Python基础——正则表达式

最新推荐文章于 2024-04-26 21:06:24 发布
最新推荐文章于 2024-04-26 21:06:24 发布
阅读量268 收藏 1
点赞数
分类专栏： Python专题 文章标签： python
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/r1141207831/article/details/117602447
版权

当给你一大堆文本信息，让你提取其中的指定数据时，可以使用正则来实现。例如：提取文本中的邮箱和手机号

import re

text = "楼主太牛逼了，在线想要 442662578@qq.com和xxxxx@live.com谢谢楼主，手机号也可15131255789，搞起来呀"

phone_list = re.findall("1[3|5|8|9]\d{9}", text)
print(phone_list)

1. 字符相关

  • hqss 匹配文本中的hqss 

import re

text = "你好hqss,阿斯顿发hqssasd 阿士大夫能接受的hqssff"
data_list = re.findall("hqss", text)
print(data_list) # ['hqss', 'hqss'] 可用于计算字符串中某个字符出现的次数

  • [abc] 匹配a或b或c 字符。

import re

text = "你2b好hqss,阿斯顿发hqssasd 阿士大夫a能接受的hffbbqpqaceissff"
data_list = re.findall("[abc]", text)
print(data_list) # ['b', 'a', 'a', 'a', 'b', 'b', 'c']
import re

text = "你2b好hqss,阿斯顿发ahqssasd 阿士大夫a能接受的hffbbqpqcceissff"
data_list = re.findall("q[abc]", text)
print(data_list) # ['qa', 'qc']

  • [^abc] 匹配除了abc以外的其他字符。

import re

text = "你hffbbqpqcceissff"
data_list = re.findall("[^abc]", text)
print(data_list)  # ['你', 'h', 'f', 'f', 'q', 'p', 'q', 'e', 'i', 's', 's', 'f', 'f']

  • [a-z] 匹配a~z的任意字符（ [0-9]也可以 ）。

import re

text = "hqssrootrootadmin"
data_list = re.findall("t[a-z]", text)
print(data_list)  # ['tr', 'ta']

  • . 代指除换行符以外的任意字符。 (注意，最前面是一个点.)

import re

text = "hqssraotrootadmin"
data_list = re.findall("r.o", text)
print(data_list) # ['rao', 'roo']
import re

text = "hqssraotrootadmin"
data_list = re.findall("r.+o", text) # 贪婪匹配
print(data_list) # ['raotroo']
import re

text = "hqssraotrootadmin"
data_list = re.findall("r.+?o", text) # 非贪婪匹配
print(data_list) # ['rao']

  • \w 代指字母或数字或下划线（汉字）。

import re

text = "北京武沛alex齐北  京武沛alex齐"
data_list = re.findall("武\w+x", text)
print(data_list) # ['武沛alex', '武沛alex']

  • \d 代指数字

import re

text = "root-ad32min-add3-admd1in"
data_list = re.findall("d\d", text)
print(data_list) # ['d3', 'd3', 'd1']
import re

text = "root-ad32min-add3-admd1in"
data_list = re.findall("d\d+", text)
print(data_list) # ['d32', 'd3', 'd1']

  • \s 代指任意的空白符，包括空格、制表符等。

import re

text = "root admin add admin"
data_list = re.findall("a\w+\s\w+", text)
print(data_list) # ['admin add']

2. 数量相关

  • * 重复0次或更多次

import re

text = "他是大B个，确实是个大2B。"
data_list = re.findall("大2*B", text)
print(data_list) # ['大B', '大2B']

  • + 重复1次或更多次

import re

text = "他是大B个，确实是个大2B，大3B，大66666B。"
data_list = re.findall("大\d+B", text)
print(data_list) # ['大2B', '大3B', '大66666B']

  • ? 重复0次或1次

import re

text = "他是大B个，确实是个大2B，大3B，大66666B。"
data_list = re.findall("大\d?B", text)
print(data_list) # ['大B', '大2B', '大3B']

  • {n} 重复n次

import re

text = "楼主太牛逼了，在线想要 442662578@qq.com和xxxxx@live.com谢谢楼主，手机号也可15131255789，搞起来呀"
data_list = re.findall("151312\d{5}", text)
print(data_list) # ['15131255789']

  • {n,} 重复n次或更多次

import re

text = "楼主太牛逼了，在线想要 442662578@qq.com和xxxxx@live.com谢谢楼主，手机号也可15131255789，搞起来呀"
data_list = re.findall("\d{9,}", text)
print(data_list) # ['442662578', '15131255789']

  • {n,m} 重复n到m次

import re

text = "楼主太牛逼了，在线想要 442662578@qq.com和xxxxx@live.com谢谢楼主，手机号也可15131255789，搞起来呀"
data_list = re.findall("\d{10,15}", text)
print(data_list) # ['15131255789']

