python 正则表达式(Regular Expression)基础学习笔记

python 正则表达式(Regular Expression)

  • 正则表达式基础

    • search():只返回第一个匹配的字符串
    • findall():将搜寻结果以列表方式返回
    import re  # 导入re正则表达式模块
    
    msg = "十步13466663478杀一人,千里不留15688889999"
    
    
    def parseString(content):
        """解析字符串中是否含有手机号"""
        # 使用re.compile()建立Regex对象
        # # 手机号(共11位)第一位是1 第二位是3~9中选1位 \d表示数字 {}里面的数字代表精确匹配多少位数,{9)表示9个数字
        phoneRule = re.compile(r'1[3-9]\d{9}')
    
        # 搜寻对象,search()只传回第一个匹配的字符串
        phoneNum = phoneRule.search(msg)
    
        if phoneNum is not None:
            print(phoneNum.group())
        else:
            print('该字符串中不包含手机号!')
    
    
    def parseString2(content):
        """解析字符串中是否含有手机号"""
        # 使用re.compile()建立Regex对象
        # # 手机号(共11位)第一位是1 第二位是3~9中选1位 \d表示数字 {}里面的数字代表精确匹配多少位数,{9)表示9个数字
        phoneRule = re.compile(r'1[3-9]\d{9}')
    
        # findall():返回匹配结果列表
        phoneNum_list = phoneRule.findall(msg)
    
        if phoneNum_list:
            print(phoneNum_list)
        else:
            print('该字符串中不包含手机号!')
    
    def parseString3(content):
        """解析字符串中是否含有手机号"""
        # 省略re.compile()
        # re.findall(pattern, string, flags)
        # 手机号(共11位)第一位是1 第二位是3~9中选1位 \d表示数字 {}里面的数字代表精确匹配多少位数,{9)表示9个数字
        pattern = r'1[3-9]\d{9}'
        # findall():返回匹配结果列表
        phoneNum_list = re.findall(pattern=pattern, string=msg) # 用列表传回搜寻结果
    
        if phoneNum_list:
            print(phoneNum_list)
        else:
            print('该字符串中不包含手机号!')
    
    
    parseString(msg)  # 13466663478
    parseString2(msg)  # ['13466663478', '15688889999']
    parseString3(msg)  # ['13466663478', '15688889999']
    
  • 使用小括号分组

    # author:mlnt
    # createdate:2022/8/15
    import re  # 导入re正则表达式模块
    
    msg = "十步134-6666-3478杀一人,千里不留156-8888-9999"
    
    """
    我国使用的手机号码为11位数字,我们的手机号可以分为三段,都有不同的编码含义:
    前3位是网络识别号、4-7位是地区编码(HLR归属位置寄存器)、8-11位是用户号码(随机分配)
    """
    def parseString(content):
        """解析字符串中是否含有手机号"""
        # re.findall(pattern, string, flags)
        # 手机号(共11位)第一位是1 第二位是3~9中选1位 \d表示数字 {}里面的数字代表精确匹配多少位数
        pattern = r'(1[3-9]\d)-(\d{4})-(\d{4})'
        # findall():返回匹配结果列表
        phoneNum_list = re.findall(pattern=pattern, string=msg)  # 用元组列表传回搜寻结果
    
        if phoneNum_list:
            print(phoneNum_list)
        else:
            print('该字符串中不包含手机号!')
    
    def parseString2(content):
        """解析字符串中是否含有手机号"""
        # 使用re.compile()建立Regex对象
        # 手机号(共11位)第一位是1 第二位是3~9中选1位 \d表示数字 {}里面的数字代表精确匹配多少位数
        pattern = r'(1[3-9]\d)-(\d{4})-(\d{4})'
    
        # 搜寻对象,search()只传回第一个匹配的字符串
        phoneNum = re.search(pattern=pattern, string=msg)
    
        if phoneNum is not None:
            # 前3位是网络识别号、4-7位是地区编码(HLR归属位置寄存器)、8-11位是用户号码(随机分配)
            print(phoneNum.group())
            network_num, area_num, user_num = phoneNum.groups()
            print(f'网络识别号:{network_num}')
            print(f'地区编码:{area_num}')
            print(f'用户号码:{user_num}')
    
        else:
            print('该字符串中不包含手机号!')
    
    parseString(msg)  # [('134', '6666', '3478'), ('156', '8888', '9999')]
    parseString2(msg)
    # 134-6666-3478
    # 网络识别号:134
    # 地区编码:6666
    # 用户号码:3478
    
