Python正则表达式（regular expression）简介-re模块

　　　　　　　　　　　　　　Python正则表达式（regular expression）简介-re模块

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　作者：尹正杰

版权声明：原创作品，谢绝转载！否则将追究法律责任。

 

　　就其本质而言，正则表达式（或RE模块）是一种小型的，高度专业化的编程语言，（在Python中）它内嵌在Python中，并通过re模块实现。正则表达式模式被编译成一系列的字节码，然后由C编写的匹配引擎执行。

 

前言：

　　如果让你匹配一下以“13|14|15|17|18”开头的电话号码你会怎么写呢？可能你会说这个很简单啊，几行代码搞定，不信你看：

1 PhoneNumber = input("You telephone number is >>>")
2 if PhoneNumber.isdigit() and len(PhoneNumber) == 11 and PhoneNumber.startswith("13")\
3     or PhoneNumber.startswith("15") or PhoneNumber.startswith("14") \
4     or PhoneNumber.startswith("17") or PhoneNumber.startswith("18") :
5     print("电话号码合法")
6 else:
7     print("sorry，电话号码不合法！")

　　你这样写的话可以实现功能，但是看起来很low，如果让你匹配的字符串较多的话这种写法就不是很好了，我们可以用正则表达式来帮我们来解决这个问题，不信你看：

 1 #！/usr/bin/env python
 2 #_*_coding:utf-8_*_
 3 #@author :yinzhengjie
 4 #blog:http://www.cnblogs.com/yinzhengjie/tag/python%E8%87%AA%E5%8A%A8%E5%8C%96%E8%BF%90%E7%BB%B4%E4%B9%8B%E8%B7%AF/
 5 #EMAIL:y1053419035@qq.com
 6 
 7 import re
 8 
 9 PhoneNumber = input("You telephone number is >>>")
10 if re.match('^(13|14|15|17|18)[0-9]{9}$',PhoneNumber):
11     print("电话号码合法")
12 else:
13     print("sorry，电话号码不合法！")

　　写了三行的代码竟然用一行就可以搞定了，是不是绝对很高大上呢？其实，正则的功能我这个小案例只是展示了冰山一角。它的用处在每个语言都是有设计的，好了接下里让我们系统的学习一下正则表达式把。

 

一.re元字符

 1 #！/usr/bin/env python
 2 #_*_coding:utf-8_*_
 3 #@author :yinzhengjie
 4 #blog:http://www.cnblogs.com/yinzhengjie/tag/python%E8%87%AA%E5%8A%A8%E5%8C%96%E8%BF%90%E7%BB%B4%E4%B9%8B%E8%B7%AF/
 5 #EMAIL:y1053419035@qq.com
 6 
 7 import re
 8 
 9 """
10 正则表达式功能：
11     进行字符串的模糊匹配查询。
12 普通字符：
13     大多数字符和字母都会和自身匹配。
14 元字符：
15    字符串的模糊匹配，是通过元字符实现的，如：“ .^$*+?{}[]|()\”
16    1>.“.”：除换行符以外的任意一个符号；
17    2>.“^”：匹配字符串的开始位置；
18    3>.“$”：匹配字符串的结束位置；
19    4>.“*+?{}”：匹配重复的次数，其中“*”重复的是（0，无穷次），“+”重复的是（1，无穷次),“？”重复的是（0,1）,“{}”表示指定的次数；
20    5>.“\”：
21    6>.“”：
22    7>.“”：
23    
24 """
25 
26 s1 = re.findall("尹..","尹正杰，尹正文，尹小倩，邓西，yinzhengjie")
27 print(s1)
28 
29 s2 = re.findall("^尹","尹正杰，尹正文，尹小倩，邓西，yinzhengjie")
30 print(s2)
31 
32 s3 = re.findall("jie$","尹正杰，尹正文，尹小倩，邓西，yinzhengjie")
33 print(s3)
34 
35 s4 = re.findall("\d{18}","612401199105197586,110569874136547861")   #匹配连续18位的数字
36 print(s4)
37 
38 s4_1 = re.findall("6124\d*","612401199105197586,110569874136547861,61247474741,6124")
39 print(s4_1)
40 
41 s4_2 = re.findall("6124\d+","612401199105197586,110569874136547861,61247474741,6124")
42 print(s4_2)
43 
44 s4_3 = re.findall("-?\d+","6124,-21,18,-26,12,-6")          #匹配整数和负数
45 print(s4_3)
46 
47 
48 
49 
50 
51 #以上代码执行结果如下：
52 ['尹正杰', '尹正文', '尹小倩']
53 ['尹']
54 ['jie']
55 ['612401199105197586', '110569874136547861']
56 ['612401199105197586', '61247474741', '6124']
57 ['612401199105197586', '61247474741']
58 ['6124', '-21', '18', '-26', '12', '-6']

