郭炜老师mooc第九章正则表达式

最新推荐文章于 2024-10-30 15:39:27 发布
最新推荐文章于 2024-10-30 15:39:27 发布
阅读量1k 收藏 21
点赞数 18
分类专栏： Python基础知识 文章标签： 正则表达式
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_51825761/article/details/136571268
版权

正则表达式

正则表达式是个某些字符有特殊含义字符串，表示一种字符串的模式（格式)

正则表达式中的功能字符

  •  d：digit
  • s：space
  • w：word

 花括号量词{m,n}，逗号后面要紧跟数字，不能打空格，否则输出结果和你想象的不一样，当然我并不知道为什么!

import re
pt = "\d{1, 3}"
print(re.findall(pt, "1234567890"))

pt = "\d{1,3}"
print(re.findall(pt, "1234567890"))

pt = "\d*"
print(re.findall(pt, "1234567890"))

输出结果：

[]
['123', '456', '789', '0']
['1234567890', '']

 正则表达式中的特殊字符

正则表达式中常见的特殊字符有以下几个：
. + ? * $ [ ] ( ) ^ { } \
如果要在正则表达式中表示这几个字符本身，就应该在其前面加'\'。

 范围符号[XXX]的用法

用以表示“此处必须出现一个某某范围内的字符”，或者“此处必须出现一个字符，但不可以是某某范围内的字符”

 量词（+，*，？）的用法

使用正则表达式需要：模块re

 re模块是python独有的匹配字符串的模块，该模块种提供功能基于正则表达式实现的，对于字符串进行模糊匹配找到想要的内容信息，一般用于爬虫或者自动化测试前后端不分离项目。

 re.match函数

# re.match函数

import re
def match(pattern,string):
    x = re.match(pattern,string)
    if x != None:
        print(x.group()) #x.group是匹配上的字符串
    else:
        print("None")
        
match("a c","a cdkgh") #>>a c
match("abc","kabc") #>>None 虽然有abc，但不是在起始位置
match("a\tb*c","a\tbbcde") #>>a bbc b出现0次或任意多次，然后跟c
match("ab*c","ac") #>>ac
match("a\d+c","ac") #>>None b出现1次或更多次，然后跟c
match("a\d{2}c","a34c") #>>a34c
match("a\d{2,}c","a3474884c") #>>a3474884c
match(".{2}bc","cbcd") #>>None bc前面要有2个字符

 re.search函数

re.search(pattern, string, flags = 0)

  • 查找字符串中可以匹配成功的子串。若匹配成功，则返回匹配对象；
  • 若无法匹配，则返回None
# re.search函数

import re
def search(pattern,string):
    x = re.search(pattern,string)
    if x != None:
        print(x.group(),x.span()) #输出子串及起止位置
    else:
        print("None")
        
search("a.+bc*","dbaegsfbcef") #>>aegsfbc (2, 9)
search("a.+bc*","bcdbaegsfbccc") #>>aegsfbccc (4, 13)
search("a.?bc*d","dabccdc") #>>abccd (1, 6)
search("aa","baaaa") #>>aa (1, 3)
search("\([1-9]+\)","ab123(0456)(789)45ab") #>>(789) (11, 16)
search("[1-9]\d+","ab01203d45") #>>1203 (3, 7)

re.findall函数

re.findall(pattern, string, flags = 0)

  • 查找字符串中所有和模式匹配的子串(不重叠)放入列表。一个子串都找不到
    就返回空表 []
# re.finall函数

import re
print(re.findall('\d+',"this is 334 what me 774gw")) #>>['334','774']
print(re.findall('[a-zA-Z]+',"A dog has 4 legs.这是true"))
#>>['A', 'dog', 'has', 'legs', 'true']
print(re.findall('\d+',"this is good.")) #>>[]
print(re.findall("aaa","baaaa")) #>>['aaa']

re.finditer函数

re.finditer (pattern, string, flags = 0)

  • 查找字符串中所有和模式匹配的子串(不重叠)，每个子串对应于一个匹配对象，返回匹配对象的序列(准确说是“可调用迭代器”）
  • 如果找不到匹配子串，返回值也不为None或空表。假设返回值为r,则list(r) 为[]
# re.finditer函数

import re
s = '233[32]88ab<433>(21)'
m = '\[\d+\]|<\d+>' # | 表示 '或'
for x in re.finditer(m,s): #x是匹配对象
    print(x.group(),x.span())
# [32] (3, 7)
# <433> (11, 16)

i = 0
for y in re.finditer(m,"aaaaa"):
    i += 1 #不会被执行

 正则表达式匹配选项

边界符号

  • \A 表示字符串的左边界，即要求从此往左边不能有任何字符
  • \Z 表示字符串的右边界，即要求从此往右边不能有任何字符
  • ^ 与\A同。但多行匹配模式下还可以表示一行文字的左边界
  • $ 与\Z同。但多行匹配模式下还可以表示一行文字的右边界

