正则表达式认识
想匹配或者查找符合某些规则的字符串一般需要使用正则表达式,正则表达式就是记录文本规则的代码。
re模块
import re
re.match用来匹配数据
re.group用来获取匹配的数据
匹配单个字符
代码 | 功能 |
---|---|
. | 匹配任意1个字符(除了\n) |
[ ] | 匹配[ ]中列举的字符 |
\d | 匹配数字,即0-9 |
\D | 匹配非数字,即不是数字 |
\s | 匹配空白,即空格,tab键 |
\S | 匹配非空白 |
\w | 匹配非特殊字符,即az、AZ、0-9、_、汉字 |
\W | 匹配特殊字符,即非字母、非数字、非汉字 |
匹配单个字符代码案例
import re
#匹配单个字符
# . 匹配任意1个字符(除了\n)
print(re.match(".", "m").group())
print(re.match("t.o", "too").group())
print(re.match("t.o", "two").group())
print(re.match("t.o", "t_o").group())
print(re.match("t.o", "t-o").group())
# [ ] 匹配[ ]中列举的字符
print(re.match("h", "hello python").group())
print(re.match("H", "Hello python").group())
print(re.match("[hH]", "Hello python").group())
print(re.match("[0-9]", "9Hello python").group())
# \d 匹配数字,即0-9
print(re.match("嫦娥1号", "嫦娥1号发射成功").group())
print(re.match("嫦娥\d号", "嫦娥1号发射成功").group())
print(re.match("\D", "f").group())
# \s 匹配空白,即空格,tab键
# \S 匹配非空白
print(re.match("hello\sworld", "hello world").group())
print(re.match("hello\sworld", "hello\tworld").group())
# \w 匹配非特殊字符,即az、AZ、0-9、_、汉字
# \W 匹配特殊字符,即非字母、非数字、非汉字
print(re.match("\w", "A").group())
匹配多个字符
代码 | 功能 |
---|---|
* | 匹配前一个字符出现0次或者无限次,即可有可无 |
+ | 匹配前一个字符出现1次或者无限次,即至少有1次 |
? | 匹配前一个字符出现1次或者0次,即要么有1次,要么没有 |
{m} | 匹配前一个字符出现m次 |
{m,n} | 匹配前一个字符出现从m到n次 |
匹配多个字符代码案例
import re
# * 匹配前一个字符出现0次或者无限次,即可有可无
print(re.match("[A-Z][a-z]*", "M1").group())
print(re.match("[A-Z][a-z]*", "Ma1").group())
print(re.match("[A-Z][a-z]*", "MM1").group())
print(re.match("[A-Z][a-z]*", "MMaaa1").group())
print(re.match("[A-Z][a-z]*", "Maaa1").group())
print(re.match("t.*o", "t2o").group())
# + 匹配前一个字符出现1次或者无限次,即至少有1次
print(re.match("t.+o", "t2o").group())
print(re.match("t.+o", "t_o").group())
print(re.match("t\w+o", "two").group())
# ? 匹配前一个字符出现1次或者0次,即要么有1次,要么没有
print(re.match("https?", "http").group())
print(re.match("0539-?", "0539-127").group())
print(re.match("0539-?", "0539127").group())
# 例:02112345678 或者 021-12345678
print(re.match("021-?\d{8}", "021-12345678").group())
print(re.match("021-?\d{8}", "02112345678").group())
# {m} 匹配前一个字符出现m次
print(re.match("[a-zA-Z0-9_]{6}", "12a3g45678").group())
print(re.match("[0-9]{6}", "12345678").group())
print(re.match("\d{11}", "12345678911").group()) #匹配手机号
# {m,n} 匹配前一个字符出现从m到n次
print(re.match("[a-zA-Z0-9_]{8,20}", "1ad12f23s34455ff66").group())
print(re.match("[a-z0-9_]{3,4}", "1ad").group())
print(re.match("[a-z0-9_]{3,4}", "1ad2").group())
print(re.match("\d{3,4}-?\d{7,8}", "0571-8123456").group())
print(re.match("\d{3,4}-?\d{7,8}", "12345678912345").group())
匹配开头和结尾
代码 | 功能 |
---|---|
^ | 匹配字符串开头 |
$ | 匹配字符串结尾 |
匹配开头和结尾代码案例
import re
# ^ 匹配字符串开头
print(re.match("^\d.*", "3hello").group())
print(re.match("^\d.*", "33333").group())
print(re.match("^\d.*", "3").group())
# $ 匹配字符串结尾
print(re.match(".*\d$", "hello5").group())
