python正则表达式

已于 2022-02-23 13:19:00 修改
阅读量353 收藏 1
点赞数 1
分类专栏： python 文章标签： 正则表达式 python
于 2022-01-29 18:05:11 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43765321/article/details/122746123
版权

1.正则表达式简介

正则表达式用于方便的检查一个字符串是否与某种模式匹配。

比如从如下文本里面获取所有职位的薪资。在这里插入图片描述
用学过的python基础对字符串进行处理，也可以用下面代码解决。

content = '''
Python3 高级开发工程师 上海互教教育科技有限公司上海-浦东新区2万/月02-18满员
测试开发工程师（C++/python） 上海墨鹍数码科技有限公司上海-浦东新区2.5万/每月02-18未满员
Python3 开发工程师 上海德拓信息技术股份有限公司上海-徐汇区1.3万/每月02-18剩余11人
测试开发工程师（Python） 赫里普（上海）信息科技有限公司上海-浦东新区1.1万/每月02-18剩余5人
Python高级开发工程师 上海行动教育科技股份有限公司上海-闵行区2.8万/月02-18剩余255人
python开发工程师 上海优似腾软件开发有限公司上海-浦东新区2.5万/每月02-18满员
'''

lines = content.splitlines()
for line in lines:
    pos2 = line.find('万/月')
    if pos2 < 0:
        pos2 = line.find('万/每月')
        if pos2 < 0: 
            continue
            
    idx = pos2-1

    while line[idx].isdigit() or line[idx]=='.':
        idx -= 1

    pos1 = idx + 1

    print(line[pos1:pos2])

但是相对于用正则表达式来说，就略有繁琐。
使用正则表达式仅需三行代码即可解决这个问题。

import re
for one in  re.findall(r'([\d.]+)万/每{0,1}月', content):
    print(one)

([\d.]+)万/每{0,1}月 ，就是正则表达式字符串，指定了 搜索子串的特征。
findall 函数在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果有多个匹配模式，则返回元组列表，如果没有找到匹配的，则返回空列表。

2. 点

.表示要匹配除了换行符之外的任何单个字符

比如在如下文本中找出所有颜色。

content = '''苹果是绿色的
橙子是橙色的
香蕉是黄色的
乌鸦是黑色的'''

import re
a = re.compile(r'.色')#前面加r表示不进行python语法的字符串转义
for i in a.findall(content):
    print(i)

运行结果：
绿色
橙色
黄色
黑色

其中 点 代表了任意的一个字符， 注意是一个字符。

若将.色改为…色，（色前面加上两个点），运行结果为：
是绿色
是橙色
是黄色
是黑色

补充：compile 函数用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，供 match() 和 search() 这两个函数使用。
语法格式为：re.compile(pattern[, flags])
pattern : 一个字符串形式的正则表达式
flags 可选，表示匹配模式，比如忽略大小写，多行模式等

3. 星号

星号表示匹配前面的子表达式任意次，包括0次。
比如，从文本中，选择每行逗号后面的字符串内容，包括逗号本身。

content = '''苹果，是绿色的
橙子，是橙色的
香蕉，是黄色的
乌鸦，是黑色的
猴子，'''

import re
a = re.compile(r'，.*')#前面加r表示不进行python语法的字符串转义
for i in a.findall(content):
    print(i)

运行结果是：
，是绿色的
，是橙色的
，是黄色的
，是黑色的
，

*紧跟在 . 后面，表示任意字符可以出现任意次， 所以整个表达式的意思就是在逗号后面的所有字符，包括逗号

当然，*前面可以是任意字符，可以匹配任意字符任意多次。
如下所示：

content = '''苹果，是绿色的
橙子，是橙色色色的
香蕉，是黄色的
乌鸦，是黑色的
猴子，'''

import re
a = re.compile(r'橙色*')#前面加r表示不进行python语法的字符串转义
for i in a.findall(content):
    print(i)

