python中正则表达式(全)

最新推荐文章于 2024-07-29 14:24:37 发布

Deam_EXO

最新推荐文章于 2024-07-29 14:24:37 发布

阅读量812

点赞数 1

分类专栏： python

本文链接：https://blog.csdn.net/weixin_42569562/article/details/84786312

版权

python 专栏收录该内容

27 篇文章 2 订阅

订阅专栏

一、正则表达式概述

正则表达式，又称正规表示式、正规表示法、正规表达式、规则表达式、常规表示法（英语：Regular Expression，在代码中常简写为regex、regexp或RE），是计算机科学的一个概念。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。在很多文本编辑器里，正则表达式通常被用来检索、替换那些匹配某个模式的文本。

Regular Expression的“Regular”一般被译为“正则”、“正规”、“常规”。此处的“Regular”即是“规则”、“规律”的意思，Regular Expression即“描述某种规则的表达式”之意。

二、re模块操作

在Python中需要通过正则表达式对字符串进行匹配的时候，可以使用一个模块，名字为re

2.1 re模块的使用过程

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。

  # 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()

 #re模块示例(匹配以itcast开头的语句)
 import re

    result = re.match("itcast","itcast.cn")

    print(result.group())
    #运行结果：itcast
#说明：re.match() 能够匹配出以xxx开头的字符串

三、表示字符

在上一小节中，了解到通过re模块能够完成使用正则表达式来匹配字符串

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

注意：

\d == [0-9]
\D == [^0-9]
\w == [a-zA-Z0-9_]

3.1 示例1： .

import re

ret = re.match(".", "a")
print(ret.group())    #a

ret = re.match(".", "b")
print(ret.group())      #b

ret = re.match(".", "M")
print(ret.group())        #M

3.2 示例2：[ ]

import re

# 如果hello的首字符小写，那么正则表达式需要小写的h
ret = re.match("h", "hello Python")
print(ret.group())    #h

# 如果hello的首字符大写，那么正则表达式需要大写的H
ret = re.match("H", "Hello Python")
print(ret.group())  #H

# 大小写h都可以的情况
ret = re.match("[hH]", "hello Python")
print(ret.group())    #h
ret = re.match("[hH]", "Hello Python")
print(ret.group())    #H

# 匹配0到9第一种写法
ret = re.match("[0123456789]", "7Hello Python")
print(ret.group())      #7

# 匹配0到9第二种写法
ret = re.match("[0-9]", "7Hello Python")
print(ret.group())         #7

In [54]: re.match("1[34578]","18")
Out[54]: <_sre.SRE_Match at 0x10b16de00>

In [55]: re.match("1[34578]","19")

In [56]: re.match("1[^34578]","19")
Out[56]: <_sre.SRE_Match at 0x10b1a8030>

In [57]: re.match("1[^34578]","1a")
Out[57]: <_sre.SRE_Match at 0x10b1a8098>

In [58]: re.match("1[^3^4^5^7^8]","1a")
Out[58]: <_sre.SRE_Match at 0x10b1a8100>

In [59]: re.match("1[^34578]","1a")

3.3示例3：\d

import re

# 普通的匹配方式
ret = re.match("嫦娥1号","嫦娥1号发射成功")
print(ret.group())   #嫦娥1号

ret = re.match("嫦娥2号","嫦娥2号发射成功")
print(ret.group())  #嫦娥2号

ret = re.match("嫦娥3号","嫦娥3号发射成功")
print(ret.group())          #嫦娥3号

# 使用\d进行匹配
ret = re.match("嫦娥\d号","嫦娥1号发射成功") 
print(ret.group())    #嫦娥1号

ret = re.match("嫦娥\d号","嫦娥2号发射成功")
print(ret.group())          #嫦娥2号

ret = re.match("嫦娥\d号","嫦娥3号发射成功")
print(ret.group())        #嫦娥3号

3.4 示例4：\D

print(re.match("\D", "a"))
<re.Match object; span=(0, 1), match='a'>

3.5 示例5：\w 、W

In [43]: re.match("\w", "\na")

