有这么个说法:江湖传说中,程序员的正则表达式和医生的处方,道士的鬼符齐名, 曰: 普通人看不懂的三件神器. 这个传说至少向我们透露了两点信息: 一是正则表达式很牛, 能和医生的处方, 道士的鬼符齐名, 并被大家提起, 可见其江湖地位. 二是正则表达式很难, 这也从侧面说明了, 如果你可以熟练的掌握并应用它, 在装X的路上, 你将如日中天 (别问我中天是谁……)
好了!话不多说,进入今天主题。import我们的re模块,开始:
一、正则表达式
re模块:python提供的专门使用正则表达式的相关的函数的模块
1.什么正则表达式
正则表达式是一种让字符串处理更简单的工具(本质是做字符串匹配)
2.正则表达式的语法
fullmatch(正则表达式, 字符串) - 让正则表达式式和字符串进行完全匹配,如果匹配失败结果是None
js的正则: /正则表达式/
python的正则: r'正则表达式'
1)普通字符 - 表示字符本身
re_str = r'abc'
result = fullmatch(re_str, 'abc')
print(result)
2) - 匹配一个任意字符
re_str = r'.abc'
result = fullmatch(re_str, '+abc')
print(result)
匹配一个长度是5的字符串,字符串中间三个字符是abc,第一个字符和最后一个字符任意
re_str = r'.abc.'
result = fullmatch(re_str, '(abc+')
print(result)
匹配一个长度是3的任意字符串
re_str = r'...'
result = fullmatch(re_str, 'ajs')
print(result)
3) \w - 匹配任意一个数字、字母或者下划线(针对ASCII码表有效)
(注意:平时不用)
re_str = r'\wabc'
result = fullmatch(re_str, '8abc')
print(result)
4) \d - 匹配任意一个数字字符
re_str = r'\d\d\d'
result = fullmatch(re_str, '142')
print(result)
re_str = r'\d\dabc\d\d'
result = fullmatch(re_str, '23abc89')
print(result)
5) \s - 匹配任意一个空白字符
re_str = r'\s\d..'
result = fullmatch(re_str, '\n9k/')
print(result)
re_str = r'\d\d\s\d\d'
result = fullmatch(re_str, '78 23')
print(result)
6) \D和\S
\字母 - 小写字母和对应的大写字母的功能相反
re_str = r'\dabc\D'
result = fullmatch(re_str, '8abc-')
print(result)
re_str = r'\Sabc'
result = fullmatch(re_str, '=abc')
print(result)
7) [字符集]
匹配字符集中出现的任意一个字符
注意:一个[]只能匹配一个字符
a.
[abc123] - 匹配 a、b、c、1、2、3 中任意一个字符
b.
[a-z] - 匹配从字符a到字符z之间的任意一个字符(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
[0-9] - 匹配任意一个数字字符
[\u4e00-\u9fa5] - 匹配任意一个中文字符
re_str = r'[cz+?]123'
result = fullmatch(re_str, '?123')
print(result)
re_str = r'[\u4e00-\u9fa5]123'
result = fullmatch(re_str, '看123')
print(result)
练习:判断输入手机号码是否合法
re_str = r'1[3-9]\d\d\d\d\d\d\d\d\d'
result = fullmatch(re_str, '13598902763')
print(result)
[]中-前面的字符编码值必须小于-后面的字符编码
result = fullmatch(r'[a-0]abc', '0abc')
[]中-如果不在两个字符之间,-就没有特殊功能直接表达它本身
result = fullmatch(r'[-09]abc', '-abc')
print(result)
练习:写一个正则表达式,要求可以匹配一个字符串:abc前面是一个数字、字母或者下划线
re_str = r'[a-zA-Z\d_]abc'
result = fullmatch(re_str, '_abc')
print(result)
8)[^字符集] - 取不在字符集中任意一个字符
[^\u4e00-\u9fa5] - 匹配任意一个非中文字符
[^0-9] - 匹配任意一个非数字字符
[^a-zA-Z] - 匹配任意一个非字母字符
print(fullmatch(r'[abc^]123', 'b123'))
print(fullmatch(r'[^abc]123', 'a123'))
1)\b - 检测是否是单词的边界
单词边界:字符串开头、字符串结尾、凡是能区分出两个不同单词的符号
注意:检测类的符号不影响匹配的长度,只是在匹配成功的时候做进一步的检测
message = 'how are you?i am fine!thank you!'