该段代码的运行结果是：
橙
橙色色色

第一个结果匹配的是橙子的橙，这里匹配了零次色
第二个结果匹配的是橙色色色，这里匹配了三次色

4. 加号

在正则表达式中，加号表示匹配前面的子表达式一次或多次，不包括0次。
比如选择每行逗号后面的字符串内容，包括逗号本身，如果逗号后面没有内容，则不选择。

content = '''苹果，是绿色的
橙子，是橙色的
香蕉，是黄色的
乌鸦，是黑色的
猴子，'''

import re
a = re.compile(r'，.+')#前面加r表示不进行python语法的字符串转义
for i in a.findall(content):
    print(i)

运行结果是：
，是绿色的
，是橙色的
，是黄色的
，是黑色的

最后一行逗号后面没有内容，没有进行选择。

5. 问号

在正则表达式中，? 表示匹配前面的子表达式0次或1次。
如从文本中，选择每行逗号后面的1个字符，也包括逗号本身。

content = '''苹果，是绿色的
橙子，是橙色的
香蕉，是黄色的
乌鸦，是黑色的
猴子，'''

import re
a = re.compile(r'，.?')#前面加r表示不进行python语法的字符串转义
for i in a.findall(content):
    print(i)

输出结果是：
，是
，是
，是
，是
，

前四行中，问号表示匹配一次，最后一行，问号表示匹配零次

6. 花括号

在正则表达式中，花括号表示前面的字符匹配指定的次数 。

content = '''苹果，是绿色色色的
橙子，是橙色的
'''

import re
a = re.compile(r'色{3，4}')#前面加r表示不进行python语法的字符串转义
for i in a.findall(content):
    print(i)

运行结果是：色色色

表达式色{3} 就表示匹配连续的色字 3次
表达式色{3,4} 就表示匹配连续的色字至少3次，至多 4 次

7. 贪婪模式和非贪婪模式

贪婪模式和贪婪模式
如果要提取如下字符串中的HTML标签，

source = '<html><head><title>Title</title>'

希望得到如下的列表：

['<html>', '<head>', '<title>', '</title>']

我们可以使用正则表达式<.*>
代码如下：

source = '<html><head><title>Title</title>'
import re
a = re.compile(r'<.*>')
print(a.findall(source))

但是运行之后得到的结果是：

['<html><head><title>Title</title>']

并不是我们想要的结果。
这是因为在正则表达式中，星号、加号和问号都是贪婪的，他们在使用时会尽可能多的匹配内容，上面代码中的星号一直匹配到了字符串的最后。
解决这个问题需要改为非贪婪模式，也就是在星号后面加上 ? ，变成 <.*?>
代码改为：

source = '<html><head><title>Title</title>'
import re
a = re.compile(r'<.*？>')
print(a.findall(source))

这样就可以得到我们需要的结果。

8. 对元字符的转义

如果我们要搜索的内容本身就包含元字符，就可以使用反斜杠进行转义。
在下面的文本中搜索所有点前面的字符串时，也包含点本身，正则表达式不能写成 .*.

苹果.是绿色的
橙子.是橙色的
香蕉.是黄色的

因为点是一个元字符，直接出现在正则表达式中，表示匹配任意的单个字符，不能表示 . 这个字符本身的意思了。

这时可以使用反斜杠进行转义，将表达式写为 .*.
代码如下：

content = '''苹果.是绿色的
橙子.是橙色的
香蕉.是黄色的'''

import re
a = re.compile(r'.*\.')#前面加r表示不进行python语法的字符串转义
for one in  a.findall(content):
    print(one)

运行结果为：
苹果.
橙子.
香蕉.