二.转义符

 1 #！/usr/bin/env python
 2 #_*_coding:utf-8_*_
 3 #@author :yinzhengjie
 4 #blog:http://www.cnblogs.com/yinzhengjie/tag/python%E8%87%AA%E5%8A%A8%E5%8C%96%E8%BF%90%E7%BB%B4%E4%B9%8B%E8%B7%AF/
 5 #EMAIL:y1053419035@qq.com
 6 
 7 import re
 8 
 9 
10 """
11 转义符“\”的功能：
12     1>.反斜线后面跟元字符取出特殊功能，比如"\."；
13     2>.反斜杠后面跟普通字符实现特殊更难，比如“\d”；
14         “\d”：匹配任何十进制数；相当于类[0-9]；
15         “\b”：匹配任何非数字字符：相当于类[^0-9]；
16         “\s”：匹配任何空白字符：相当于[\t\n\r\f\v]；
17         “\S”：匹配任何非空白字符:相当于[^ \t\n\r\f\v]；
18         “\w”：匹配任何字母数字字符:相当于[a-zA-Z0-9]；
19         “\W”：匹配任何非字母数字字符，它相当于[^ a-zA-Z0-9]；
20         “\b”：匹配一个特殊字符边界，比如：“空格”，“，”，“&”，“#”等等；
21 """
22 
23 s1 = re.findall("\.com","www.baidu.com")        #表示将元字符“.”转义为普通字符“.”。
24 print(s1)
25 
26 s2 = re.findall("\d+","yinzhengjie2018")
27 print(s2)
28 
29 s3 = re.findall("\w+","yinzhengjie@2018")
30 print(s3)
31 
32 s4 = re.findall(r"y\b","My@ name is y inzhengjie !")      #注意，这个字母“r”表示后面的对象是原生字符串，并不包含任何特殊意义，会直接将这个原生字符串传递给re模块的findall方法。
33 print(s4)
34 
35 s5 =re.findall(r"c\\l","abc\le")
36 print(s5)
37 
38 
39 
40 
41 #以上代码执行结果如下：
42 ['.com']
43 ['2018']
44 ['yinzhengjie', '2018']
45 ['y', 'y']
46 ['c\\l']

三.findall的分组方法

 1 #！/usr/bin/env python
 2 #_*_coding:utf-8_*_
 3 #@author :yinzhengjie
 4 #blog:http://www.cnblogs.com/yinzhengjie/tag/python%E8%87%AA%E5%8A%A8%E5%8C%96%E8%BF%90%E7%BB%B4%E4%B9%8B%E8%B7%AF/
 5 #EMAIL:y1053419035@qq.com
 6 
 7 
 8 import re
 9 
10 s1 = re.findall("yin+","yinzhengjieyinnnnnnyinnihao")                       #“+”具有贪婪模式的匹配。
11 print(s1)
12 
13 s2 = re.findall("(yin)+","yinzhengjieyinyinnihao")                          #分组概念，将“yin”加入一个分组。
14 print(s2)
15 
16 s3 = re.findall("(尹.{1,3}),","尹正杰,尹正文,尹小倩,邓西,yinzhengjie,")     #分组的举例，我们用分组的效果实现s4的方法。findall方法是会优先匹配分组的内容。
17 print(s3)
18 
19 s4 = re.findall("尹\w+","尹正杰,尹正文,尹小倩,邓西,yinzhengjie,")
20 print(s4)
21 
22 
23 
24 
25 #以上代码执行结果如下：
26 ['yin', 'yinnnnnn', 'yinn']
27 ['yin', 'yin']
28 ['尹正杰', '尹正文', '尹小倩']
29 ['尹正杰', '尹正文', '尹小倩']