边界符号本身不会和任何字符匹配。
Python字符串 '\A', '\Z' 都是两个字符，而不是像'\n'那样的一个字符。

  • \b 表示此处应为单词的左边界或右边界，即不可是单词字符
  • \B 表示此处不允许是单词的左边界或右边界，即必须是单词字符
  •  正则表达式的边界符号'\b' 是两个字符。但是在Python字符串中，'\b'和'\t','\n'类似，是一个字符(Backspace)。因此在正则表达式中使用边界符号\b，要写 '\\b'。如果写 '\\\\b'，则连续的两个'\'被看作是一个普通的'\'，不会和后面的'b'一起被当作字符组合，变成边界符号'\b'。

分组

 括号中的表达式是一个分组。多个分组按左括号从左到右从1开始依次编号。

在Python中，正则表达式的group和groups方法是非常有用的函数，用于处理匹配结果的分组信息。
group方法是re.MatchObject类中的一个函数，用于返回匹配对象的整个匹配结果或特定的分组匹配结果。而groups方法同样是re.MatchObject类中的函数，它返回的是所有分组匹配结果组成的元组。

  • 当group方法不带参数时，它将返回整个匹配结果。该函数默认传参为0，传入参数0（默认值）将返回整个匹配的子串，而传入参数1将返回第一个匹配的捕获组（即正则表达式中用括号括起来的部分）。当正则表达式中包含分组时，group方法可以用于返回指定分组的匹配结果。
  • groups方法是re.MatchObject类的一个函数，用于返回所有分组匹配结果组成的元组。该方法不接受任何参数。

 参考文章：详解Python正则表达式中group与groups的用法_.group()-CSDN博客

 括号中的表达式是一个分组。多个分组按左括号从左到右从1开始依次编号。

# 括号中的表达式是一个分组。多个分组按左括号从左到右从1开始依次编号

import re
x = re.search('[a-z]+(\d+)[a-z]+',"ab 123d hello553world47")
print(x) # >> <re.Match object; span=(8, 21), match='hello553world'>
print(x.group()) #>>hello553world
print(x.group(1)) #>>553
m = "(((ab*)c)d)e"
r = re.match(m,"abcdefg")
print(r.group(0)) #>>abcde group(0)等价于group()
print(r.group(1)) #>>abcd
print(r.group(2)) #>>abc
print(r.group(3)) #>>ab
print(r.groups()) #>>('abcd', 'abc', 'ab')

 在分组的右边可以通过分组的编号引用该分组所匹配的子串

# 在分组的右边可以通过分组的编号引用该分组所匹配的子串

import re
m = r'(((ab*)c)d)e\3' #r表示字符串里的'\'不再转义
#要求 ab*cde后面跟着3号分组在本次匹配中匹配上的子串
r = re.match(m,"abbbcdeabbbkfg") # 红色部分少一个b则不能匹配
print(r.group(3)) # abbb
print(r.group()) # abbbcdeabbb

r = re.match(m,"abbbcdeabbkfg")
print(r)  # None
# 在分组的右边可以通过分组的编号引用该分组所匹配的子串
import re
pt = 'a(.)\\1*b' #或 pt = r'a(.)\1*b'
print(re.search(pt,'kacccccb').group()) #>>acccccb
print(re.search(pt,'kaxxxxb').group()) #>>axxxxb
print(re.search(pt,'kaxb').group()) #>>axb
x = re.search(pt,'kaxyb')
if x != None:
    print(x.group()) #不会执行

 分组作为一个整体，后面可以跟量词

# 分组作为一个整体，后面可以跟量词

import re
m = "(((ab*)+c)d)e"
r = re.match(m,"ababcdefg")
print(r.group())  # ababcde
print(r.groups()) #>>('ababcd', 'ababc', 'ab')
r = re.match(m,"abacdefg")
print(r.group()) # abacde
print(r.groups()) #>>('abacd', 'abac', 'a')

