day14正则表达式总结

王薇蕴

于 2022-12-30 01:47:30 发布

阅读量1.6k

点赞数

文章标签：正则表达式 python 开发语言

本文链接：https://blog.csdn.net/qq_52050261/article/details/128490056

版权

一、认识正则表达式

from re import fullmatch

1. 什么是正则表达式

一种可以让复杂的字符串问题变得简单的工具

案例1：

判断输入的内容是否是一个合法的手机号码

要求：a. 长度是11位、 b.全部都是数字字符 c. 第一位是1 d.第二位：3~9

tel = '134893872n6'

# 方法1：不使用正则
if len(tel) == 11:
    if tel[0] == '1' and tel[1] in '3456789':
        flag = True
        for x in tel[2:]:
            if not '0' <= x <= '9':
                flag = False
                break
        if flag:
            print('合法')
        else:
            print('不合法')
    else:
        print('不合法')
else:
    print('不合法')


# 方法2：使用正则表达式
from re import fullmatch
result = fullmatch(r'1[3-9]\d{9}', tel)
if result:
    print('合法')
else:
    print('不合法')

案例2：

提取字符串中所有的数字子串

message = '年龄: 18岁, 身高: 170, 体重：120斤, 月薪：3000元, 房租：1000元233'
# ['18', '170', '120', '3000', '1000']
# 方法1： 不使用正则
result = []
str1 = ''
for x in message:
    if '0' <= x <= '9':
        str1 += x
    else:
        if str1:
            result.append(str1)
        str1 = ''
if str1:
    result.append(str1)
print(result)

# 方法2：使用正则
from re import findall
result = findall(r'\d+', message)
print(result)

二、匹配类符号

1.fullmatch函数

fullmatch(正则表达式, 字符串):
判断字符串是否满足正则表达式描述的规则，如果不满足，结果就是None

不管使用正则表达式解决什么样的字符串问题，写正则的是都是在描述字符串规则

2.所有匹配类符号

1)普通符号

在正则表达式中表示本身的字符就是普通符号

result = fullmatch(r'abc', 'abc')
print(result)

2)`.`

匹配任意一个字符

result = fullmatch(r'.bc', '+bc')
print(result)

result = fullmatch(r'a..', 'a你好')
print(result)

3）`\d`

匹配任意一个数字字符

result = fullmatch(r'a\d\db', 'a34b')
print(result)

4）`\s`

匹配任意一个空白字符

空白字符 - 所有能产生空白效果的字符：空格、\t、\n

result = fullmatch('a\sb', 'a b')
print(result)

5）`\w`

匹配任意一个数字、字母、下划线或者中文

result = fullmatch(r'a\wb', 'a是b')
print(result)

6）`\D`、`\S`、`\W`

\后面跟大写字母对应的功能和\后面跟小写字母的功能相反
\D - 匹配任意一个非数字字符

result = fullmatch(r'a\Db\Sc\We', 'albkc-e')
print(result)

7）`[字符集]`

匹配在字符集中任意一个字符

[amx] - 匹配a、m、x中的任意一个
[\dmn] - （\开头的特殊符号在中括号的还是有特殊意义）匹配任意一个数字或者m或者n
[3-9mn] - (-在中括号中表示谁到谁)匹配3到9中的任意一个数字或者m或者n
[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
[\u4e00-\u9fa5] - 匹配任意一个中文

result = fullmatch(r'a[xyz1]b', 'a1b')
print(result)

result = fullmatch(r'a[ma\d]b', 'a3b')
print(result)

result = fullmatch(r'a[\u4e00-\u9fa5A-Z]b', 'aHb')
print(result)

# 注意：中括号中的-只有放在两个字符之间才能表示谁到谁，如果放在中括号的最前面或者最后面，或者放在中括号外面减号就只表示减号本身
result = fullmatch(r'a[-A]b', 'a-b')
print(result)

result = fullmatch(r'a-z', 'a-z')
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[^A-Z]b', 'a9b')
print(result)

result = fullmatch(r'a[^mn]b', 'aLb')
print(result)