四.search方法

 1 #！/usr/bin/env python
 2 #_*_coding:utf-8_*_
 3 #@author :yinzhengjie
 4 #blog:http://www.cnblogs.com/yinzhengjie/tag/python%E8%87%AA%E5%8A%A8%E5%8C%96%E8%BF%90%E7%BB%B4%E4%B9%8B%E8%B7%AF/
 5 #EMAIL:y1053419035@qq.com
 6 
 7 
 8 import re
 9 
10 """
11 search:
12     只匹配意向符合规则的元素。
13 """
14 
15 
16 s1 = re.search("\d+","yinzhengjie2018@0520")
17 print(s1)
18 print(s1.group())
19 
20 
21 
22 s2 = re.search(r"-blog-aticles-(?P<year>20[01]\d)-(?P<month>\d+)","-blog-aticles-2015-04")      #给分组命名
23 print(s2.group("year"))                                                                                 #表示只取分组的“year”名称。
24 print(s2.group("month"))
25 
26 
27 
28 
29 #以上代码执行结果如下：
30 <_sre.SRE_Match object; span=(11, 15), match='2018'>
31 2018
32 2015
33 04

五.match方法

 1 #！/usr/bin/env python
 2 #_*_coding:utf-8_*_
 3 #@author :yinzhengjie
 4 #blog:http://www.cnblogs.com/yinzhengjie/tag/python%E8%87%AA%E5%8A%A8%E5%8C%96%E8%BF%90%E7%BB%B4%E4%B9%8B%E8%B7%AF/
 5 #EMAIL:y1053419035@qq.com
 6 
 7 import re
 8 
 9 """
10 match:
11     只匹配字符串的开始的位置。
12 """
13 
14 s1 = re.match("\d+","yinzhengjie2018")
15 print(s1)
16 
17 
18 s2 = re.match("\d+","20180520yinzhengjie")
19 print(s2)
20 print(s2.group())
21 
22 
23 
24 #以上代码执行结果如下：
25 None
26 <_sre.SRE_Match object; span=(0, 8), match='20180520'>
27 20180520

六.字符集

 1 #！/usr/bin/env python
 2 #_*_coding:utf-8_*_
 3 #@author :yinzhengjie
 4 #blog:http://www.cnblogs.com/yinzhengjie/tag/python%E8%87%AA%E5%8A%A8%E5%8C%96%E8%BF%90%E7%BB%B4%E4%B9%8B%E8%B7%AF/
 5 #EMAIL:y1053419035@qq.com
 6 
 7 import re
 8 
 9 s1 = re.findall(r"a[bc]d","abdacde")
10 print(s1)
11 
12 s2=re.findall(r"a[b.*c]d","abddaslacda*d")                  #我们此处的特殊字字符“.”，“*”并没有实际意义，而是一个普通字符
13 print(s2)
14 
15 """
16 字符集中只有三个特殊符号：  
17         1>.“-”
18         2>.“^” 
19         3>.“\”
20 
21 """
22 s3=re.findall(r"[0-9]+","yinzhengjie2018@0331")             #等效“\d”
23 print(s3)
24 
25 s4=re.findall(r"[a-zA-Z0-9_]+","yinzhengjie2018@0331")    #等效“\w”
26 print(s4)
27 
28 s5=re.findall(r"a[\d]c","ads32421sdf32a3c4sdf")             #等效“\d”
29 print(s5)
30 
31 ret=re.findall(r"a[^\da-z]c","ads32421sdf32a3c4sa@cdf")    #等效“\d”
32 print(ret)
33 
34 
35 
36 
37 
38 #以上代码执行结果如下：
39 ['abd', 'acd']
40 ['abd', 'acd', 'a*d']
41 ['2018', '0331']
42 ['yinzhengjie2018', '0331']
43 ['a3c']
44 ['a@c']

