Python中的正则模块

Re 正则表达式

正则表达式，就是使用字符，转义字符和特殊字符组成一个规则，
使用这个规则对文本的内容完成一个搜索或匹配或替换的功能、

正则表达式的组成

普通字符： 大小写字母，数字，符合。。。
转义字符：\w \W \d \D \s \S ...
特殊字符：.  * ? + ^ $ [] {} ()
匹配模式：I U。。。

示例：

# 使用正则表达式进行匹配的 基本语法
import re
# 定义字符串
vars = 'iloveyou521tosimida'
# 定义正则表达式
reg = 'love'
# 调用正则函数方法
res = re.findall(reg,vars)
print(res)

正则表达式规则定义详解

普通字符

# 正则表达式的规则定义
import re

# 普通字符

# vars = 'iloveyou'
# reg = 'love'
# res = re.search(reg,vars).group()
# print(res)

转义字符

# 转义字符 \w \W \d \D \s \S ...
varstr = 'a2$_ilove5	21you'

reg = '\w' # 代表 单个 字母、数字、下划线
reg = '\W' # 代表 单个的 非 字母、数字、下划线
reg = '\d' # 代表 单个的 数字
reg = '\D' # 代表 单个的 非数字
reg = '\s' # 代表 单个的 空格符或制表符
reg = '\S' # 代表 单个的 非 空格符或制表符
reg = '\w\w\w\w\d' # 组合使用

特殊字符

# 特殊字符 . * + ? {} [] () ^ $
varstr = 'hello WORLD  iloveyou5211imissyou'

reg = '.'    # . 点 代表 单个的 任意字符 除了换行符之外
reg = '\w*'  # * 代表匹配次数  任意次数
reg = '\w+'  # + 代表匹配次数  至少要求匹配一次
reg = '\w+?' # ? 拒绝贪婪，就是前面的匹配规则只要达成则返回
reg = '\w*?'
reg = '\w{5}' # {} 代表匹配次数，{4} 一个数字时，表示必须匹配的次数
reg = '\w{2,4}' # {} 代表匹配次数，{2,5} 两个数字时，表示必须匹配的区间次数
reg = '[A-Z,a-z,0-9,_]' # [] 代表字符的范围 [A-Z,a-z,0-9,_] == \w
reg = '\w+(\d{4})(\w+)'  # () 代表子组，括号中的表达式首先作为整个正则的一部分，另外会把符合小括号中的内容单独提取一份

varstr = '17610105211'
# 定义一个匹配手机号的正则表达式
reg = '^1\d{10}$' # ^ 代表开头  $ 代表结尾

# res = re.search(reg,varstr)
# print(res.group())
# print(res.groups())

'''
*号的特点： 
    如果使用*号，那么在匹配的开始处如果符合要求，
    则按照规则一直向后匹配，直到不符合匹配规则结束并把前面符合的数据返回
    
    如果在匹配的开始处就不符合要求，则直接返回，匹配到的次数为0
'''

正则模式

# 正则模式 re.I 不区分大小写
vars = 'iLOVEyou'

reg = '[a-z]{5,10}'
res = re.search(reg,vars,re.I)
print(res)

re模块相关函数

re.match() 函数

• 从头开始匹配
• 要么第一个就符合要求，要么不符合
• 匹配成功则返回Match对象，否则返回None
• 可以使用group()方法获取返回的数据
• 可以使用span()方法获取匹配的数据的下标区间

re.search() 函数

+ 从字符串开头到结尾进行搜索式匹配
+ 匹配成功则返回Match对象，否则返回None
+ 可以使用group()方法获取返回的数据
+ 可以使用span()方法获取匹配的数据的下标区间

search() 和 match() 方法的区别：

match()方法是从字符串的开头进行匹配，如果开始就不符合正则的要求，则匹配失败，返回None
search()方法是从字符串的开始位置一直搜索到字符串的最后，如果在整个字符串中都没有匹配到，则失败，返回None

re.findall()

• 按照正则表达式的规则在字符中匹配所有符合规则的元素，结果返回一个列表，如果没有找到则返回空列表

re.finditer()

