟我哥42'
data=re.sub('4\w','五分',text)
print(data)#潜伏期为全国五分给我跟我哥五分

同时可指定位置替换，其余则不替换

import re
text='潜伏期为全国4t给我跟我哥42'
data=re.sub('4\w','五分',text,1)
print(data)#潜伏期为全国五分给我跟我哥42

• split，根据匹配成果的位置分割

import re
text='潜伏期为全国4t给我跟我哥42'
data=re.split('4\w',text)
print(data)#['潜伏期为全国', '给我跟我哥', '']

可传上参数说明第几个分割

import re
text='潜伏期为全国4t给我跟我哥42'
data=re.split('4\w',text)
print(data)#['潜伏期为全国', '给我跟我哥42']

• finditer，与findall类似，但返回的是一个迭代器，循环一次才返回一次

import re
text='def130429191912015219k13042919591219521Xkk'
data=re.finditer('\d{17}[\dX]',text)
for item in data:
	print(item.group())
	#130429191912015219
	#13042919591219521X

正则：命名分组（正则），（?P<名称>正则)
可与finditer获取分组

import re
text='def130429191912015219kasd13042919191201521Xkk'
data=re.finditer('\d{6}(?P<year>\d{4})(?P<month>\d{2})(?P<day>\d{2})\d{3}\d|X',text)
for item in data:
	print(item.groupdict())
	#{'year': '1919', 'month': '12', 'day': '01'}