# 注意：[]里面的^，只有放在最前面才有特殊功能，如果不在最前面^就是普通符号
result = fullmatch(r'a[s^A-Z]b', 'aMb')
print(result)

三、匹配次数相关符号

from re import fullmatch, match

1.`*`

0次或者多次(任意多次)

# 匹配类符号*
print(fullmatch(r'a*b', 'aaaaaaab'))
print(fullmatch(r'\d*b', '189761000b'))
print(fullmatch(r'.*b', 'ms23@b'))
print(fullmatch(r'[A-Z]*b', 'KSOASKb'))

2.`+`

1次或者多次

print(fullmatch(r'a+b', 'aaaaaab'))

3.`?`

0次或者1次

print(fullmatch(r'a?b', 'ab'))

4.`{}`

"""
{N}     - N次
{M,N}   -   M到N次
{M,}    -   至少M次
{,N}    -   最多N次
"""
print(fullmatch(r'a{3}b', 'aaab'))
print(fullmatch(r'a{3,5}b', 'aaaab'))
print(fullmatch(r'a{3,}b', 'aaaaaab'))
print(fullmatch(r'a{,3}b', 'aaab'))

5.贪婪和非贪婪

"""
匹配次数不确定的时候匹配模式分为贪婪和非贪婪两种，默认是贪婪的。

贪婪：在能匹配成功的情况下有多种匹配次数，贪婪取次数最多的那个次数。 （+、*、?、{M,N}、{M,}、{,N}）
非贪婪：在能匹配成功的情况下有多种匹配次数，非贪婪取次数最少的那个次数。（+?、*?、??、{M,N}?、{M,}?、{,N}?）
"""
# fullmatch(正则表达式, 字符串)  -  匹配整个字符串
# match(正则表达式, 字符串)  - 匹配字符串开头
print(match(r'a\db', 'a3b收拾收sjsksk'))

# 'a12b'、'a12b就是b'、'a12b就是b设b'
print(match(r'a.+b', 'a21b就是b设b计师'))         # <re.Match object; span=(0, 8), match='a21b就是b设b'>
print(match(r'a.+?b', 'a21b就是b设b计师'))        # <re.Match object; span=(0, 4), match='a21b'>

print(match(r'a.+b', 'a12b就是设计师'))          # <re.Match object; span=(0, 4), match='a12b'>
print(match(r'a.+?b', 'a12b就是设计师'))         # <re.Match object; span=(0, 4), match='a12b'>


# 练习：写正则表达式可以匹配任意一个整数字符串（不考虑0）
# 匹配成功：'123'、'9'、'-234'、'+233'
# 匹配失败：'23m'、'--7283'、'++782'、'009'、'02'
result = fullmatch(r'[+-]?[1-9]\d*', '123')
print(result)

四、分组和分支

from re import fullmatch

1.() - 分组

在正则表达式中可以用()将正则表达式中的部分内容括起来表示一个整体，一个()代表一个分组。

1）整体控制

以某个部分为单位对符号进行控制

# 'mn123kl234hg092mn123'
print(fullmatch(r'([a-z]{2}\d{3})+', 'mn123kl234hg092'))

2)重复

在正则中可以通过\N来重复它前面第N个分组匹配到的结果

# '234-234'、'001-001'、'890-890'
print(fullmatch(r'(\d{3})-\1', '323-323'))

print(fullmatch(r'([a-z]{2})(\d{3})=\2\1{2}\2', 'mn891=891mnmn891'))

3)捕获

获取匹配结果的某个部分

"""
捕获分为自动捕获和手动捕获两种，只有findall具有自动捕获的功能，其他情况需要手动捕获

findall(正则表达式, 字符串)  -  获取字符串中所有满足正则的子串
"""
from re import findall
message = '年龄: 18岁, 身高: 170, 体重：120斤, 月薪：3000元, 房租：1000元'

result = findall(r'\d+', message)
print(result)       # ['18', '170', '120', '3000', '1000']

result = findall(r'\d+元', message)
print(result)       # ['3000元', '1000元']

a. 自动捕获

自动获取匹配结果分组匹配到的内容

result = findall(r'(\d+)元', message)
print(result)       # ['3000', '1000']

b. 手动捕获

写额外的代码来获取匹配结果中分组匹配到的内容

result = fullmatch(r'(\d+)元', '8292元')
print(result)