• 按照正则表达式的规则在字符中匹配所有符合规则的元素，返回一个迭代器

re.sub() 搜索替换

• 按照正则表达式的规则，在字符串中找到需要 被替换的字符串，完成一个替换
• 参数：
  • pattern： 正则表达式的规则，匹配需要被替换的字符串
  • repl： 替换后的字符串
  • string： 被替换的原始字符串

compile()

​ 可以直接将正则表达式定义为 正则对象，使用正则对象直接操作

示例：

import re

# 定义字符串
varstr = 'iloveyou521tosimida511'

# 正则表达式
reg = '\d{3}'
# 函数调用
# res = re.findall(reg,varstr)
# res = re.finditer(reg,varstr)
# print(list(res))

# 找到数字，替换成其它
# res = re.sub(reg,'AAA',varstr)
# print(res)

# 直接定义正则表达式对象
reg = re.compile('\d{3}')
# 直接使用创建的正则对象，去调用对应的方法或函数
res = reg.findall(string=varstr)
# print(res)

练习题

# 练习题：
# 1。定义一个正则表达式，来验证邮箱是否正确
# 2。完善 手机号的 正则表达式
# 3。定义一个 匹配 IP 的正则表达式 192.168.1.1  255.255.255.0

'''
练习题
'''

'''
1。 定义一个正则表达式来验证邮箱是否正确
123456@qq.com -- 纯数字
wangwu@qq.com -- 纯字母
wang123@126.com -- 数字加字母
wang_san@163.com -- 混合型
lisi@vip.163.com -- 多级域名
chang@ge.cn  --  企业邮箱（企业域名）
zhang.san@gmail.com -- 含有点的

左边部分
[a-zA-Z0-9]+([_\.][a-zA-Z0-9]+)*
右边部分
@(\w+\.)+[a-z]{2,6}
'''

import re

emailarr = [
    '123456@qq.com',
    '123456@qq.com',
    'wangwu@qq.com',
    'wang123@126.com',
    'lisi@vip.sina.com.123cn',
    'chang@ge.cn',
    'zhang.san@gmail.com'
]

# 注意： 需要验证的是一个完成的字符串是否符合邮箱的规则，因此必须加 限制开始^ 和限制结尾的符号 $
# reg = '^[a-zA-Z0-9]+([_\.][a-zA-Z0-9]+)*@(\w+\.)+[a-z]{2,6}$'
#
# for i in emailarr:
#     res = re.search(reg,i)
#     if not res:
#         print('邮箱格式不正确',i)

'''
2。 完善 手机号码的正则表达式
常规手机号码规则
    13[0-9],14[5-9],15[0-3,5-9],16[2,5,6,7,8],17[0-8],18[0-9],19[0-3,5-9]

'''
phonearr = [
    '13701383017',
    '17610195211',
    '177011052021',
]
reg = '^(13[0-9]|14[5-9]|15[0-3,5-9]|16[2,5,6,7,8]|17[0-8]|18[0-9]|19[0-3,5-9])\d{8}$'

# for i in phonearr:
#     res = re.search(reg,i)
#     if not res:
#         print('手机号码格式不正确：',i)

'''
3。 定义一个匹配IP的正则表达式 0-255   255.255.255.254
0.0.0.0 ~ 255.255.255.255

先匹配 0～199的范围 也就是0或者1开头的 
[0,1]?\d{1,2}

在匹配 200-255的范围
第一位是2，那么第二位是0-4，那么第三位就是0-9
第一位是2，那么第二位是5，那么第三位只能是0-5
2([0-4] [0-9]|5[0-5])
'''
iparr = [
    '10.11.21.105',
    '192.168.1.1',
    '192.168.104.111',
    '255.118.11.33',
    '256.188.12.44',
    '0.0.0.0',
    '8.8.8.8'
]

reg = '^([0|1]?\d{1,2}|2([0-4][0-9]|5[0-5]))(\.[0,1]?\d{1,2}|2([0-4][0-9]|5[0-5])){3}$'

for i in iparr:
    res = re.search(reg,i)
    if not res:
        print('IP地址不正确',i)
    else:
        print(res)