3. 括号（分组）

  • 提取数据区域

import re

text = "楼主太牛逼了，在线想要 442662578@qq.com和xxxxx@live.com谢谢楼主，手机号也可15131255789，搞起来呀"
data_list = re.findall("15131(2\d{5})", text)
print(data_list)  # ['255789']
import re

text = "楼主太牛逼了，在线想要 442662578@qq.com和xxxxx@live.com谢谢楼主，手机号也可15131255789，搞起来15131266666呀"
data_list = re.findall("15(13)1(2\d{5})", text)
print(data_list)  # [ ('13', '255789')   ]
import re

text = "楼主太牛逼了，在线想要 442662578@qq.com和xxxxx@live.com谢谢楼主，手机号也可15131255789，搞起来呀"
data_list = re.findall("(15131(2\d{5}))", text)
print(data_list)  # [('15131255789', '255789')]

  • 获取指定区域 + 或条件

import re

text = "楼主15131root太牛15131alex逼了，在线想要 442662578@qq.com和xxxxx@live.com谢谢楼主，手机号也可15131255789，搞起来呀"
data_list = re.findall("15131(2\d{5}|r\w+太)", text)
print(data_list)  # ['root太', '255789']
import re

text = "楼主15131root太牛15131alex逼了，在线想要 442662578@qq.com和xxxxx@live.com谢谢楼主，手机号也可15131255789，搞起来呀"
data_list = re.findall("(15131(2\d{5}|r\w+太))", text)
print(data_list)  # [('15131root太', 'root太'), ('15131255789', '255789')]

4. 起始和结束

上述示例中都是去一段文本中提取数据，只要文本中存在即可。

但，如果要求用户输入的内容必须是指定的内容开头和结尾，比就需要用到如下两个字符。

  • ^ 开始

  • $ 结束

import re

text = "啊442662578@qq.com我靠"
email_list = re.findall("^\w+@\w+.\w+$", text, re.ASCII)
print(email_list) # []
import re

text = "442662578@qq.com"
email_list = re.findall("^\w+@\w+.\w+$", text, re.ASCII)
print(email_list) # ['442662578@qq.com']

这种一般用于对用户输入数据格式的校验比较多，例如：

import re

text = input("请输入邮箱：")
email = re.findall("^\w+@\w+.\w+$", text, re.ASCII)
if not email:
    print("邮箱格式错误")
else:
    print(email)

5. 特殊字符

由于正则表达式中 * . \ { } ( ) 等都具有特殊的含义，所以如果想要在正则中匹配这种指定的字符，需要转义，例如：

import re

text = "我是你{5}爸爸"
data = re.findall("你{5}爸", text)
print(data) # []
import re

text = "我是你{5}爸爸"
data = re.findall("你\{5\}爸", text)
print(data)

6. re模块

python中提供了re模块，可以处理正则表达式并对文本进行处理。

  • findall，获取匹配到的所有数据

import re

text = "dsf130429191912015219k13042919591219521Xkk"
data_list = re.findall("(\d{6})(\d{4})(\d{2})(\d{2})(\d{3})([0-9]|X)", text)
print(data_list) # [('130429', '1919', '12', '01', '521', '9'), ('130429', '1959', '12', '19', '521', 'X')]

  • match，从起始位置开始匹配，匹配成功返回一个对象，未匹配成功返回None

import re

text = "大小逗2B最逗3B欢乐"
data = re.match("逗\dB", text)
print(data) # None
# data.group()的功能就是只展示出匹配到的一个值
import re

text = "逗2B最逗3B欢乐"
data = re.match("逗\dB", text)
if data:
    content = data.group() # "逗2B"
    print(content)
# data.groups()的功能就是可以输出所括号出的多个值
import re

    text = "逗2B最逗3B欢乐"
    data = re.match("(逗)\d(B)", text)
    if data:
        content = data.groups()  # "逗2B"
        print(content)  # ('逗', 'B')


import re

    text = "逗2B最逗3B欢乐"
    data = re.match("(逗)\d(B)", text)
    if data:
        v1, v2 = data.groups()  # "逗2B"
        print(v1, v2)  # '逗' 'B'

 

  • search，浏览整个字符串去匹配第一个，未匹配成功返回None

import re

text = "大小逗2B最逗3B欢乐"
data = re.search("逗\dB", text)
if data:
    print(data.group())  # "逗2B"