# 不要求分组的多次出现必须匹配相同字符串

 re.findall和分组

  •  在正则表达式中没有分组时，re.findall返回所有匹配子串构成的列表。
  • 有且只有一个分组时，re.findall返回的是一个子串的列表，每个元素是一个匹配子串中分组对应的内容。
'''
在正则表达式中没有分组时，re.findall返回所有匹配子串构成的列表。
有且只有一个分组时，re.findall返回的是一个子串的列表，每个元素是一个匹配子串中分组对应的内容。
'''

import re
m = '[a-z]+(\d+)[a-z]+'
x = re.findall(m,"13 bc12de ab11 cd320ef")
print(x) #>>['12', '320']

m = '[a-z]+\d+[a-z]+'
x = re.findall(m,"13 bc12de ab11 cd320ef")
print(x) #>>[['bc12de', 'cd320ef']
  •  在正则表达式中有超过一个分组时，re.findall返回的是一个元组的列表，每个元组对应于一个匹配的子串，元组里的元素，依次是1号分组、2号分组、3号分组......匹配的内容
'''
在正则表达式中有超过一个分组时，re.findall返回的是一个元组的列表，
每个元组对应于一个匹配的子串，元组里的元素，依次是1号分组、2号分组、
3号分组......匹配的内容
'''

import re
m = '(\w+) (\w+)'
r = re.match(m,"hello world")
print(r.groups()) #>>('hello', 'world')
print(r.group(1)) #>>hello
print(r.group(2)) #>>world
r = re.findall(m,"hello world, this is very good")
#找出由所有能匹配的子串的 groups() 构成的元组，互相不重叠
print(r) #>>[('hello', 'world'), ('this', 'is'), ('very', 'good')]

 "|" 的用法

表示“或”，如果没有放在"()"中，则起作用范围是直到整个正则表达式开头或结尾或另一个 "|"

  • "\w{4}ce|c\d{3}|p\w"

可以匹配：
"c773"
"ab12ce"
"pk"

 从左到右短路匹配（匹配上一个后就不计算是否还能匹配后面的）

# "|" 的用法,从左到右短路匹配（匹配上一个后就不计算是否还能匹配后面的）

import re
pt = "\d+\.\d+|\d+"
print(re.findall(pt,"12.34 this is 125"))
#>>['12.34', '125']
pt = "aa|aab"
print(re.findall(pt,"aabcdeaa12aab"))
#>>['aa', 'aa', 'aa']

 '|' 也可以用于分组中，起作用范围仅限于分组内

# '|' 也可以用于分组中，起作用范围仅限于分组内

import re
m ="(((ab*)+c|12)d)e"
print(re.findall(m,'ababcdefgKK12deK'))
#>>[('ababcd', 'ababc', 'ab'), ('12d', '12', '')]
for x in re.finditer(m,'ababcdefgKK12deK'):
    print(x.groups())
#>>('ababcd', 'ababc', 'ab')
#>>('12d', '12', None)
m = '\[(\d+)\]|<(\d+)>'
for x in re.finditer(m,'233[32]88ab<433>'):
    print(x.group(),x.groups())
#>>[32] ('32', None)
#>><433> (None, '433')

贪婪模式和懒惰模式 

量词的贪婪模式, 量词 +,*,?,{m,n} 默认匹配尽可能长的子串

# 量词 +,*,?,{m,n} 默认匹配尽可能长的子串

import re
print(re.match("ab*", "abbbbk").group()) #>>abbbb
print(re.match("(ab)*", "abbbbk").group()) #>>ab

print(re.findall("<h3>(.*)</h3>","<h3>abd</h3><h3>bcd</h3>")) #>>['abd</h3><h3>bcd']
print(re.findall("<h3>.*</h3>","<h3>abd</h3><h3>bcd</h3>")) # ['<h3>abd</h3><h3>bcd</h3>']

print(re.findall('\(.+\)', "A dog has(have a).这(哈哈)true()me"))
#>>['(have a).这(哈哈)true()']

量词的非贪婪(懒惰)模式, 在量词 +,*,?,{m,n} 后面加 '?' 则匹配尽可能短的字符串 。

# 在量词 +,*,?,{m,n} 后面加 '?' 则匹配尽可能短的字符串 。

import re
m = "a.*?b"
for k in re.finditer(m,"aabab"):
    print(k.group(),end="\n") #>>aab ab
m = "<h3>.*?</h3>"
a = re.match(m,"<h3>abd</h3><h3>bcd</h3>")
print(a.group()) #>><h3>abd</h3>

a = re.findall(m,"<h3>abd</h3><h3>bcd</h3>")
print(a) #>>['<h3>abd</h3>', '<h3>bcd</h3>']

m = "<h3>.*?[M|K]</h3>"
a = re.match(m,"<h3>abd</h3><h3>bcK</h3>")
print(a.group()) #