re_str = r'\d\d.\b\d\d'
print(fullmatch(re_str, '56=89'))
2)^ - 检测^所在的位置是否是字符串开头
re_str = r'\d^abc'
print(fullmatch(re_str, '1abc'))
re_str = r'^\d\d\d'
print(fullmatch(re_str, '678'))
re_str = r'^\d\d\d'
print(fullmatch(re_str, '678'))
print(search(re_str, 'shdj39极客时间238u丄282='))
3) $ - 检测$所在的位置是否是字符串结尾
re_str = r'\d\d$'
print(search(re_str, '时代峰峻78暗示法23沙发89'))
1. * - 匹配0次或多次
字符* - 字符出现0次或多次
re_str = r'a*'
print(fullmatch(re_str, 'aaa'))
re_str = r'\d*'
print(fullmatch(re_str, '478923'))
re_str = r'123[a-z]*'
print(fullmatch(re_str, '123ukl'))
2. + - 匹配1次或多次(至少1次)
re_str = r'a+'
print(fullmatch(re_str, 'a'))
3. ? - 匹配0次或1次
re_str = r'\d?abc'
print(fullmatch(re_str, '0abc'))
练习:写一个正则表达式可以匹配任意一个整数字符串
# '23874', '-234', '+2348977'
re_str = r'[-+]?\d+'
print(fullmatch(re_str, '+23874'))
4. {}
{N} - 匹配N次
{M,N} - 匹配M到N次
{M,} - 匹配至少M次
{,N} - 匹配最多N次(0~N次)
re_str = r'\d{4}abc'
print(fullmatch(re_str, '6723abc'))
re_str = r'a{2,5}123'
print(fullmatch(re_str, 'aaaaa123'))
re_str = r'a{2,}123'
print(fullmatch(re_str, 'aaaaaaaaaaa123'))
re_str = r'a{,2}123'
print(fullmatch(re_str, 'aa123'))
4)贪婪和非贪婪
在匹配次数不确定的情况下,匹配模式分为两种:贪婪和非贪婪
a.贪婪:
默认都是贪婪的(在能匹配到的前提下匹配次数尽可能多)
*、+、?, {M,N}、{M,}、{,N}
b.非贪婪:
(在能匹配到的前提下匹配次数尽可能少)在匹配次数不确定的时候,次数后面加问号,匹配就是非贪婪的
*?、+?、??、{M,N}?、{M,}?、{,N}?
re_str = r'\d{2,}'
print(search(re_str, '护士227382abc你好!'))
re_str = r'\d{2,}?'
print(search(re_str, '护士227382abc你好!'))
二、分支和分组
1.分支: |
# 正则1|正则2|正则3...
# 写一个正则匹配一个字符串:123abc 和 456abc
re_str = r'123abc|456abc'
print(fullmatch(re_str, '456abc'))
re_str = r'123|345abc'
print(fullmatch(re_str, '123abc')) # None
print(fullmatch(re_str, '123'))
print(fullmatch(re_str, '345abc'))
2.分组: ()
1)整体操作
# abc出现3次
re_str = r'(abc){3}'
print(fullmatch(re_str, 'abcabcabc'))
# 写一个正则匹配一个字符串:123abc 和 456abc
re_str = r'(123|456)abc'
print(fullmatch(re_str, '456abc'))
# 两个数字两个字母的结构重复4次: 34hj56kl67uj23Bm
re_str = r'(\d\d[a-zA-Z]{2}){4}'
print(fullmatch(re_str, '34hj56kl67uj23Bm'))
2)重复:
\M - 重复前面第M个分组匹配到的内容(M从1开始)
re_str = r'(\d\d)=\1abc'
print(fullmatch(re_str, '67=67abc'))
re_str = r'(\d\d)-([a-z]{3})-\2-\1'
print(fullmatch(re_str, '23-bnm-bnm-23'))
3)捕获
findall() # 查找字符串中所有符合要求的子串
3.转义符号:
在具有特殊功能或者特殊意义的符号前加,让功能消失
re_str = r'\.\d\d'
print(fullmatch(re_str, '.23'))
re_str = r'abc\+\d\d'
print(fullmatch(re_str, 'abc+34'))
注意:独立存在有特殊功能的符号在[]中功能会自动消失
re_str = r'[-+.]abc'
print(fullmatch(re_str, '.abc'))