  • 使用管道|

    | --> pipe 管道,使用管道可以同时搜寻比对多个字符串

    # | --> pipe 管道,使用管道可以同时搜寻比对多个字符串
    import re
    
    msg = 'Jack and Maria are good friends. They always go to school together.'
    pattern = 'Tom|Jack'  # 搜寻Tom和Jack
    result = re.findall(pattern=pattern, string=msg)
    print(result)  # ['Jack']
    pattern = 'Mary|John|Jackson|Maria|Jack'
    result = re.findall(pattern=pattern, string=msg)
    print(result)  # ['Jack', 'Maria']
    
  • 多个分组的管道搜索

    # author:mlnt
    # createdate:2022/8/15
    import re
    
    msg = 'Jackson, Jacknason, Jacknion and Maria are good friends. They always go to gym together.'
    pattern = 'Jack(son|nason|nion|nice)'
    result = re.findall(pattern=pattern, string=msg)
    print(result)  # ['son', 'nason', 'nion']
    
  • 使用问号(?)做搜索

    正则表达式(Regular Expression)是一种文本模式,包括普通字符(例如,a 到 z 之间的字母)和特殊字符(称为"元字符")。
    正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。
    特殊字符:

    • $:匹配输入字符串的结尾位置
    • ():标记一个子表达式的开始和结束位置
    • *:匹配前面的子表达式0次或多次
    • +:匹配前面的子表达式1次或多次
    • .:匹配除换行符(\n)之外的任意单个字符
    • [:标记一个中括号表达式的开始
    • ?:匹配前面的子表达式0次或1次,或指明一个非贪婪限定符
    • \:将下一个字符标记为特殊字符、原义字符、向后引用或八进制转义符
    • ^:匹配输入字符串的开始位置。当该符号在方括号表达式中使用时,表示不接受该方括号中的字符集合
    • {:标记限定符表达式的开始
    • |:指明两项之间的一个选择
    # author:mlnt
    # createdate:2022/8/15
    """
    正则表达式(Regular Expression)是一种文本模式,包括普通字符(例如,a 到 z 之间的字母)和特殊字符(称为"元字符")。
    正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。
    特殊字符:
    - $:匹配输入字符串的结尾位置
    - ():标记一个子表达式的开始和结束位置
    - *:匹配前面的子表达式0次或多次
    - +:匹配前面的子表达式1次或多次
    - .:匹配除换行符(\n)之外的任意单个字符
    - [:标记一个中括号表达式的开始
    - ?:匹配前面的子表达式0次或1次,或指明一个非贪婪限定符
    - \:将下一个字符标记为特殊字符、原义字符、向后引用或八进制转义符
    - ^:匹配输入字符串的开始位置。当该符号在方括号表达式中使用时,表示不接受该方括号中的字符集合
    - {:标记限定符表达式的开始
    - |:指明两项之间的一个选择
    
    """
    """
    在正则表达式中,若某些括号内的字符串或正则表达式可有可无,可以在后面加上?
    """
    
    import re
    
    msg = 'Jackson and Maria are good friends. They always go to gym together.'
    pattern = 'Jack((na)?son)'
    result = re.search(pattern=pattern, string=msg)
    print(result.group())  # Jackson
    
  • 使用星号(*)做搜索

    在正则表达式中,若某些字符串或正则表达式可出现0次到多次,可在后面加*

    # author:mlnt
    # createdate:2022/8/15
    """
    在正则表达式中,若某些字符串或正则表达式可出现0次到多次,可在后面加*
    """
    import re
    
    msg = 'Jackson, Jacknason, Jacknion, Jackkkkjjan, Jackken and Maria are good friends. They always go to gym together.'
    pattern = 'Jack((k)*)'
    result = re.search(pattern=pattern, string=msg)
    print(result.group())  # Jack
    
  • 使用加号(+)做搜索

    在正则表达式中,若某些字符或正则表达式可出现1次或多次,可在后面加+

    # author:mlnt
    # createdate:2022/8/15
    """
    在正则表达式中,若某些字符或正则表达式可出现1次或多次,可在后面加+
    """
    import re
    
    msg = 'Jackson, Jackckson, and Maria are good friends. They always go to gym together.'
    pattern = 'Jack((ck)+son)'
    result = re.search(pattern=pattern, string=msg)
    print(result.group())  # Jackckson
    
  • 搜索时忽略大小写

    搜寻时,若是在search()或findall()内增加迪桑参数re.I或re.IGNORECASE,搜寻时会忽略大小写

    # author:mlnt
    # createdate:2022/8/15
    """
    搜寻时,若是在search()或findall()内增加迪桑参数re.I或re.IGNORECASE,搜寻时会忽略大小写
    """
    
    import re
    
    msg = 'JACK and Maria are good friends. They always go to school together.'
    pattern = 'Tom|Jack'  # 搜寻Tom和Jack
    result = re.findall(pattern=pattern, string=msg, flags=re.IGNORECASE)
    print(result)  # ['JACK']
    pattern = 'Mary|John|Jackson|Maria|Jack'
    result = re.findall(pattern=pattern, string=msg, flags=re.I)
    print(result)  # ['JACK', 'Maria']
    