9. 方括号

正则表达式中方括号表示要匹配指定的几个字符之一 。

比如：
[abc] 可以匹配 a, b, 或者 c 里面的任意一个字符，等价于 [a-c] 。
[a-c] 中间的 - 表示一个范围从a 到 c。
[a-z]可以匹配所有的小写字母

一些元字符在方括号内就变得和普通字符一样了。
比如：
[akm.] 匹配 a k m . 里面任意一个字符，其中.在括号里面不在表示匹配任意字符，而是表示匹配 . 这个字符

如果在方括号中使用 ^ ， 表示非方括号里面的字符集合。
比如：\d 匹配0-9之间任意一个数字字符，[^\d] 表示选择非数字的字符。

content = 'a1b2c3d4e5'
import re
a = re.compile(r'[^\d]')#前面加r表示不进行python语法的字符串转义
for one in a.findall(content):
    print(one)

运行结果为：
a
b
c
d
e

又如提取有效的手机号。
1表示第一个数字为1，[36]表示第二个数字为3或6，\d{9}表示匹配9个0-9之间的数字

content = '''
王一，13512345678，89
徐二，1b098766456，24
李三，13212394765，33
'''
import re
a = re.compile(r'1[36]\d{9}')#前面加r表示不进行python语法的字符串转义
for one in a.findall(content):
    print(one)

运行结果为：
13512345678
13212394765

10. 单行、多行模式

^ 表示匹配文本的开头位置。
正则表达式可以设定单行模式和多行模式
如果是单行模式 ，表示匹配整个文本的开头位置。
如果是多行模式 ，表示匹配文本每行的开头位置。

比如提取文本中水果的编号：

content = '''001-苹果价格-60
002-橙子价格-70
003-香蕉价格-80'''

import re
p = re.compile(r'^\d+', re.M)#前面加r表示不进行python语法的字符串转义
for one in  p.findall(content):
    print(one)

运行结果为：
001
002
003

^\d+表示匹配开头位置的一个或多个数字，re.M表示多行模式，若去掉re.M则为单行模式，输出结果为001。
因为在单行模式下，^只会匹配整个文本的开头位置。

$ 表示匹配文本的结尾位置。
如果是单行模式 ，表示匹配整个文本的结尾位置。
如果是多行模式 ，表示匹配文本每行的结尾位置。

比如提取文本末尾的水果价格：

content = '''001-苹果价格-60
002-橙子价格-70
003-香蕉价格-80'''

import re
p = re.compile(r'\d+$',re.MULTILINE)#前面加r表示不进行python语法的字符串转义
for one in  p.findall(content):
    print(one)

运行结果为：
60
70
80

re.MULTILINE指明了使用多行模式，若去掉re.MULTILINE，则为单行模式，运行结果为80。因为单行模式下，$ 只会匹配整个文本的结束位置。

11. 括号

括号为正则表达式的组选择。

组就是把正则表达式匹配的内容里面其中的某些部分标记为某个组。

我们可以在正则表达式中标记多个组

为什么要有组的概念呢？因为我们往往需要提取已经匹配的内容里面的某些部分的信息。

从下面文本中，选择每行逗号前面的字符串，也包括逗号本身 。

​ 苹果，苹果是绿色的
​ 橙子，橙子是橙色的
​ 香蕉，香蕉是黄色的

就可以这样写正则表达式 ^.*，

但是，如果我们要求不要包括逗号呢？

当然不能直接这样写 ^.*

因为最后的逗号是特征所在， 如果去掉它，就没法找逗号前面的了。

但是把逗号放在正则表达式中，又会包含逗号。

解决问题的方法就是使用组选择符 ：括号。

正则表达式可以写为 ^(.*)，

比如：

content = '''苹果，苹果是绿色的
橙子，橙子是橙色的
香蕉，香蕉是黄色的'''

import re
p = re.compile(r'^(.*)，', re.MULTILINE)#前面加r表示不进行python语法的字符串转义
for one in  p.findall(content):
    print(one)

运行结果为：
苹果
橙子
香蕉

当然，分组还可以进行多次。
比如，从下面的文本中选择姓名和手机号
张三，手机号码15945678901
李四，手机号码13945677701
王二，手机号码13845666901