In [44]: re.match("\w", "-a")
#无输出
In [45]: re.match("\w", "_a")
Out[45]: <_sre.SRE_Match at 0x10b16d850>

In [46]: re.match("\w", "1a")
Out[46]: <_sre.SRE_Match at 0x10b16d8b8>

In [47]: re.match("\W", "1a")
#无输出

3.6 示例6：\s \S

In [39]: re.match("\s", " a")
Out[39]: <_sre.SRE_Match at 0x10b16d718>

In [40]: re.match("\s", "\ta")
Out[40]: <_sre.SRE_Match at 0x10b16d780>

In [41]: re.match("\s", "\na")
Out[41]: <_sre.SRE_Match at 0x10b16d7e8>

In [42]: re.match("\S", "\na")
#无输出

四、原始字符串

说明：Python中字符串前面加上r表示原生字符串`，

与大多数编程语言相同，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。假如你需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。

Python里的原生字符串很好地解决了这个问题，有了原始字符串，你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观。

mm = "c:\\a\\b\\c"
print(mm)     # c:\a\b\c
print(re.match("c:\\\\",mm).group())    #  c:\
print(re.match("c:\\\\a",mm).group())       #  c:\a
print( re.match(r"c:\\a",mm).group())        #  c:\a

五、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

5.1示例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

ret = re.match("[A-Z][a-z]*","Mm")
print(ret.group())          #Mm

ret = re.match("[A-Z][a-z]*","Aabcdef")
print(ret.group())         #Aabcdef

5.2示例2：+

#需求：匹配出，变量名是否有效
import re

ret = re.match("[a-zA-Z_]+[\w_]*","name1")
print(ret.group())     # name1

ret = re.match("[a-zA-Z_]+[\w_]*","_name")
print(ret.group())  #   _name

ret = re.match("[a-zA-Z_]+[\w_]*","2_name")
print(ret.group())   # AttributeError: 'NoneType' object has no attribute 'group'

5.3示例3：?

#需求：匹配出，0到99之间的数字
import re

ret = re.match("[1-9]?[0-9]","7")
print(ret.group())     #7
ret = re.match("[1-9]?[0-9]","33")
print(ret.group())  #33

ret = re.match("[1-9]?[0-9]","09")
print(ret.group())    #0

5.4示例4：{m}

#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
import re

ret = re.match("[a-zA-Z0-9_]{6}","12a3g45678")
print(ret.group())     #12a3g4

ret = re.match("[a-zA-Z0-9_]{8,20}","1ad12f23s34455ff66")
print(ret.group())       #1ad12f23s34455ff66

六、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

6.1示例1：$

#需求：匹配163.com的邮箱地址
import re

# 正确的地址
ret = re.match("[\w]{4,20}@163\.com", "xiaoWang@163.com")
print(ret.group())    #xiaoWang@163.com


# 不正确的地址
ret = re.match("[\w]{4,20}@163\.com", "xiaoWang@163.comheihei")
print(ret.group())  #xiaoWang@163.com


# 通过$来确定末尾
ret = re.match("[\w]{4,20}@163\.com$", "xiaoWang@163.comheihei")
print(ret.group())     #AttributeError: 'NoneType' object has no attribute 'group'

6.2示例2: \b

import re
print(re.match(r".*\bver\b", "ho ver abc").group())
ho ver

>>> re.match(r".*\bver\b", "ho verabc").group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'

>>> re.match(r".*\bver\b", "hover abc").group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'

6.3示例3：\B

>>> re.match(r".*\Bver\B", "hoverabc").group()
'hover'

>>> re.match(r".*\Bver\B", "ho verabc").group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'

>>> re.match(r".*\Bver\B", "hover abc").group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'

>>> re.match(r".*\Bver\B", "ho ver abc").group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'

