正则表达式
- 正则表达式:
是一个让字符串复杂问题变得简单的工具。
正则表达式是一个特殊的字符序列,它能帮助你方便的检查一个字符串是否与某种模式匹配。
- 正则的主要工作:
用正则符号描述清楚相关字符串的规则。
- 正则的表示方式:
r'正则表达式'
1.匹配符号
- 普通字符(普通符号)
在正则中除了有特殊功能或者特殊意义外的符号;
普通字符在正则中表示符号本身。
# 匹配一个字符串有三个字符分别是a、b和c
re_str = r'abc'
print(fullmatch(re_str, 'abc'))
- . - 功能是匹配任意一个字符
注意:一个 . 只能匹配一个任意字符
re_str = r'a.c'
print(fullmatch(re_str, 'a+c'))
print(fullmatch(re_str, 'a好c'))
- \d - 匹配任意一个数字字符
re_str = r'a\d\dc'
print(fullmatch(re_str,'a56c'))
- \s - 匹配任意一个空白字符
空白字符:空格、回车(\n)、制表符(\t)
re_str = r'a\sc'
print(fullmatch(re_str, 'a c'))
print(fullmatch(re_str, 'a\nc'))
print(fullmatch(re_str, 'a\tc'))
-
\w - 匹配任意一个字母、数字或下划线(不好用)
-
\D - 匹配任意一个非数字字符 \S - 匹配任意一个非空白字符
print(fullmatch(r'a\Sb\D', 'a>b='))
print(fullmatch(r'a\Sb\D', 'a b=')) # None
print(fullmatch(r'a\Sb\D', 'a>b0')) # None
-
[字符集] - 匹配字符集中任意一个字符
[多个普通字符] - 例如:[abc],可以匹配a或者b或者c [包含\开头的特殊符号的字符集] - 例如:[\dabc],可以匹配任意数据或者a或者b或者c [包含减号在两个字符之间的字符集] - 这个时候的减号表示谁到谁(注意:减号前面的字符的编码必须小于减号后面的) 例如: [a-z] - 匹配任意一个小写字母 [a-d] - 匹配a、b、c、d中的任意一个字符 [A-Z] - 匹配任意一个大写字母 [1-9] - 匹配1到9中任意一个数字字符 [\u4e00-\u9fa5] - 匹配任意一个中文字符 [a-zA-Z]、[A-Za-z] - 匹配任意一个字母 [a-z123] - 匹配任意一个小写字母,或者1或者2或者3 [a-z\d] - 匹配任意一个小写字母或者任意一个数字
注意:一个[]只能匹配一个字符
re_str = r'a[xyz]b'
print(fullmatch(re_str, 'axb'))
print(fullmatch(re_str, 'ayb'))
print(fullmatch(re_str, 'azb'))
print(fullmatch(re_str, 'awb')) # None
re_str = r'a[\db]c'
print(fullmatch(re_str, 'abc'))
print(fullmatch(re_str, 'a5c'))
- [^字符集] - 匹配任意一个除了字符集的字符
print(fullmatch(r'a[^\u4e00-\u9fa5]c', 'a是c')) # None
print(fullmatch(r'a[^a-zA-Z]c', 'aKc')) # None
print(fullmatch(r'a[a-z^]c', 'a^c'))
注意: []中的-和^只有放在指定位置的时候才有特殊功能,否则在[]中就是一个普通的符号。
2.检测类符号
检测类符号的存在不影响被匹配的字符串长度,它的作用是在匹配成功的前提下检测符号所在的位置是否符号要求。
用法:先去掉检测类符号,看是否能匹配成功,如果失败,整个正则匹配失败,如果成功再来看检测类符号所在位置是否符合要求。
- \b - 检测是否是单词边界
单词边界 - 能够区分出两个不同单词的符号都属于单词边界,例如:空白、标点符号、字符串开头、字符串结尾
re_str = r'abc\b123'
print(fullmatch(re_str, 'abc123')) # None
print(fullmatch(re_str, 'abc 123')) # None
re_str = r'abc,\b123'
print(fullmatch(re_str, 'abc,123'))
print(fullmatch(r'abc\s\b123', 'abc 123'))
# findall(正则表达式, 字符串) - 获取字符串中所有满足正则表达式的子串
str1 = '12ksksj78ss 34抗生素,89 试7试看90 56 江苏省23'
result1 = findall(r'\d\d', str1)
print(result1)
- \B - 检测是否是非单词边界
result3 = findall(r'\d\d\B', str1)
print(result3)
- ^ - 检测是否是字符串开头
re_str = r'^\d\d'
print(fullmatch(re_str, '12'))
print(findall(r'^\d\d', str1))
- $ - 检测是否是字符串结尾
re_str = r'\d\d$'
print(fullmatch(re_str, '67'))
3.匹配次数
# 注意:匹配次数对应的符号的前面必须是匹配类符号
注意:这里的符号都是不加引号的,这里只是为了规避markdown的语法!