  • 正则表达式的特殊字符

    # author:mlnt
    # createdate:2022/8/15
    """
    特殊字符:
    \d: 0~9的整数数字
    \D:除了0~9以外的其他字符
    \s:空白、定位、Tab键、换行、换页字符
    \S:除空白、定位、Tab键、换行、换页字符以外的其他字符
    \w:数字、字母和下划线,[A-Za-z0-9_]
    \W:除数字、字母和下划线和[A-Za-z0-9_]以外的其他字符
    """
    import re
    
    msg = 'JACK, Jackson and Maria are good friends.'
    pattern = '\w+'  # 不限长度的数字、字母和下划线字符
    result = re.findall(pattern=pattern, string=msg, flags=re.IGNORECASE)
    print(result)  # ['JACK', 'Jackson', 'and', 'Maria', 'are', 'good', 'friends']
    
    pattern = 'Jack\w*'  # Jack开头,后接0或多个数字、字母和下划线
    result = re.findall(pattern=pattern, string=msg, flags=re.I)
    print(result)  # ['JACK', 'Jackson']
    
    msg2 = '2 tigers, 3 dogs, 5 pigs'
    pattern = '\d+\s\w+'
    result = re.findall(pattern=pattern, string=msg2, flags=re.I)
    print(result)  # ['2 tigers', '3 dogs', '5 pigs']
    
    """
    字符分类:
    [a-z]:代表a-z的小写字符
    [A-Z]:代表A-Z的大写字符
    [aeiouAEIOU]:代表英文发音的元音字符
    [2-5]:代表2-5的数字
    在字符分类中,中括号内可以不加上”\“进行”.“、”?“、”*“、"(”、“)”等字符的转义
    """
    msg = 'JACK, Jackson and Maria are good friends.'
    pattern = '[aeiouAEIOU]'
    result = re.findall(pattern=pattern, string=msg, flags=re.IGNORECASE)
    print(result)
    # ['A', 'a', 'o', 'a', 'a', 'i', 'a', 'a', 'e', 'o', 'o', 'i', 'e']
    
    msg2 = '2 tigers, 3 dogs, 5. pigs'
    pattern = '[2-5.]'
    result = re.findall(pattern=pattern, string=msg2, flags=re.I)
    print(result)
    # ['2', '3', '5', '.']
    
    # 字符分类的^字符
    # 如果在中括号内加上^,表示搜寻除这些字符以外的所有字符
    msg = 'Jackson and Maria are good friends.'
    pattern = '[^aeiouAEIOU]'
    result = re.findall(pattern=pattern, string=msg, flags=re.IGNORECASE)
    print(result)
    # ['J', 'c', 'k', 's', 'n', ' ', 'n', 'd', ' ', 'M', 'r', ' ', 'r', ' ', 'g', 'd', ' ', 'f', 'r', 'n', 'd', 's', '.']
    msg2 = '2 tigers, 3 dogs, 5. pigs'
    pattern = '[^2-5.]'
    result = re.findall(pattern=pattern, string=msg2, flags=re.I)
    print(result)
    # [' ', 't', 'i', 'g', 'e', 'r', 's', ',', ' ', ' ', 'd', 'o', 'g', 's', ',', ' ', ' ', 'p', 'i', 'g', 's']
    
    # 正则表达式法的^字符
    # 在正则表达式起始位置加上^字符,表示正则表达式法的字符串必须出现在被搜寻字符串的起始位置
    msg = 'Jack and Maria are good friends.'
    msg2 = 'Mary and Jack are good friends.'
    pattern = '^Jack'
    result1 = re.findall(pattern=pattern, string=msg)
    result2 = re.findall(pattern=pattern, string=msg2)
    print(result1)  # ['Jack']
    print(result2)  # []
    
    # 正则表达式法的$字符
    # 正则表达式法的末端放置$字符时,表示正则表达式的字符串必须出现在被搜寻字符串的末尾
    msg = 'Generally speaking, both males and females are of age at 18.'
    pattern1 = '\W$'    # 以除英文字母、数字、下划线之外的其他字符结尾
    pattern2 = '\d$'    # 以数字结尾
    result1 = re.findall(pattern=pattern1, string=msg)
    result2 = re.findall(pattern=pattern2, string=msg2)
    print(result1)  # ['.']
    print(result2)  # []
    