七.管道符

 1 #！/usr/bin/env python
 2 #_*_coding:utf-8_*_
 3 #@author :yinzhengjie
 4 #blog:http://www.cnblogs.com/yinzhengjie/tag/python%E8%87%AA%E5%8A%A8%E5%8C%96%E8%BF%90%E7%BB%B4%E4%B9%8B%E8%B7%AF/
 5 #EMAIL:y1053419035@qq.com
 6 
 7 import re
 8 
 9 s1 = re.findall("www\.(?:\w+)\.(?:com|cn)","www.yinzhengjie.com;www.yinzhengjie.cn,www.yinzhengjie.org.cn;")        #注意这个时候“?:”是取消优先级的作用！
10 print(s1)
11 
12 
13 
14 
15 #以上代码执行结果如下：
16 ['www.yinzhengjie.com', 'www.yinzhengjie.cn']

八.贪婪匹配

 1 #！/usr/bin/env python
 2 #_*_coding:utf-8_*_
 3 #@author :yinzhengjie
 4 #blog:http://www.cnblogs.com/yinzhengjie/tag/python%E8%87%AA%E5%8A%A8%E5%8C%96%E8%BF%90%E7%BB%B4%E4%B9%8B%E8%B7%AF/
 5 #EMAIL:y1053419035@qq.com
 6 
 7 import re
 8 
 9 
10 # 贪婪 模式
11 s1 = re.findall("abc+","dasasdabccccasd")
12 print(s1)
13 
14 s2 = re.findall("abc{2,5}","dasasdabcccccccasd")
15 print(s2)
16 
17 # 非贪婪模式:按着最小重复数
18 s3 = re.findall("abc+?","dasasdabccccasd")
19 print(s3)
20 
21 s4 = re.findall("abc{2,5}?","dasasdabcccccccasd")
22 print(s4)
23 
24 s = "<div>yin<img></div><a href=""></div>"
25 s5 = re.findall("<div>.*?</div>",s)
26 print(s5)
27 
28 s6 = re.search("<div>.*?</div>",s)
29 print(s6)
30 
31 """
32 一.几个常用的非贪婪匹配：
33     1>."*?":重复任意次，但尽可能少重复；
34     2>.“+?”：重复1次或更多次，但尽可能少重复；
35     3>.“??”：重复0次或1次，但尽可能少重复；
36     4>.“{n,m}?”:重复n到m次，但尽可能少重复；
37     5>."{n}?"：重复n次以上，但尽可能少重复；
38 
39 二."."，“*”，“？”的用法
40     1>.“.”是任意字符；
41     2>.“*”是取“0”至无限长度；
42     3>."?"是非贪婪匹配；
43     “.*?x”表示取前面任意长度的字符，直到x出现。
44 
45 """
46 
47 
48 
49 
50 #以上代码执行结果如下：
51 ['abcccc']
52 ['abccccc']
53 ['abc']
54 ['abcc']
55 ['<div>yin<img></div>']
56 <_sre.SRE_Match object; span=(0, 19), match='<div>yin<img></div>'>

九.split方法

 1 #！/usr/bin/env python
 2 #_*_coding:utf-8_*_
 3 #@author :yinzhengjie
 4 #blog:http://www.cnblogs.com/yinzhengjie/tag/python%E8%87%AA%E5%8A%A8%E5%8C%96%E8%BF%90%E7%BB%B4%E4%B9%8B%E8%B7%AF/
 5 #EMAIL:y1053419035@qq.com
 6 
 7 import re
 8 
 9 s = "yinzhengjie2018hello05ACE19world"
10 
11 s1 = re.split("\d+",s,2)        #后面的数字表示指定分割的次数，如果不加数字默认全部分割。
12 print(s1)
13 
14 
15 s2 = re.split("(\d+)",s)
16 print(s2)
17 
18 
19 
20 
21 #以上代码执行结果如下：
22 ['yinzhengjie', 'hello', 'ACE19world']
23 ['yinzhengjie', '2018', 'hello', '05', 'ACE', '19', 'world']

