正则表达式
匹配类符号
-
什么是正则表达式
正则表达式是一种可以让复杂得字符串问题变得简单的工具
正则并不是python特有的语法（不属于python），所有的高级编程语言都支持正则，正则的语法通用
不管通过正则表达式解决的是什么问题，写正则的时候都是在使用正则表达式描述字符串规则 -
Python的re模块
re模块是python用来支持正则表达式的一个模块，模块中包含了所有和正则相关的函数
fullmatch(正则表达式, 字符串) - 判断正则表达式和指定字符串是否完全匹配(判断整个字符串是否符合正则表达式所描述的规则)
-
正则语法 - 匹配类符号
from re import fullmatch # 1）普通符号 - 在正则表达式中表示符号本身的符号 result = fullmatch(r'abc', 'abcd') print(result) # 2）. - 匹配任意一个字符 result = fullmatch(r'a.c', 'a好c') print(result) result = fullmatch(r'..abc', '12dabc') print(result) # 3）\d - 匹配任意一个数字字符 result = fullmatch(r'a\dc', 'a5c') print(result) # 4）\s - 匹配任意一个空白字符 # 空白字符 - 能产生空白效果的字符，例如：空格、换行、水平制表符 result = fullmatch(r'a\sc', 'ac') print(result) # 5）\D - 匹配任意一个非数字字符 result = fullmatch(r'a\Dc', 'a1c') print(result) # 6)\S - 匹配任意一个非空白字符 result = fullmatch(r'a\Sc', 'a1c') print(result) # 7）[字符集] - 匹配字符集中的任意一个字符 """ [abc] - 匹配a或者b或者c [abc\d] - 匹配a或者b或者c或者任意数字 [1-9] - 匹配1到9的任意数字 [a-z] - 匹配任意一个小写字母 [A-Z] - 匹配任意一个大写字母 [a-zA-Z] - 匹配任意一个字母 [a-zA-Z\d_] - 匹配字母数字或者下划线 [\u4e00-\u9fa5] - 匹配任意一个中文字符 注意：[]中减号放在两个字符之间表示谁到谁（确定的方式是根据字符编码值大小确定的）；如果减号不在两个字符之间，就表示一个普通的减号 """ result = fullmatch(r'a[MN12]b', 'aNb') print(result) result = fullmatch(r'a[MN\d]b', 'a8b') print(result) result = fullmatch(r'a[\u4e00-\u9fa5]c', 'a好c') print(result) result = fullmatch(r'a[A-Z]c', 'aBc') print(result) # 8）[^字符集] - 匹配不在字符集中的任意一个字符 result = fullmatch(r'a[^MN]b', 'a_b') print(result) result = fullmatch(r'a[^\u4e00-\u9fa5]c', 'a0c') print(result)
匹配次数
from re import fullmatch
# 1.* - 0次或多次（任意次数）
# 注意：*在谁后面控制的就是谁的次数
"""
a* - 0个或多个a
\d* - 0个或多个\d
"""
result = fullmatch(r'a*123', 'aaaaaaa123')
print(result)
result = fullmatch(r'\d*abc', '11234abc')
print(result)
result = fullmatch(r'[MN]*abc', 'NMabc')
print(result)
# 2.+ - 1次或者多次（至少一次）
result = fullmatch(r'a+123', 'a123')
print(result)
# 3.? - 0次或1次
result = fullmatch(r'A?123', 'A123')
print(result)
# 4.{}
"""
{M,N} - M到N次
{M,} - 至少M次
{,N} - 最多N次
{N} - N次
"""
result = fullmatch(r'[a-z]{3,5}123', 'absds123')
print(result)
result = fullmatch(r'[a-z]{3,}123', 'absdsdfgsdf123')
print(result)
result = fullmatch(r'[a-z]{,3}123', 'a123')
print(result)
result = fullmatch(r'[a-z]{8}123', 'absdasdf123')
print(result)
# 练习：写一个正则，判断输入的内容是否是一个合法的QQ号（长度是5~12位的数字，第一位不能是0）
def f1(qq: str):
return bool(fullmatch(r'[1-9]\d{4,11}', qq))
qq = input('请输入一个qq:')
print(f1(qq))
# 练习：判断输入的内容是否是一个合法的标识符(由字母、数字下划线组成，数字不能开头)
def f2(str1: str):
return bool(fullmatch(r'[a-zA-Z_][\da-zA-Z_]*', str1))