可以使用正则表达式^(.+)，.+(\d{11})
第一个分组表示获取逗号前面的姓名，第二个分组表示获取后十一位手机号码

12. 切割字符串

正则表达式中的split方法可以用于对字符串进行灵活的切割。
比如切割如下字符串：

names = '关羽; 张飞, 赵云,马超, 黄忠  李逵'

我们可以发现每两个名字之间，有的是分号隔开，有的是逗号隔开，有的是空格隔开， 而且分割符号周围还有不定数量的空格。
这时可以使用正则表达式[;,\s]\s*
分割符为分号、逗号、空格里面的任意一种均可。\s*表示任意数量的空格。

import re
names = '关羽; 张飞, 赵云,   马超, 黄忠  李逵'
namelist = re.split(r'[;,\s]\s*', names)#前面加r表示不进行python语法的字符串转义
print(namelist)

运行结果为：[‘关羽’, ‘张飞’, ‘赵云’, ‘马超’, ‘黄忠’, ‘李逵’]

13. 字符串替换

正则表达式中的split方法可以用于对字符串进行灵活的切割。
比如切割如下字符串：

names = '关羽; 张飞, 赵云,马超, 黄忠  李逵'

我们可以发现每两个名字之间，有的是分号隔开，有的是逗号隔开，有的是空格隔开， 而且分割符号周围还有不定数量的空格。
这时可以使用正则表达式[;,\s]\s*
分割符为分号、逗号、空格里面的任意一种均可。\s*表示任意数量的空格。

import re
names = '关羽; 张飞, 赵云,   马超, 黄忠  李逵'
namelist = re.split(r'[;,\s]\s*', names)#前面加r表示不进行python语法的字符串转义
print(namelist)

运行结果为：[‘关羽’, ‘张飞’, ‘赵云’, ‘马超’, ‘黄忠’, ‘李逵’]