    # 单一字符使用通配符“.”
    # 通配符“.”匹配除换行符以外的所有单个字符
    msg = 'Generally speaking, both males and females are of age at 18.'
    pattern = '.re'
    result = re.findall(pattern, msg)
    print(result) # ['are']
    
    # 所有字符使用通配符“.*”
    # .*:可以匹配所有字符,表示匹配0到多个通配符(换行符除外)
    msg = 'Name: Jack, Age: 18 Tel: 13838384438'
    pattern = 'Name: (.*) Age: (.*) Tel: (.*)'
    result = re.search(pattern=pattern, string=msg)
    name, age, tel = result.groups()
    print(f'Name: {name}, Age: {age}, Tel: {tel}')
    # Name: Jack,, Age: 18, Tel: 13838384438
    
    # 换行字符的处理
    # 用“.*”搜寻时,遇到换行字符“\n”则停止
    # re模块提供参数re.DOTALL,功能包括搜寻换行字符
    msg = 'Name: Jack, Age: 18 \nTel: 13838384438'
    pattern = '(.*)'
    result1 = re.search(pattern=pattern, string=msg)
    print(result1.group()) # Name: Jack, Age: 18
    result2 = re.search(pattern=pattern, string=msg, flags=re.DOTALL)
    print(result2.group())
    # Name: Jack, Age: 18
    # Tel: 13838384438
    
  • re.match()MatchObject对象内容的重要方法

    • re.match()只搜寻比对字符串开头,成功返回MatchObject对象,失败则返回None
    • group():返回搜寻到的字符串
    • end():返回搜寻到的字符串的结尾位置
    • start():返回搜寻到的字符串的起始位置
    • span():返回字符串的(起始,结束)位置
    # author:mlnt
    # createdate:2022/8/15
    """
    re.match()只搜寻比对字符串开头,成功返回MatchObject对象,失败则返回None
    re.search()搜寻整个字符串,成功返回MatchObject对象,失败则返回None
    """
    """
    MatchObject对象内容的重要方法:
    - group():返回搜寻到的字符串
    - end():返回搜寻到的字符串的结尾位置
    - start():返回搜寻到的字符串的起始位置
    - span():返回字符串的(起始,结束)位置
    """
    import re
    
    msg = 'Jack and Maria are good friends.'
    msg2 = 'Mary and Jack are good friends.'
    pattern = 'Jack'
    result1 = re.match(pattern=pattern, string=msg)
    if result1 is not None:
        print(result1.group())  # Jack
        print(result1.start())  # 0
        print(result1.end())  # 4
        print(result1.span())  # (0, 4)
    result2 = re.match(pattern=pattern, string=msg2)
    if result2 is not None:
        print(result2.group())
    
  • sub()方法

    result = re.sub(pattern, newstr, msg)

    pattern是欲搜寻的字符串,如果搜寻成功,则用newstr替换,同时将结果传给result;如果搜寻到多个相同字符串,这些字符串都会被替换,原msg的内容不会改变;如果搜寻失败,则将msg内容赋值给result

    # author:mlnt
    # createdate:2022/8/15
    """
    sub()方法的语法:
    result = re.sub(pattern, newstr, msg)
    pattern是欲搜寻的字符串,如果搜寻成功,则用newstr替换,同时将结果传给result;
    如果搜寻到多个相同字符串,这些字符串都会被替换,原msg的内容不会改变;
    如果搜寻失败,则将msg内容赋值给result
    """
    import re
    
    msg = "十步13466663478杀一人,千里不留15688889999"
    pattern = r'(1[3-9]\d+)(\d{4})(\d{4})'
    newstr = r'\1****\3'  # 第2个分组用*替换
    result = re.sub(pattern=pattern, repl=newstr, string=msg)
    print(result)
    # 十步134****3478杀一人,千里不留156****9999
    
  • 电子邮箱地址的搜寻

    # author:mlnt
    # createdate:2022/8/15
    import re
    
    
    # 在正则表达式中加注释,需使用re.VERBOSE参数
    def get_mail(content):
        """提取邮箱"""
        pattern = r"""(
            [a-zA-Z0-9_-]+          # 用户账号
            @                       # @符号
            [a-zA-Z0-9]+            # 主机域名domain
            [\.]                    # .符号 
            [a-zA-Z]{2,4}           # com/edu或其他
            ([\.])?                 # .符号
            ([a-zA-Z]{2,4})?        # 国别
        )"""
        results = re.findall(pattern, content, re.VERBOSE)
        return results
    
    
    content = 'test@163.com 998@gmail.com'
    print(get_mail(content))
    # [('test@163.com', '', ''), ('998@gmail.com', '', '')]
    

参考:
  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

梦里逆天

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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