十.sub方法

 1 #！/usr/bin/env python
 2 #_*_coding:utf-8_*_
 3 #@author :yinzhengjie
 4 #blog:http://www.cnblogs.com/yinzhengjie/tag/python%E8%87%AA%E5%8A%A8%E5%8C%96%E8%BF%90%E7%BB%B4%E4%B9%8B%E8%B7%AF/
 5 #EMAIL:y1053419035@qq.com
 6 
 7 import re
 8 
 9 s = "yinzhengjie2018hello05ACE19world"
10 
11 
12 s1 = re.sub("yinzhengjie","尹正杰",s)
13 print(s1)
14 
15 s2 = re.sub("e","E",s,2)
16 print(s2)
17 
18 
19 
20 
21 #以上代码执行结果如下：
22 尹正杰2018hello05ACE19world
23 yinzhEngjiE2018hello05ACE19world

十一.complie方法

 1 #！/usr/bin/env python
 2 #_*_coding:utf-8_*_
 3 #@author :yinzhengjie
 4 #blog:http://www.cnblogs.com/yinzhengjie/tag/python%E8%87%AA%E5%8A%A8%E5%8C%96%E8%BF%90%E7%BB%B4%E4%B9%8B%E8%B7%AF/
 5 #EMAIL:y1053419035@qq.com
 6 
 7 import re
 8 
 9 s = "yinzhengjie2018hello05ACE19world"
10 
11 obj = re.compile("\d+")         #编译规则。
12 
13 s1 = obj.findall(s)
14 print(s1)
15 
16 
17 
18 
19 #以上代码执行结果如下：
20 ['2018', '05', '19']

十二.finditer方法

 1 #！/usr/bin/env python
 2 #_*_coding:utf-8_*_
 3 #@author :yinzhengjie
 4 #blog:http://www.cnblogs.com/yinzhengjie/tag/python%E8%87%AA%E5%8A%A8%E5%8C%96%E8%BF%90%E7%BB%B4%E4%B9%8B%E8%B7%AF/
 5 #EMAIL:y1053419035@qq.com
 6 
 7 import re
 8 
 9 """
10 finditer：
11     返回的是一个迭代器对象。
12 """
13 
14 s = "yinzhengjie2018hello05ACE19world"
15 
16 s1 = re.finditer("\d+",s)
17 print(s1)
18 
19 for i in next(s1).group():
20     print(i)
21 
22 
23 
24 
25 #以上代码执行结果如下：
26 <callable_iterator object at 0x032005F0>
27 2
28 0
29 1
30 8

十三.爬虫练习

 1 #！/usr/bin/env python
 2 #_*_coding:utf-8_*_
 3 #@author :yinzhengjie
 4 #blog:http://www.cnblogs.com/yinzhengjie/tag/python%E8%87%AA%E5%8A%A8%E5%8C%96%E8%BF%90%E7%BB%B4%E4%B9%8B%E8%B7%AF/
 5 #EMAIL:y1053419035@qq.com
 6 
 7 import requests
 8 import re
 9 
10 
11 def getPage():
12     respnse_str = requests.get("https://movie.douban.com/top250?start=0&filter=")
13     # print(type(respnse_str.text))
14 
15     return respnse_str.text
16 
17 
18 def run():
19     resonse = getPage()
20 
21     obj = re.compile('<div class="item">.*?<em.*?>(?P<id>\d+)</em>.*?<span class="title">(.*?)</span>'
22                      '.*?<span class="rating_num".*?>(.*?)</span>', re.S)
23 
24     ret = obj.finditer(resonse)
25 
26     # res =  next(ret).group()
27     # print(res)
28     print(ret)
29 
30 run()
31 
32 
33 
34 
35 #以上代码执行结果如下：
36 <callable_iterator object at 0x02F47AF0>

　　正在表达式主要是用于模糊匹配，Python中的正则用法比较简单，但是规则比较麻烦，你可以根据你的需求配置不同的规则，更多详情请参考：http://www.cnblogs.com/yinzhengjie/p/6428006.html

 

转载于:https://www.cnblogs.com/yinzhengjie/p/8542361.html