python学习笔记--正则表达式

1.re模块

re.match是用来进行正则匹配检查的方法，若字符串匹配正则表达式，则match方法返回匹配对象（Match Object），否则返回None（注意不是空字符串""）。匹配对象Macth Object具有group方法，用来返回字符串的匹配部分。

"""
练习python的正则表达式
"""
# 导入re模块
import re

# 使用match方法进行匹配操作
# result = re.match(正则表达式, 要匹配的字符串)

# 如果上一步匹配到数据的话，可以使用group方法来提取数据
# result.group()
pattern = "www";

str = "www.skiff.com";
result = re.match(pattern,str)
print(result.group())

2.表示字符

正则表达式的单字符匹配

字符	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	匹配单词字符，即a-z、A-Z、0-9、_
\W	匹配非单词字符

\d中的d,是digit数字的首字母，而\D呢是\d的取反，

\s中的s是space空格的首字母，而\S是\s的取反

\w中的w是word的首字母，\W是\w的取反

demo1： 

"""
练习python的正则表达式的
表示字符
"""
# 导入re模块
import re

import re

result= re.match(".", "skiff")
print(result.group())

# 匹配0到9
result = re.match("[0-9]", "7skiff")
print(result.group())

#
result = re.match("\d", "1dsf2djldl3sdjklfal4d")
print(result.group())

3.原始字符

      Python中字符串前面加上 r 表示原生字符串，正则表达式里使用"\"作为转义字符，这就可能造成反斜杠困扰。假如要匹配文本中的字符"\"，那么使用编程语言表示的正则表达式里将需要4个反斜杠"\\"：前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。而用一个r,很好的解决这个问题。

"""
练习python的正则表达式的
原始的字符串
"""
# 导入re模块
import re

import re
path = "c:\\dir1\\dir2\\file.txt"
print(path)
#输出结果:c:\dir1\dir2\file.txt
print("*"*150)
result= re.match(r"c:\\dir1", path)
print(result.group())

4.表示数量

匹配多个字符的相关格式

字符	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,}	匹配前一个字符至少出现m次
{m,n}	匹配前一个字符出现从m到n次

"""
1.需求：匹配出，一个字符串第一个字母为大小字符，后面都是小写字母并且这些小写字母可有可无

"""

import re

pattern = "[A-Z][a-z]*"

str = "CadnddD"

result = re.match(pattern, str)

print(result.group())

"""
2.需求:c语言中变量的命名

"""

pattern = "[A-Za-z_]+[\w]*"
try:
    str = "12userName"
    result = re.match(pattern, str)
    print(result.group())
except:
    print(str + "不符合规范")

str = "userName"
result = re.match(pattern, str)
print(result.group())

str = "_1userName"
result = re.match(pattern, str)
print(result.group())
print("-" * 100)

"""
3.需求：匹配出，0到99之间的数字
?代表0次或者1次
"""
print("-" * 100)
pattern = "[1-9]?[\d]"

str = "04"
result = re.match(pattern, str)
print(result.group())

str = "88"
result = re.match(pattern, str)
print(result.group())

print("-" * 100)
"""
需求：匹配出，8到20位的密码，可以是大小写英文字母、数字、下划线

"""

pattern = "[\w_]{8,20}"

str = "04asdfasaewrdsaw"
result = re.match(pattern, str)
print(result.group())

try:
    str = "12dww"
    result = re.match(pattern, str)
    print(result.group())
except:
    print(str + "位数不在8-20位之间，或者有特殊字符")

print("-" * 100)
"""
匹配出163的邮箱地址，且@符号之前有4到20位，例如hello@163.com
"""

pattern = "[A-Za-z]{4,}@163.com"
str1 = "he@163.com"
str2 = "hello@qq.com"
str3 = "hello@163.com"
result1 = re.match(pattern, str1)
result2 = re.match(pattern, str2)
result3 = re.match(pattern, str3)
print(result1)
print(result2)
print(result3.group())
print("-" * 100)

运行结果:

Cadndd
12userName不符合规范
userName
_1userName
----------------------------------------------------------------------------------------------------
----------------------------------------------------------------------------------------------------
0
88
----------------------------------------------------------------------------------------------------
04asdfasaewrdsaw
12dww位数不在8-20位之间，或者有特殊字符
----------------------------------------------------------------------------------------------------
None
None
hello@163.com
----------------------------------------------------------------------------------------------------

5.表示边界

字符	功能
^	匹配字符串开头
$	匹配字符串结尾
\b	匹配一个单词的边界
\B	匹配非单词边界

"""
学习python的正则的边界
\b	匹配一个单词的边界
\B	匹配非单词边界
"""

import re


i = 0


pattern = r".*\bhui\b"
str = "wu hui skiff"
result = re.match(pattern,str)
print(result.group())

i+=1
print("-"*60,i, "-"*60)

result = re.match(r".*\Bver\B", "hoverabc")
print(result)

result = re.match(r".*\Bver\B", "ho verabc")
print(result)

result = re.match(r".*\Bver\B", "hover abc")
print(result)


result = re.match(r".*\Bver\B", "ho ver abc")
print(result)


i+=1
print("-"*60,i, "-"*60)
#以ver单词结尾，
result = re.match(r".*\bver\b", "ho ver abc")
print(result)
result = re.match(r".*\bver\b", "ho verabc")
print(result)
result = re.match(r".*\bver\b", "hover abc")
print(result)

i+=1
print("-"*60,i, "-"*60)