now ~ try
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
正则中常见的4种匹配模式
MyySophia的博客
06-26 6336
匹配区间类型的需求使用这四种模式能达到事半功倍的效果。正则中常见的四种匹配模式，分别是：不区分大小写、点号通配模式、多行模式和注释模式。
[转载] Python_正则表达式匹配Word文档
u013946150的博客
01-03 1229
参考链接： Python中的正则表达式 2(搜索，匹配和查找全部) 使用正则表达式匹配Word文档中的所有字符 1、原文内容如下： 2、期望得到的结果： 3、源码： // from docx import Document import re pattern = re.compile("\d{6}[\u4e00-\u9fff]+") # 正则表达式 # pattern = re.compile("\d{6}[^A-Za-z0-9\!\%\[\]\,\。]+") ...
解析文件名：使用正则表达式提取点分隔的文件扩展名
Leon_Jinhai_Sun的博客
01-08 392
解析文件名：使用正则表达式提取点分隔的文件扩展名
java 正则表达式 多行模式_正则表达式的多行模式与单行模式
weixin_39778106的博客
02-17 732
测试“多行模式”测试一注意：这里样例文本中3eeeee后面没有回车，光标就在e的后面。匹配的结果是3eeeee，如上图的Search Results区中所示。为什么这里不能匹配1abcde和2abc？开启多行模式^　可以匹配字符串开头(字符串的开始位置)，也可以匹配行的开头(即换行符\n之后的位置)$　可以匹配字符串结尾(字符串的结束位置), 也可以匹配行的结尾(即换行符\n之前的位置)关闭多行模...
Python 正则表达式里的单行s和多行m模式
susu_xi的博客
03-02 2124
Python 的 re 模块内置函数几乎都有一个 flags参数，规定了正则匹配时的各种策略模式，其中有两个模式：单行（re.DOTALL, 或者re.S）和多行（re.MULTILINE,或者re.M）模式。 太长不看版： 单行模式和多行模式，都增强了对多行文本（即中间包含\n的字符串）的解析能力。 单行模式突破换行符 \n 的阻碍，将匹配视野扩大到整个字符串 多行模式实现换行符 \...
Python正则表达式基础
04-02
Python正则表达式是Python编程语言中的一个强大工具，用于处理和分析文本字符串。它允许开发者通过模式匹配来查找、替换或提取数据，广泛应用于数据清洗、文本挖掘、日志分析等领域。在Python中，正则表达式主要通过...
Python正则表达式匹配数字和小数的方法
01-20
 以上所述是小编给大家介绍的Python正则表达式匹配数字和小数的方法,希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对软件开发网网站的支持！ 如果你觉得本文对你有...
Python正则表达式分组概念与用法详解
10-19
主要介绍了Python正则表达式分组概念与用法,结合具体实例形式较为详细的分析了Python正则表达式中分组、引用、断言等概念与相关使用技巧,需要的朋友可以参考下
Python正则表达式教程之二：捕获篇
12-23
在上一篇文中，我们介绍了关于Python正则表达式的基础，那么在这一篇文章里，我们将总结一下正则表达式关于捕获的用法。下面话不多说，来看看详细的介绍吧。  捕获 捕获和分组在正则表达式中有着密切的联系，一般...
Python正则表达式
03-10
Python正则表达式是强大的文本处理工具，它允许程序员通过一套特定的模式匹配字符串，从而实现数据提取、验证、替换等功能。正则表达式（Regular Expression）通常简称为regex，用于从文本中寻找符合特定模式的子串...
Python中的正则表达式多行模式和单行模式
weixin_45668674的博客
04-18 798
多行模式是re.M 单行模式是re.S 在多行 模式中 .号也就是点号是正常的匹配规则也就是点号可以匹配除换行符以外的所有字符 而在单行模式re.S中点号除了可以匹配其他的字符以外也可以匹配换行符，也就是文本当中的换行都无视，将整个文本都的那个城一行来看，换行符也会被点号所匹配 pattern = re.compile(r'^<div>(\w+)</div>',r...
01语言基础-正则表达式20220505
LQX18328023281的博客
05-06 635
01语言基础 正则表达式 01正则表达式 正则表达式: 解决字符串问题的工具（让复杂的字符串问题变得简单的一个工具） 02匹配类符号 from re import fullmatch 2.1.re模块 re模块是python用来支持正则表达式的一个模块 re模块中提供了各种和正则相关的函数：fullmatch,search,findall,match,split,sub等等 fullmatch(正则表达式，字符串) - 判断整个字符串是否完全符合正则表达式描述的规则，如果不符合返回的是None pytho
正则表达式的多行模式与单行模式
热门推荐
大头爸爸的博客
08-30 3万+
在Expresso中，测试“多行模式” 测试一 注意：这里样例文本中3eeeee后面没有回车，光标就在e的后面。匹配的结果是3eeeee，如上图的Search Results区中所示。 为什么这里不能匹配1abcde和2abc？ 开启多行模式 ^　可以匹配字符串开头（字符串的开始位置），也可以匹配行的开头（即换行符\n之后的位置） $　可以匹配字符串结尾（字符串的结束位置）, 也可
Python3 单行多行万能正则匹配
Geek彬的博客
11-10 3513
可匹配单行，也支持换行匹配 [\s\S]*? 加上括号，效果更好 ([\s\S]*?)
Vue Router的路由正则表达式
最新发布
xiangzhihong8的专栏
07-17 275
注意，在Vue Router中使用正则表达式时，需要将正则表达式包含在圆括号中，并在圆括号之前使用一个冒号来指定参数名称。另外，使用的正则表达式可能会影响路由匹配的性能，因此应该尽量避免使用非常复杂的正则表达式。Vue Router中的路由正则表达式与JavaScript的正则表达式语法相同，可以使用常见的正则表达式语法，例如字符类、重复和分组等。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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