七、匹配分组

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

7.1示例1：|

#需求：匹配出0-100之间的数字
ret = re.match("[1-9]?\d","8")
print(ret.group())
#8

ret = re.match("[1-9]?\d","78")
print(ret.group())
#78

# 不正确的情况
ret = re.match("[1-9]?\d","08")
print(ret.group())
#0
  
 #修正之后 
ret = re.match("[1-9]?\d$","08")
print(ret.group())
#Traceback (most recent call last):
  #File "<input>", line 2, in <module>
#AttributeError: 'NoneType' object has no attribute 'group'

# 添加|
ret = re.match("[1-9]?\d$|100","8")
print(ret.group())
#8
ret = re.match("[1-9]?\d$|100","78")
print(ret.group())
#78
ret = re.match("[1-9]?\d$|100","100")
print(ret.group())
#100
ret = re.match("[1-9]?\d$|100","08")
print(ret.group())
#Traceback (most recent call last):
 # File "<input>", line 2, in <module>
#AttributeError: 'NoneType' object has no attribute 'group'

7.2示例2：( )

#需求：匹配出163、126、qq邮箱之间的数字      
ret = re.match("\w{4,20}@163\.com", "test@163.com")
print(ret.group())
#test@163.com
ret = re.match("\w{4,20}@(163|126|qq)\.com", "test@126.com")
print(ret.group())
#test@126.com
ret = re.match("\w{4,20}@(163|126|qq)\.com", "test@qq.com")
print(ret.group())
#test@qq.com
ret = re.match("\w{4,20}@(163|126|qq)\.com", "test@gmail.com")
print(ret.group())
#Traceback (most recent call last):
  #File "<input>", line 2, in <module>
#AttributeError: 'NoneType' object has no attribute 'group'

7.2.1 练习

>>> ret = re.match("([^-]*)-(\d+)","010-12345678")
>>> ret.group()
'010-12345678'
>>> ret.group(1)
'010'
>>> ret.group(2)
'12345678'

7.3示例3：\

#需求：匹配出<html>hh</html>
# 能够完成对正确的字符串的匹配
ret = re.match("<[a-zA-Z]*>\w*</[a-zA-Z]*>", "<html>hh</html>")
print(ret.group())
#<html>hh</html>

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

# 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
ret = re.match(r"<([a-zA-Z]*)>\w*</\1>", "<html>hh</html>")
print(ret.group())
#<html>hh</html>

# 因为2对<>中的数据不一致，所以没有匹配出来
ret = re.match(r"<([a-zA-Z]*)>\w*</\1>", "<html>hh</htmlbalabala>")
print(ret.group())
#Traceback (most recent call last):
  #File "<input>", line 3, in <module>
#AttributeError: 'NoneType' object has no attribute 'group'

7.4示例4：\number

#需求：匹配出<html><h1>www.itcast.cn</h1></html>
ret = re.match(r"<(\w*)><(\w*)>.*</\2></\1>", "<html><h1>www.itcast.cn</h1></html>")
print(ret.group())
#<html><h1>www.itcast.cn</h1></html>

ret = re.match(r"<(\w*)><(\w*)>.*</\2></\1>", "<html><h1>www.itcast.cn</h2></html>")
print(ret.group())
#Traceback (most recent call last):
 # File "<input>", line 2, in <module>
#AttributeError: 'NoneType' object has no attribute 'group'

7.5示例5：(?P<name>) (?P=name)

#需求：匹配出<html><h1>www.itcast.cn</h1></html>

ret = re.match(r"<(?P<name1>\w*)><(?P<name2>\w*)>.*</(?P=name2)></(?P=name1)>", "<html><h1>www.itcast.cn</h1></html>")
print(ret.group())
#<html><h1>www.itcast.cn</h1></html>

ret = re.match(r"<(?P<name1>\w*)><(?P<name2>\w*)>.*</(?P=name2)></(?P=name1)>", "<html><h1>www.itcast.cn</h2></html>")
print(ret.group())
#Traceback (most recent call last):
 # File "<input>", line 2, in <module>
#AttributeError: 'NoneType' object has no attribute 'group'