str1 = input('请输入一个标识符:')
print(f2(str1))
贪婪非贪婪
from re import match
# match(正则表达式, 字符串) - 判断字符串开头是符合正则表达式描述的规则
result = match(r'\d{3}', '234hkdfjk')
print(result)
-
贪婪和反贪婪
当匹配次数不确定的时候（、+、?、{M,N}、{N,}、{,N}），匹配模式分为贪婪和非贪婪两种，默认是贪婪的
贪婪和非贪婪：在匹配成功的时候有多种匹配结果，贪婪取最多次数对应的匹配结果，非贪婪取最少次数对应的匹配结果
(匹配次数不确定的地方，有多种匹配方式都可以匹配成功，贪婪取最多次数，非贪婪取最少次数)
贪婪模式：、+、?、{M,N}、{N,}、{,N}
非贪婪模式：*?、+?、{M,N}?、{N,}?、{,N}?# 1）示例1： # 贪婪模式 result = match(r'a.+b', 'ambcbdb') print(result) # 反贪婪模式 result = match(r'a.+?b', 'ambcbdb') print(result) # 注意：如果匹配结果只有一种可能，那么贪婪和非贪婪的结果一样 # 贪婪模式 result = match(r'a.+b', 'ambc') print(result) # 反贪婪模式 result = match(r'a.+?b', 'ambc') print(result)
分组和分支
-
分组 - ()
1)整体 - 将正则表达式中的一部分作为一个整体进行相关操作
2)重复 - 可以在正则表达式中通过\M来重复它前面的第M个分组的匹配结果
3)捕获 - 只获取正则表达式中的一部分匹配到的结果(分为手动和自动捕获两种)from re import fullmatch, findall # findall(正则表达式，字符串) - 获取字符串中所有满足正则表达式的子串 # '12DF45ER65ER45WE' result = fullmatch(r'(\d\d[A-Z]{2})+', '12DF45ER65ER45WE') print(result) # 23m23、98k98、12p12 - True # 23m34、98k18 - False result = fullmatch(r'(\d{2})[a-z]\1[a-z]\1', '12d12d12') print(result) result = fullmatch(r'(\d{2})([a-z]{3})=\2\1{3}', '12abc=abc121212') print(result) # \M只能重复在它之前的分组内容，无法重复在它之后出现的内容 # result = fullmatch(r'(\d{2})\1=\2([a-z]{3})', '12abc=abc12') # 报错！ result = fullmatch(r'(\d{2})\1=([a-z]{3})\2', '1212=abcabc') print(result) # 提取message中金额对应的数字子串 message = '我今年18岁，月薪500000元，身高180，体重70公斤，8块腹肌。每年交300元的腾讯会员费，房贷每月3000元，车贷每月2200元。' result = findall(r'(\d+)元', message) print(result) # ['500000', '300', '3000', '2200'] -
分支 - |
正则1|正则2|正则3|… - 匹配可以和多个正则中任意一个正则匹配的字符串
匹配一个字符串是三个数字或者两个小写字母
result = fullmatch(r'\d{3}|[a-z]{2}', '234') print(result) # a236b、amvb result = fullmatch(r'a\d{3}b|a[a-z]{2}b', 'amvb') print(result) # 注意：如果想要正则表达式中的一部分实现多选一的效果，变化的部分用分组表示 result = fullmatch(r'a(\d{3}|[a-z]{2})b', 'amvb') print(result)
转义符号
-
转义符号
正则中转义字符，就是在本身具备特殊功能或者特殊意义的符号前加’'，让这个符号变成一个普通符号。
# 匹配任意一个小数对应的字符串 result = fullmatch(r'\d+\.\d+', '23.897') print(result) # +123、+5456 result = fullmatch(r'\+\d+', '+123456') print(result) # (mv)、(ahsjkd) result = fullmatch(r'\([a-z]+\)', '(msk)') print(result) result = fullmatch(r'\\\d+', r'\465654654') print(result) -
[]里面的转义符号
单独存在有特殊意义的符号(+、*、?、.等)，在[]中特殊意义自动消失
result = fullmatch(r'\d+[.]\d+', '23.897') print(result) # 本身在中括号中有特殊功能的符号，如果要表示普通符号必须加'\' result = fullmatch(r'a[M\-N]b', 'a-b') print(result) result = fullmatch(r'a[MN-]b', 'a-b') print(result) result = fullmatch(r'a[\^MN]b', 'a^b') print(result) result = fullmatch(r'a[MN^]b', 'a^b') print(result)