"""
分组
需求：匹配出0-100之间的数字
"""

i+=1
print("-"*60,i, "-"*60)

i+=1
print("-"*60,i, "-"*60)

6.分组

字符	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<name>)	分组起别名
(?P=name)	引用别名为name分组匹配到的字符串

"""
python
匹配出163、126、qq邮箱之间的数字
"""

import re

result = re.match("\w{4,20}@163\.com", "wuhui_skiff@163.com")
print(result.group())

result = re.match("\w{4,20}@(163|126|qq)\.com", "test@126.com")
print(result.group())

result = re.match("\w{4,20}@(163|126|qq)\.com", "test@qq.com")
print(result.group())

result = re.match("\w{4,20}@(163|126|qq)\.com", "test@gmail.com")
# 匹配不出来
print(result)

print("-"*120)
result  = re.match("([^-]*)-(\d+)","010-12345678")
# 返回的是一个分组列表
print(result.groups())

print(result.group(1))
print(result.group(2))

print("-"*120)

# 需求：匹配出<html>hh</html>
print("-"*120)

# 能够完成对正确的字符串的匹配
result = re.match("<[a-zA-Z]*>\w*</[a-zA-Z]*>", "<html>这是一个html文本</html>")
print(result.group())

# 如果遇到非正常的html格式字符串，匹配出错
result = re.match("<[a-zA-Z]*>\w*</[a-zA-Z]*>", "<html>hh</htmlbalabala>")
print(result.group())

# 正确的理解思路：如果在第一对<>中是什么，按理说在后面的那对<>中就应该是什么

# 通过引用分组中匹配到的数据即可，但是要注意是元字符串，即类似 r""这种格式\1第一个元组，\2第二个元组
result = re.match(r"<([a-zA-Z]*)>\w*</\1>", "<html>hh</html>")
print(result.group())

# 因为2对<>中的数据不一致，所以没有匹配出来
result = re.match(r"<([a-zA-Z]*)>\w*</\1>", "<html>呵呵呵呵</htmlbsasfadfalabala>")
print(result)

print("-"*120)

result = re.match(r"<(\w*)><(\w*)>.*</\2></\1>", "<html><h1>www.baidu.com</h1></html>")
print(result.group())

result = re.match(r"<(\w*)><(\w*)>.*</\2></\1>", "<html><h1>cn.bing.com</h2></html>")
# 匹配不出来
print(result)
print("-"*120)

"""
(?P<name>) (?P=name)
需求：匹配出<html><h1>www.baidu.com</h1></html>
注意：(?P<name>)和(?P=name)中的字母p大写
"""
#name1,name2类似起别名一样
result = re.match(r"<(?P<name1>\w*)><(?P<name2>\w*)>.*</(?P=name2)></(?P=name1)>", "<html><h1>www.baidu.com</h1></html>")
print(result.group())

result = re.match(r"<(?P<name1>\w*)><(?P<name2>\w*)>.*</(?P=name2)></(?P=name1)>", "<html><h1>www.baidu.com</h2></html>")
print(result)

print("-"*120)

输出结果:

wuhui_skiff@163.com
test@126.com
test@qq.com
None
------------------------------------------------------------------------------------------------------------------------
('010', '12345678')
010
12345678
------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------
<html>这是一个html文本</html>
<html>hh</htmlbalabala>
<html>hh</html>
None
------------------------------------------------------------------------------------------------------------------------
<html><h1>www.baidu.com</h1></html>
None
------------------------------------------------------------------------------------------------------------------------
<html><h1>www.baidu.com</h1></html>
None
------------------------------------------------------------------------------------------------------------------------

7.python的re常用函数

"""
python的re的常用函数
search（）
findAll()
sub()
split()
"""

import re

result = re.search(r"\d+", "阅读次数为 10000")
print(result.group())


#需求：统计出python、c、c++相应文章阅读的次数


result = re.findall(r"\d+", "python = 99999, java= 78190, php = 12233")
print(result)


#sub 将匹配到的数据进行替换
#需求：将java的访问数进行替换

result = re.sub(r"\d",'1000000',"java = 10")
print(result)


#或者用一个函数替换
def repVisitNum(temp):
    strNum = temp.group()
    num = int(strNum)  * 1000
    return str(num)

result = re.sub(r"\d+", repVisitNum, "java = 10")
print(result)


#split 根据匹配进行切割字符串，并返回一个列表
#以冒号和空格分割字符串，并返回一个列表
result = re.split(r":| ","language:python java php ")
print(result)

输出结果:

10000
['99999', '78190', '12233']
java = 10000001000000
java = 10000
['language', 'python', 'java', 'php', '']

8.python的贪婪和非贪婪

python默认是贪婪的，在"*","?","+","{m,n}"后面加上？，使贪婪变成非贪婪。非贪婪就是尝试匹配尽可能少的字符。

"""
贪婪和非贪婪
非贪婪操作符“？”，这个操作符可以用在"*","+","?"的后面，要求正则匹配的越少越好。

"""

import  re

result = re.match(r".*(\d-\d*)","wej hehe1-241saflaj3282hjh")
print(result.group())



result = re.match(r".*(\d-\d*?)","wej hehe1-241saflaj3282hjh")
print(result.group())

输出结果:

wej hehe1-241
wej hehe1-