  •  sub，替换匹配成功的位置

import re

text = "逗2B最逗3B欢乐"
data = re.sub("\dB", "沙雕", text)
print(data) # 逗沙雕最逗沙雕欢乐
import re

text = "逗2B最逗3B欢乐"
data = re.sub("\dB", "沙雕", text, 1)
print(data) # 逗沙雕最逗3B欢乐

  • split，根据匹配成功的位置分割

import re

text = "逗2B最逗3B欢乐"
data = re.split("\dB", text)
print(data) # ['逗', '最逗', '欢乐']
import re

text = "逗2B最逗3B欢乐"
data = re.split("\dB", text, 1)
print(data) # ['逗', '最逗3B欢乐']

  • finditer

import re

text = "逗2B最逗3B欢乐"
data = re.finditer("\dB", text)
for item in data:
    print(item.group())
import re

text = "逗2B最逗3B欢乐"
data = re.finditer("(?P<xx>\dB)", text)  # 命名分组
for item in data:
    print(item.groupdict())
text = "dsf130429191912015219k13042919591219521Xkk"
data_list = re.finditer("\d{6}(?P<year>\d{4})(?P<month>\d{2})(?P<day>\d{2})\d{3}[\d|X]", text)
for item in data_list:
    info_dict = item.groupdict()
    print(info_dict)