匹配对象”（匹配成功时的返回结果）的属性

  • string: 匹配时使用的母串。
  • lastindex: 最后一个被匹配的分组的编号(不是最大编号）。如果没有被匹配的分组，将为None。
  • start([group]):返回指定的组匹配的子串在string中的起始位置。group默认值为0
  • end([group]):返回指定的组匹配的子串在string中的结束位置（子串最后一个字符的位置 +1）。group默认值为0。
  • span([group]):返回(start(group), end(group))。group可以是组编号，也可以是组名字，缺省为0

# 匹配对象”的函数

m = re.match(r'(\w+) (\w+)(.)', 'hello world!ss')
print( m.string) #>>hello world!ss
print(m.lastindex) #>>3
print(m.group(0,1,2,3))#>>('hello world!', 'hello', 'world', '!')
print(m.groups()) #>>('hello', 'world', '!')
print(m.start(2)) #>>6
print(m.end(2)) #>>11
print(m.span(2)) #>>(6, 11)

诸葛亮口中的曹操

小说txt文本可以去此网站免费下载：

鬼吹灯_无弹窗书友最值得收藏的网络小说阅读网

# 诸葛亮口中的曹操

import re
f = open("E:\jupyter_projects\python_projects\文本文件\三国演义.txt", "r", encoding="gbk")
txt = f.read()
# print(txt)

f.close()
pt = "(孔明.{0,2}曰：“[^”]*(曹操|曹贼|操贼|曹阿瞒|操).*?”)"

a = re.findall(pt, txt)
print(len(a)) #>>58
for x in a: #x形如： ('孔明答曰：“曹操乃汉贼也，又何必问？”', '操')
    print(x[0], end = '\n\n')

抽取ip地址、邮箱、网址

 

 