- “*” - 匹配0次或者多次(任意次数)
用法:匹配类符号*
print(fullmatch(r'a*b', 'b'))
print(fullmatch(r'a*b', 'aaab'))
print(fullmatch(r'\d*b', '3216541b'))
print(fullmatch(f'[abc]*x', 'abcbacbacx'))
- “+” - 匹配1次或者多次(至少一次)
print(fullmatch(r'a+b', 'b')) # None
print(fullmatch(r'a+b', 'aaab'))
- ? - 匹配0次或1次
re_str = r'[-+]?[1-9]\d'
print(fullmatch(re_str, '-12'))
print(fullmatch(r'a?b', 'b'))
print(fullmatch(r'a?b', 'ab'))
print(fullmatch(r'a?b', 'aab')) # None
-
{}
{N} - 匹配N次 {M,N} - 匹配M到N次 {,N} - 匹配最多N次 {M,} - 匹配至少M次 * == {0,} + == {1,} ? == {0,1}
print(fullmatch(r'\d{4}', '5670'))
print(fullmatch(r'\d{3,5}', '234'))
print(fullmatch(r'\d{3,5}', '23342'))
print(fullmatch(r'\d{3,5}', '233429')) # None
print(fullmatch(r'\d{3,5}', '23')) # None
print(fullmatch(r'\d{,5}', '23'))
print(fullmatch(r'\d{,5}', ''))
print(fullmatch(r'\d{,5}', '899080')) # None
print(fullmatch(r'\d{3,}', '23')) # None
print(fullmatch(r'\d{3,}', '23234234233'))
3.贪婪和非贪婪
在匹配次数不确定的时候,匹配模式分为贪婪和非贪婪两种,默认是贪婪模式。
在匹配成功的前提下,贪婪是匹配次数选最多的那个次数;非贪婪是匹配次数最少的那个次数。
*、+、?、{M,N}、{M,}、{,N} - 贪婪的
*?、+?、??、{M,N}?、{M,}?、{,N}? - 非贪婪的
print(match(r'\d{3}', '234hj监管机构'))
print(match(r'a.*b', 'asmmdb监管机构')) # asmmdb
print(match(r'a.*?b', 'asmmdb监管机构')) # asmmdb
# 'asb'、'asbmmb'、'asbmmbdb' 有三种情况可以成功,因为贪婪所以最后匹配次数最多的情况
print(match(r'a.*b', 'asbmmbdb监管机构')) # asbmmbdb
print(match(r'a.*?b', 'asbmmbdb监管机构')) # asb
# 实例
import requests
response = requests.get('http://api.tianapi.com/auto/index?key=c9d408fefd8ed4081a9079d0d6165d43&num=10')
result = findall(r'"title":"(.+?)"', response.text)
print(result)
4.分组
-
() - 分组
-
作用1:将()中的内容作为一个整体,进行整体相关操作,例如,整体控制次数
-
作用2:通过 ‘\M’ 重复前面第M个分组匹配到的结果, M从1开始
-
作用3:捕获(在后面findall中提起)
# 使用作用1
str1 = '78as56fd98gc'
print(fullmatch(r'(\d\d[a-z]{2}){3}', str1))
str2 = r'abababab'
print(fullmatch(r'(ab)+', str2))
# 使用作用2
print(fullmatch(r'(\d{2})abc\1', '12abc12')) # 匹配成功