# 获取整个正则对应的匹配结果: 匹配对象.group()
print(result.group())       # 8292元

# 获取某个分组对应的匹配结果: 匹配对象.group(分组数)
print(result.group(1))      # 8292

result = fullmatch(r'(\d{2})([a-z]{3})', '23ksk')
print(result)       # <re.Match object; span=(0, 5), match='23ksk'>

print(result.group())       # 23ksk
print(result.group(1))      # 23
print(result.group(2))      # ksk

2.`|` - 分支

"""
正则1|正则2  - 先用正则1去匹配，如果匹配成功整个正则表达式就匹配成功，如果匹配失败就用正则2来匹配。
"""

# '23mns'、'34看手机'
print(fullmatch(r'\d{2}[a-z]{3}|\d{2}[\u4e00-\u9fa5]{3}', '23klm'))
print(fullmatch(r'\d{2}([a-z]{3}|[\u4e00-\u9fa5]{3})', '23几十块'))

五、检测类符号

from re import fullmatch, findall, search

检测类符号 - 在匹配成功的情况下，检测指定的位置是否符合相应的要求(不影响字符串长度)

1.`\b`

检测\b所在的位置是否是单词边界

单词边界: 英文符号中可以区分出不同单词的符号(例如：空白符号、英文标点符号、字符串开头、字符串结尾)

print(fullmatch(r'\d{2},\ba', '23,a'))      # <re.Match object; span=(0, 4), match='23,a'>

str1 = '123jsk5678换手机 789,89ksk890 数 899'
print(findall(r'\d+', str1))        # ['123', '5678', '789', '89', '890', '899']
print(findall(r'\b\d+', str1))      # ['123', '789', '89', '899']
print(findall(r'\d+\b', str1))      # ['789', '890', '899']
print(findall(r'\b\d+\b', str1))    # ['789', '899']

2.`^` - 检测是否是字符串开头

3.`$` - 检测是否是字符串结尾

# search(正则, 字符串)  -  获取字符串中第一个满足条件的子串
print(search(r'\d{3}', 'sgg789几十739块'))
print(search(r'^1[3-9]\d{9}$', '13678992310'))

4.转义符号

在正则中有特殊意义的符号前加\，让这个符号变成普通符号

# '合.234'、'块.82902'
print(fullmatch(r'[\u4e00-\u9fa5]\.\d+', '和.233'))

# '2*8'、'3*8'
print(fullmatch(r'\d\*\d', '2*3'))

# '(MHS)'、'(KLS)'
print(fullmatch(r'\([A-Z]{3}\)', '(HUK)'))

5.`re`模块

模块全是和正则表达式相关的函数

from re import fullmatch, match, search, findall, finditer, sub, split

fullmatch(正则, 字符串) - 匹配整个字符串(判断整个字符串是否符合正则描述的规则)，匹配成功返回匹配对象，匹配失败返回None
match(正则, 字符串) - 匹配字符串开头(判断字符串开头是否符合正则描述的规则)，匹配成功返回匹配对象，匹配失败返回None
search(正则, 字符串) - 匹配字符串中第一个满足正则的子串，匹配成功返回匹配对象，匹配失败返回None
findall(正则, 字符串) - 获取字符串中所有满足正则的子串，返回值是一个列表，列表中的元素是匹配到字符串
finditer(正则, 字符串) - 获取字符串中所有满足正则的子串，返回值是一个迭代器，迭代器中的元素是匹配对象
split(正则, 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
sub(正则, 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

str1 = '换手机2839就是就是09，hs78 728m开始 89'
result = findall(r'\d+', str1)
print(result)       # ['2839', '09', '78', '728', '89']

result = finditer(r'\d+', str1)
print(result)
print(next(result))     # <re.Match object; span=(3, 7), match='2839'>
print(list(result))

result = split(r'\d+', str1)
print(result)       # ['换手机', '就是就是', '，hs', ' ', 'm开始 ', '']

result = sub(r'\d+|[a-zA-Z]+', 'A', str1)
print(result)       # 换手机A就是就是A，hsA Am开始 A