疯疯癫癫才自由
关注
专栏目录
Python1.语言基本要素上（郭炜老师python大学mooc）
qq_57286194的博客
08-28 705
大学mooc，北大郭炜老师的Python课程
表达式求值 （郭炜）
zhimeng_LQ的博客
05-08 262
文章目录 表达式求值是对于数学上的式子求值。 + - * / ( ) 例如 (2+2)*(1+1) 思路： 表达式 = 项±项 项 = 因子*/因子 因子 = (表达式) 或者 普通数字 #include <bits/stdc++.h> using namespace std; int factor_value(); // 求因子 int term_value(); // 求项 int expression_value(); // 求表达式 // 输入： (2+3)*(5+7)+9
第九章 正则表达式
xiaoyu070321的博客
05-01 242
帮老师写的一个课件而已。
第九章：用正则表达式搜索
lilinaixuexi的博客
11-28 278
1正则表达式介绍：这章有待补充，等什么时候写一个关于正则表达式的知识点补充再来完成本章内容。 如果大家有好的帖子介绍正则表达式的欢迎留言分享
简单入门正则表达式 - 第九章 “四项处理”—断言的用法
KNIGHTRCOM(rcom10002的专栏)
10-27 5623
#content-region { background-image: url(http://p.blog.csdn.net/images/p_blog_csdn_net/rcom10002/EntryImages/20081027/watermark.gif);}#content-region h3 { border: 1px dotted #333333; backgr
郭炜老师mooc第十一章数据分析和展示(numpy,pandas, matplotlib)
qq_51825761的博客
03-11 1188
函数原型 subplot(nrows, ncols, index, **kwargs)，一般我们只用到前三个参数，将整个绘图区域分成 nrows 行和 ncols 列，而 index 用于对子图进行编号。与subplot() 和 subplots() 函数不同，subplot2gird()函数以非等分的形式对画布进行切分，并按照绘图区域的大小来展示最终绘图结果。Series是带标签的一维数组，可存储整数、浮点数、字符串、Python 对象等类型的数据，轴标签统称为索引.。
郭炜老师mooc第十二章网络爬虫设计
qq_51825761的博客
03-13 1863
示例：获取百度图片的搜索结果图片import reimport requests #request库用于获取网络资源 pip install requests# 这两句代码是出现 RuntimeError: This event loop is already running 问题的解决方案# 用pyppeteer获取网页def getHtml(url): #暂时适用于百度图片搜索async def asGetHtml(url): #获取url对应网页的源代码。
郭炜老师mooc第八章读写文件（python操作数据库）
qq_51825761的博客
03-08 967
当stream=True时，如果是下载大的文件时，用True,可以先对请求的类型进行判断，如果是大文件，可以中止请求，而不用浪费大流量开销。当stream:=False时，如果是请求的大文件，其当其会进入内存并进行下载，消费大量的内存和流量。ANSI对应 gbk写入文件时，如果不指定编码，则用操作系统的缺省编码Windows: gbk，可能。以写方式打开文件时，如果原本不存在该文件，会根据您的指定路径新建一个文件，反之打开原本存在的文件。每次运行Python程序，都要从Pycharm里运行，显然不方便。
郭炜老师mooc第十章玩转python生态（学习python的各种库）
qq_51825761的博客
03-10 1157
正是由于黑点的密集程度构成了颜色的深浅 所以只是如果单纯的采用image.convert('1')会得到一个抖动的图像。
北大郭炜《程序设计与算法（三）》Mooc笔记:多态，模版，标准模版库
abigail1985的博客
11-14 882
文章目录多态虚函数和多态使用多态的游戏程序示例几何形体处理程序虚析构函数,纯虚函数,抽象类输入输出和模板函数模板类模板标准模板库STL概述迭代器容器顺序容器vector(动态数组)deque(双向队列)list(双向列表)容器适配器stackqueuepriority_queue算法类型参数Pred不变序列算法排序算法 多态 虚函数和多态 虚函数 在类的定义中,前面有virtual关键字的成员函数 class base{ virtual int get(); }; ❗❗virtual关键字只用
递归解析四则运算表达式
"郭炜教授的《程序设计与算法》课程中的递归（二）部分，主要讲解如何使用递归方法解决四则运算表达式的计算问题。该内容涉及到C语言编程，通过递归函数实现对表达式的解析和求值。" 在计算机科学中，递归是一种...
算法学习3.1递归之四则运算表达式求值
weixin_42503072的博客
02-19 993
用递归解决递归形式的问题 例题: 四则运算表达式求值 输入为四则运算表达式，仅由整数、+、－、*、/ 、(、) 组成， 没有空格，要求求其值。假设运算符结果都是整数 。 "/"结果也是整数 表达式可以为项或项加减 项可以为单因子或者因子乘除 因子可以为整数或者（表达式） 由此形成递归 ...
递归形式的问题——四则运算表达式求值
Dainelcw
03-03 777
问题描述 输入为四则运算表达式，仅由整数、+、-、*、/、（、）组成，没有空格，要求求其值。假设运算符结果都是整数。“/”结果也是整数。 解题思想 表达式是个递归的定义： 输入：（2+3）*（5+7）+9/3 输出：63 C++代码示例： #include<iostream> #include<cstring> #include<cstdlib&...
java利用正则表达式，对用户注册信息进行限制。
最新发布
slp20051002_的博客
10-30 170
编写一个用户注册程序!需要注册用户名，密码，邮箱，手机号，并对输入的内容有。格式限制，都符合要求的话，才能显示注册成功。
正则表达式笔记
Katherine1029的博客
10-26 321
w:任意文字字符=[a-zA-Z0-9_]\W:非文字字符=[^a-zA-Z0-9_]\s:空字符，如[\t\n\r\f\v]\S:非空字符[^\t\n\r\f\v]如果是单行模式，表示这个文本的结束位置。如果是多行模式，表示文本每行的结束位置。"*"匹配任意个字符包括0个和任意个。单行模式：表示匹配整个文本的开头位置。多行模式：表示匹配文本每行的开头位置。多行模式：表示匹配文本每行的开头位置。"."匹配任意字符（一个）^表示匹配文本的起始位置。"$"表示文本的结束位置。
正则表达式和通配符
sq2048935747@163.com的博客
10-25 414
正则表达式提供了一种非常强大和灵活的方式来定义复杂的搜索模式，适用于需要精确控制文本匹配的场合。而通配符则提供了一种快速且简单的方式，用于基本的模式匹配，特别是在文件名匹配方面。正则表达式在功能上更为全面，但也需要更多的学习成本。通配符则因其简单性而在快速文件搜索中非常实用。
正则表达式
8023的博客
10-26 330
【代码】正则表达式。
java使用正则表达式校验字符串pwd,是否符合包含大写小写数字特殊字符长度超过8位
l23456789o的博客
10-25 299
在Java中，你可以使用正则表达式来校验一个字符串（例如密码）是否符合特定的要求，比如包含大写字母、小写字母、数字和特殊字符，并且长度超过8位。方法中，我们测试了一个示例密码，并根据校验结果输出相应的消息。类来检查该字符串是否符合正则表达式定义的模式。如果匹配成功，则返回。方法接受一个字符串作为参数，并使用。变量的值来测试不同的密码输入。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值