至此，Python 相关的正则表达式已总结到此，如有不当之处 欢迎批评指正！

华青水上
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
Python中的groupby分组
O_nice的博客
05-09 2万+
Python中的groupby分组 一、groupby函数 groupby函数功能：对DataFrame进行分组（可单类分组，可多类分组） 需求：按“字段”列对数据data进行分组 groupby函数基本格式：data.groupby([‘分组字段’]) data：要分组的原始数据 分组字段：分组参考的数据列名 举例： 原数据data: 单类分组举例 根据“班级”进行分组： import pandas as pd data = pd.read_excel('/Users/weihairui/Doc
python正则表达式基础re模块匹配电话号码和邮箱
zhujuntangxiaojuan的博客
03-12 2186
# Python中isdecimal()函数的作用是检查一个字符串是否仅有十进制的数字字符构成。如果是则返回True，否则返回False # 假设你希望在字符串中查找电话号码。你知道模式：3 个数字，一个短横线，3 # 个数字，一个短横线，再是 4 个数字。例如：415-555-4242 def is_phone_number(text): if len(text) != 12: return False for i in range(0, 3): if .
re 正则从文本中提取全球电话和邮箱
lwdfzr的博客
08-22 963
re 正则从文本中提取全球电话和邮箱
python - re.findall() 方法 正则表达式中带括号的匹配规则
草青工作室 的专栏
09-02 7605
python - re.findall() 方法正则表达式中带括号的匹配规则 python 正则括号的使用踩坑及注意事项 [a-z]+\d+ ([a-z]+)(\d+) (([a-z]+)(\d+)) 以上三个表达式在 vscode 中查询结果一样，但是 python 中返回的结果是三种不同数据类型，使用是需要注意！！！ 配规则： 1.正则中没有括号时，返回的是 list，list的元素是 str ； 2.正则中有括号时，返回的是 list，list的元素是 tuple ，tuple 中的各项对应的是括
re.findall(pattern, text)（关键词：python/正则表达式/re）
Henry1991back的博客
03-02 5829
search()查找字面量文本字符串的单个实例。findall(pattern, text)函数会返回输入中与模式匹配而不重叠的所有子串。 import re text = 'abbaaabbbbaaaaa' pattern = 'ab' for match in re.findall(pattern, text): print 'Found "%s"' % match...
python——正则表达式(re模块)详解
热门推荐
guo_qingxia的博客
03-02 24万+
在Python中需要通过正则表达式对字符串进⾏匹配的时候，可以使⽤⼀个python自带的模块，名字为re。 正则表达式的大致匹配过程是： 1.依次拿出表达式和文本中的字符比较， 2.如果每一个字符都能匹配，则匹配成功；一旦有匹配不成功的字符则匹配失败。 3.如果表达式中有量词或边界，这个过程会稍微有一些不同。 r：在带有 'r' 前缀的字符串字面值中，反斜杠不必做任何特殊处理。 因此 r"\n" 表示包含 '\' 和 'n' 两个字符的字符串，而 "\n" 则表示只包含一个换行符的字符串。 re模块的
Python爬虫系列——正则表达式
w04171018的博客
06-10 2218
各位猿媛大家好，我是萌新小农，目前大二在读，正在努力学习Py，希望大家能多多关照和支持。也可以私下交流学习。同时也期望我的文章能够为大家带来帮助和解决大家的一些困惑。努力学习，拿下Py~正则表达式是由一些具有特殊含义的字符组成的字符串，用于描述要匹配的文本模式。正则表达式可以在文本中查找、替换、提取和验证特定的模式。python中，re库拥有全部正则表达式的功能。
python基础——正则表达式
最新发布
tan_run的博客
04-26 1723
正则表达式（Regular Expression）是一种用于处理字符串的强大工具，它可以用来检查字符串是否符合某种模式、提取字符串中的特定部分或者替换字符串中的某些内容。比如在某些场景，我们在输入邮箱的时候，如果我们的输入不符合邮箱地址的规则，则会被提示错误输入。●match(): 从字符串的开头开始匹配，如果开头不匹配则返回None。匹配成功则返回第一个匹配项（包含信息），匹配失败则返回None●search(): 在字符串中搜索与正则表达式匹配的子字符串，返回第一个匹配项（包含信息），失败返回。
Python 正则表达式详解（建议收藏！）
good good study
10-01 11万+
正则表达式是对字符串提取的一套规则，我们把这个规则用正则里面的特定语法表达出来，去匹配满足这个规则的字符串。正则表达式具有通用型，不仅python里面可以用，其他的语言也一样适用。python中re模块提供了正则表达式的功能，常用的有四个方法(match、search、findall)都可以用于匹配字符串match匹配字符串match方法尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。例子。
Python编程快速上手——正则表达式查找功能案例分析
10-15
主要介绍了Python正则表达式查找功能,结合具体实例形式分析了Python基于正则表达式遍历查找指定格式文件的相关操作技巧,需要的朋友可以参考下
python专题——正则表达式[整理].pdf
10-11
Python中的正则表达式是处理文本模式匹配的强大工具，它允许程序员通过简洁的语法来查找、替换或提取字符串中的特定模式。以下是对正则表达式关键概念的详细解释： 1. **简介**： - 正则表达式是用于描述字符串...
Python——正则表达式笔记整理…
12-20
正则表达式到底是什么东西？ 1.在编写处理字符串的程序或网页时，经常会有查找符合某些复杂规则的字符串的需要。正则表达式就是用于描述这些规则的工具。换句话说，正则表达式就是记录文本规则的代码。 符号 解释...
Python基础——常见数据类型总结
华青水上的博客
05-31 8544
在Python中常见的数据类型有以下8个类型，分别是：int，整数类型（整形）、float，浮点类型（浮点型）、bool，布尔类型、str，字符串类型、list，列表类型、tuple，元组类型、dict，字典类型、set，集合类型。接下来一一展开介绍。 1、int，整数类型（整形） 整型其实就是十进制整数的统称，比如：1、68、999都属于整型。他一般用于表示 年龄、序号等。 1.1 定义 number = 10 age = 99 1.2 转换 在项目开发和面试题中经常会出现一些 "字符串".
Python基础——函数基础之参数与返回值
华青水上的博客
06-05 2250
先来两个问答： 1、函数到底是个什么东西？ 答：函数，可以当做是一大堆功能代码的集合。 2、什么时候会用到函数？ 答：有重复代码，用函数增加代码的重用性。 代码太长，用函数增强代码的可读性。 知道什么是函数与为什么用函数之后，他有两个重要的特性，那就是参数与返回值，接下来介绍他的参数与返回值 1、函数参数 在定义函数时，如果在括号中添加变量，我们称它为函数的形式参数： 1.1 形参 定义有三个参数的函数（a1/a2/a3一般称为形式参数-形参） def func...
Python基础——文件操作之Excel格式文件
华青水上的博客
06-02 1665
Python内部未提供处理Excel文件的功能，想要在Python中操作Excel需要按照第三方的模块。 pip install openpyxl 此模块中集成了Python操作Excel的相关功能，接下来我们就需要去学习该模块提供的相关功能即可。 1、读Excel 1.1、读sheet from openpyxl import load_workbook wb = load_workbook("my_test.xlsx") # sheet相关操作 # 1.获取excel文件中的所有s
Python基础——文件操作之XML格式文件
华青水上的博客
06-02 1321
可扩展标记语言，是一种简单的数据存储语言，XML 被设计用来传输和存储数据。 存储，可用来存放配置文件，例如：java的配置文件。 传输，网络传输时以这种格式存在，例如：早期ajax传输的数据、soap协议等。 <data> <country name="Liechtenstein"> <rank updated="yes">2</rank> <year>2023</year&g...
Python基础——文件操作之ini格式文件
华青水上的博客
06-02 852
ini文件是Initialization File的缩写，平时用于存储软件的的配置文件。例如：MySQL数据库的配置文件。 [mysqld] datadir=/var/lib/mysql socket=/var/lib/mysql/mysql.sock log-bin=py-mysql-bin character-set-server=utf8 collation-server=utf8_general_ci log-error=/var/log/mysqld.log # Disabling symbo
python 机器学习 正则表达式
08-02
回答: 在Python中，正则表达式是一种强大的工具，可以用于文本处理和数据分析。使用正则表达式可以识别代码中的中文、英文和数字信息。通过使用re模块的sub函数，可以将指定的数据替换为其他内容。例如，可以使用re....
评论 1
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