八、re模块的高级用法

8.1 search

#需求：匹配出文章阅读的次数
ret = re.search(r"\d+", "阅读次数为 9999")
print(ret.group())
#9999

8.2 findall

#需求：统计出python、c、c++相应文章阅读的次数
ret = re.findall(r"\d+", "python = 9999, c = 7890, c++ = 12345")
print(ret)
#['9999', '7890', '12345']

8.3 sub 将匹配到的数据进行替换

#需求：将匹配到的阅读次数加1
#方法1
import re
ret = re.sub(r"\d+", '998', "python = 997")
print(ret)
#python = 998

#方法2
def add(temp):
    strNum = temp.group()
    num = int(strNum) + 1
    return str(num)
ret = re.sub(r"\d+", add, "python = 997")
print(ret)
#python = 998
ret = re.sub(r"\d+", add, "python = 99")
print(ret)
#python = 100

8.3.1练习

<!>从下面的字符串中取出文本</>
<div>
            <p>岗位职责：</p>
    <p>完成推荐算法、数据统计、接口、后台等服务器端相关工作</p>
    <p><br></p>
    <p>必备要求：</p>
    <p>良好的自我驱动力和职业素养，工作积极主动、结果导向</p>
    <p>&nbsp;<br></p>
    <p>技术要求：</p>
    <p>1、一年以上 Python 开发经验，掌握面向对象分析和设计，了解设计模式</p>
    <p>2、掌握HTTP协议，熟悉MVC、MVVM等概念以及相关WEB开发框架</p>
    <p>3、掌握关系数据库开发设计，掌握 SQL，熟练使用 MySQL/PostgreSQL 中的一种<br></p>
    <p>4、掌握NoSQL、MQ，熟练使用对应技术解决方案</p>
    <p>5、熟悉 Javascript/CSS/HTML5，JQuery、React、Vue.js</p>
    <p>&nbsp;<br></p>
    <p>加分项：</p>
    <p>大数据，数理统计，机器学习，sklearn，高性能，大并发。</p>
</div>

import re
s = """
<div>
        <p>岗位职责：</p>
<p>完成推荐算法、数据统计、接口、后台等服务器端相关工作</p>
<p><br></p>
<p>必备要求：</p>
<p>良好的自我驱动力和职业素养，工作积极主动、结果导向</p>
<p>&nbsp;<br></p>
<p>技术要求：</p>
<p>1、一年以上 Python 开发经验，掌握面向对象分析和设计，了解设计模式</p>
<p>2、掌握HTTP协议，熟悉MVC、MVVM等概念以及相关WEB开发框架</p>
<p>3、掌握关系数据库开发设计，掌握 SQL，熟练使用 MySQL/PostgreSQL 中的一种<br></p>
<p>4、掌握NoSQL、MQ，熟练使用对应技术解决方案</p>
<p>5、熟悉 Javascript/CSS/HTML5，JQuery、React、Vue.js</p>
<p>&nbsp;<br></p>
<p>加分项：</p>
<p>大数据，数理统计，机器学习，sklearn，高性能，大并发。</p>
        </div>
"""
r = re.sub(r"</?\w+>", "", s)
print(r)
 """  岗位职责：
完成推荐算法、数据统计、接口、后台等服务器端相关工作
必备要求：
良好的自我驱动力和职业素养，工作积极主动、结果导向
&nbsp;
技术要求：
1、一年以上 Python 开发经验，掌握面向对象分析和设计，了解设计模式
2、掌握HTTP协议，熟悉MVC、MVVM等概念以及相关WEB开发框架
3、掌握关系数据库开发设计，掌握 SQL，熟练使用 MySQL/PostgreSQL 中的一种
4、掌握NoSQL、MQ，熟练使用对应技术解决方案
5、熟悉 Javascript/CSS/HTML5，JQuery、React、Vue.js
&nbsp;
加分项：
大数据，数理统计，机器学习，sklearn，高性能，大并发。
"""

