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Nonematch(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Nonesearch(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Nonefindall(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