检测类符号
-
\b - 检测是否是单词边界
单词边界：可以将两个单词区分开的符号都是单词边界，比如：空白符号、英文标点符号、字符串开头和字符串结尾
result = fullmatch(r'abc\b mn', 'abc mn') print(result) message = '203mn45,89 mn12de;99mll==910,230 90=' result = findall(r'\d+', message) print(result) # ['203', '45', '89', '12', '99', '910', '230', '90'] result = findall(r'\d+\b', message) print(result) # ['45', '89', '910', '230', '90'] result = findall(r'\b\d+', message) print(result) # ['203', '89', '99', '910', '230', '90'] result = findall(r'\b\d+\b', message) print(result) # ['89', '910', '230', '90'] -
\B - 检测是否不是单词边界
result = findall(r'\B\d+\B', message) print(result) # ['89', '910', '230', '90'] -
^ - 检测是否是字符串开头
result = findall(r'^\d+', message) print(result) # ['203'] # 提取字符串前5个字符 result = findall(r'^.{5}', message) print(result) # ['203mn'] -
$ - 检测是否是字符串结尾
# 提取字符串最后5个字符 result = findall(r'.{5}$', message) print(result) # ['0 90=']
re 模块
-
常用函数
from re import * # 1）fullmatch(正则表达式, 字符串) - 完全匹配，判断整个字符串是否符合正则表达式描述的规则，匹配成功返回匹配对象，匹配失败返回空 result = fullmatch(r'abc', 'abc') print(result) # 2）match(正则表达式, 字符串) - 匹配字符串开头，判断字符串开头是否符合正则表达式描述的规则，匹配成功返回匹配对象，匹配失败返回空 result = match(r'abc', 'abc12345') print(result) # 3）search(正则表达式, 字符串) - 获取字符串中第一个能够和正则匹配成功的子串，能够找到返回匹配对象，匹配失败返回空 result = search(r'1', '1a1b1c') print(result) # 4）findall(正则表达式, 字符串) - 获取字符串中所有满足正则的子串，返回一个列表，列表中的元素是字符串。 # 注意：如果正则表达式中有分组，会针对分组做自动捕获（只获取分组匹配到的结果） result = findall(r'1', 'a1b1c1') print(result) # 5）finditer(正则表达式, 字符串) - 获取字符串中所有满足正则的子串，返回一个迭代器，迭代器中的元素是每个字串对应的匹配结果 result = finditer(r'1', 'a1b1c1') print(result) # 6）split(正则表达式, 字符串) - 将字符串中所有满足正则的子串作为切割点对字符串进行切割 result = split(r'\\\d+', r'\1abc\2abc\56abc\789abc') print(result) # 7）sub(正则表达式, 字符串1, 字符串2) - 将字符串2中所有满足正则的子串都替换成字符串1 result = sub(r'\\\d+', '-', r'\1abc\2abc\56abc\789abc') print(result) print('分割线：', '==' * 50) -
匹配对象
result = search(r'(\d{3})([A-Z]{2})', 'jsdha123mn123ASasfda125OPp') print(result) # 1)直接获取整个正则表达式对应的匹配结果:匹配对象.group() print(result.group()) # 123AS # 2)手动捕获某个分组对应的匹配结果:匹配对象.group(分组数) print(result.group(1)) # 123 print(result.group(2)) # AS # 3)获取匹配结果在原字符串中的位:匹配对象.span() print(result.span()) # (10, 15) print(result.span(2)) # (13, 15) -
参数
# 1）匹配忽略大小写:(?i) result = fullmatch(r'(?i)abc', 'aBC') print(result) # 2）单行匹配:(?s) """ 多行匹配：匹配的时候.不能和换行(\n)进行匹配 单行匹配：匹配的时候.可以和换行(\n)进行匹配 """ result = fullmatch(r'(?s)abc.123', 'abc\n123') print(result)
扫一扫
564
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