8.4 split 根据匹配进行切割字符串，并返回一个列表

#需求：切割字符串“info:xiaoZhang 33 shandong”
import re
ret = re.split(r":| ","info:xiaoZhang 33 shandong")
print(ret)
#['info', 'xiaoZhang', '33', 'shandong']

九、python贪婪和非贪婪

Python里数量词默认是贪婪的（在少数语言里也可能是默认非贪婪），总是尝试匹配尽可能多的字符；

非贪婪则相反，总是尝试匹配尽可能少的字符。

在"*","?","+","{m,n}"后面加上？，使贪婪变成非贪婪。

>>> s="This is a number 234-235-22-423"
>>> r=re.match(".+(\d+-\d+-\d+-\d+)",s)
>>> r.group(1)
'4-235-22-423'
>>> r=re.match(".+?(\d+-\d+-\d+-\d+)",s)
>>> r.group(1)
'234-235-22-423'

正则表达式模式中使用到通配字，那它在从左到右的顺序求值时，会尽量“抓取”满足匹配最长字符串，

在我们上面的例子里面，“.+”会从字符串的启始处抓取满足模式的最长字符，其中包括我们想得到的第

一个整型字段的中的大部分，“\d+”只需一位字符就可以匹配，所以它匹配了数字“4”，而“.+”则匹配了从

字符串起始到这个第一位数字4之前的所有字符。

解决方式：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

>>> re.match(r"aa(\d+)","aa2343ddd").group(1)
'2343'
>>> re.match(r"aa(\d+?)","aa2343ddd").group(1)
'2'
>>> re.match(r"aa(\d+)ddd","aa2343ddd").group(1) 
'2343'
>>> re.match(r"aa(\d+?)ddd","aa2343ddd").group(1)
'2343'

9.1练习

1. 匹配网址

有一批网址：

http://www.interoem.com/messageinfo.asp?id=35

http://3995503.com/class/class09/news_show.asp?id=14

http://lib.wzmc.edu.cn/news/onews.asp?id=769

http://www.zy-ls.com/alfx.asp?newsid=377&id=6

http://www.fincm.com/newslist.asp?id=415

需要正则后为：

http://www.interoem.com/

http://3995503.com/

http://lib.wzmc.edu.cn/

http://www.zy-ls.com/

http://www.fincm.com/

slist =["http://www.interoem.com/messageinfo.asp?id=35",
"http://3995503.com/class/class09/news_show.asp?id=14",
"http://lib.wzmc.edu.cn/news/onews.asp?id=769",
"http://www.zy-ls.com/alfx.asp?newsid=377&id=6",
"http://www.fincm.com/newslist.asp?id=415"
] 
for s in slist:
    print(re.sub(r"(http://.+?/).*", lambda x: x.group(1), s))

2. 找出单词

有一句英文如下：

hello world ha ha

查找所有的单词

 s = "hello world ha ha"
#方法1
print(re.split(r" +", s))
# ['hello', 'world', 'ha', 'ha']
方法2
print(re.findall(r"\b[a-zA-z]+\b", s))
#['hello', 'world', 'ha', 'ha']

Deam_EXO

关注

1
点赞
踩
19

收藏

觉得还不错? 一键收藏
0
评论
python中正则表达式(全)

一、正则表达式概述正则表达式，又称正规表示式、正规表示法、正规表达式、规则表达式、常规表示法（英语：Regular Expression，在代码中常简写为regex、regexp或RE），是计算机科学的一个概念。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。在很多文本编辑器里，正则表达式通常被用来检索、替换那些匹配某个模式的文本。Regular Expression...
复制链接

扫一扫

专栏目录