print(re.match(".*\d$", "5").group())
print(re.match(".*\d$", "52355").group())
# [^指定字符]: 表示除了指定字符都匹配
print(re.match("[^aeiou]", "h").group())
注:^ 以…开始, python语言的match是自动添加的. 以 . . . 结 尾 " x x x 以...结尾 "^xxx 以...结尾"xxx" $ 这个就是匹配到尾
# 匹配变量名是否有效
# 匹配规则: 字母_开头, 匹配的数据: names = ["age", "_age", "1age", "age1", "a_age", "age_1_", "age!", "a#123", "------"]
import re
names = ["age", "_age", "1age", "age1", "a_age", "age_1_", "age!", "a#123", "------"]
for temp in names:
#使用正则判断
#match就是从头开始,^可以不写,但是以后建议写上
# $匹配到底,^从头开始匹配
result=re.match("^[a-zA-Z_][A-Za-z0-9]*$",temp)
if result:
print("成功",result.group())
else:
print("失败",temp)
匹配分组
代码 | 功能 |
---|---|
| | 匹配左右任意一个表达式 |
(ab) | 将括号中字符作为一个分组 |
\num | 引用分组num匹配到的字符串 |
(?P) | 分组起别名 |
(?P=name) | 引用别名为name分组匹配到的字符串 |
匹配分组代码案例
# 匹配分组
# | 匹配左右任意一个表达式
fruit_list = ["apple", "banana", "orange", "pear"]
# 匹配apple和pear
for temp in fruit_list:
value=re.match("apple|orange", temp)
if value:
print(value.group())
else:
print("不匹配",temp)
# (ab) 将括号中字符作为一个分组
# 匹配出163、126、qq等邮箱
print(re.match("[a-zA-Z0-9_]{4,20}@(163|126|qq|sina|yahoo)\.com", "hello@163.com").group())
print(re.match("(qq):([1-9]\d{4,10})", "qq:10567").group(1))
print(re.match("(qq):([1-9]\d{4,10})", "qq:10567").group(2))
# \num 引用分组num匹配到的字符串
# 匹配出<html>hh</html>
print(re.match("<[a-zA-Z1-6]+>.*</[a-zA-Z1-6]+>", "<html>hh</div>").group())
print(re.match("<([a-zA-Z1-6]+)>.*</\\1>", "<html>hh</html>").group())
print(re.match("<([a-zA-Z1-6]+)><([a-zA-Z1-6]+)>.*</\\2></\\1>", "<html><h1>www.baidu.cn</h1></html>").group())
# (?P<name>) 分组起别名
# (?P=name) 引用别名为name分组匹配到的字符串
str_data = "<html><body>hh</body></html>"
print(re.match("<(?P<name1>[a-zA-Z]+)><(?P<name2>[a-zA-Z]+)>.*</(?P=name2)></(?P=name1)>", str_data).group())
其他补充
转义
\进行转义,在正则特殊的符号, 想以字符串的形式使用特殊字符,需使用转义。
# 匹配出163的邮箱地址,且 @ 符号之前有4到20位字符, 以.com结尾
import re
str= "xiaosun@163.com"
#正则中,如果是特殊字符,转义
print(re.match("\w{4,20}@163\.com", str).group())
print(re.match("[a-zA-Z0-9]{4,20}@163\.com", str).group())
# [^字符] 非
print(re.match("[^a]", "d").group())
print(re.match("[^@]+@163\.com", str).group())
高级用法
search+findall+sub
# 查询结果
# search 不会从头开始匹配,只要匹配到数据就结束
# 案例:匹配出文章阅读的次数中的次数
# 数据:"阅读次数为 9999"
import re
str="阅读次数为 9999"
print(re.match("\w+\s(\d+)",str).group(1))
print(re.search("\d+", str).group())
# 查询结果集 findall
# 案例: 统计出python、c、c + +相应文章阅读的次数
# 数据: "python = 9999, c = 7890, c++ = 12345"
str="python = 9999, c = 7890, c++ = 12345"
print(re.findall("\d+", str))
# 替换数据 sub
# 案例: 将匹配到的阅读次数换成998
# 数据: "python = 997"
# re.sub('替换的规则 ',替换成的数据,被替换的内容)
str = "python = 997, java = 101"
new_str=re.sub("\d+","998",str)
print(new_str)
原字符
import re
print(re.match("\\\\\\\\", "\\\\").group())
print(re.match(r"\\", "\\").group())
print(re.match(r"\\\\", "\\\\").group())