print(fullmatch(r'(\d{2})abc\1', '12abc34')) # 匹配失败,None
5.分支
- | - 分支
- 用法:正则1|正则2 - 先用正则1进行匹配,如果成功就直接匹配成功,如果失败再用正则2进行匹配
# 要求能同时匹配'abc98' 和 'abcKSZ'
print(fullmatch(r'abc(\d{2}|[A-Z]{3})', 'abcASC'))
print(fullmatch(r'abc(\d{2}|[A-Z]{3})', 'abc23'))
6.转义字符
在特殊符号前加\,让符号的功能消失,变成普通符号。
print(fullmatch(r'\+\d{2}', '+23'))
print(fullmatch(r'\[\d{3}\]','[456]'))
# 如果是独立存在有特殊功能的符号,将符号放入[]中其功能也会自动消失
re模块
import re
compile(正则表达式) - 将正则表达式转换成正则表达式对象
re_obj = re.compile(r'\d{2}')
re_obj.fullmatch('78')
1.fullmatch
-
fullmatch(正则表达式, 字符串) - 让正则表达式和整个字符串进行匹配(完全匹配)
- 匹配失败返回None,成功返回匹配对象
-
match(正则表达式, 字符串) - 匹配字符串开头(判断字符串开头是否符合正则规则)
result = re.fullmatch(r'(\d{3})-([A-Z])+', '123-Y')
print(result) # 匹配对象<re.Match object; span=(0, 3), match='123'>
1)获取匹配到的字符
-
匹配对象.group() - 获取整个正则匹配到的结果,括号内默认是0
-
匹配对象.group(N) - 获取第N个分组匹配到的结果
print(result.group()) # 345-K
print(result.group(1)) # 345
print(result.group(2)) # K
2)获取匹配结果在原字符串中的位置信息
- 匹配对象.span() - 返回的是一个元组,元组中的元素是开始下标和结束下标,结束下标对应的位置取不到
- 匹配对象.span(N) - 获取第N个分组匹配到的结果的位置信息
2.search
- search(正则表达式, 字符串) - 获取字符串中第一个满足正则表达式的子串。返回结果是None或者匹配对象
result = re.search(r'\d{3}', '试试看654afsf456,qws85+')
print(result) # <re.Match object; span=(3, 6), match='654'>
print(result.group()) # 获取匹配到的字符654
print(result.span()) # 获取位置信息(3, 6)
3.findall
- findall(正则表达式, 字符串) - 获取字符串中所有满足正则的子串,返回的是列表,列表中的元素是字串
如果正则中只有一个分组,返回的列表中的元素是每个分组匹配到的结果。
如果正则中有两个或者两个以上的分组:返回的列表中的元素是元组,元组中的元素是每个分组匹配到的结果。
result = re.findall(r'\d{2}', '34ssd908计算机上23,udh89,试试89123')
print(result) # ['34', '90', '23', '89', '89', '12']
result = re.findall(r'(\d{2})\D', '34ssd908计算机上23,udh89,试试89123')
print(result) # ['34', '08', '23', '89']
result = re.findall(r'((\d[a-z]){2})', '2m4m司机师傅9k0o试试3k5l--')
print(result) # [('2m4m', '4m'), ('9k0o', '0o'), ('3k5l', '5l')]
result = re.findall(r'(\d{2})-([a-z]{3})', '23-msn数据是98-kop圣诞节发货')
print(result) # [('23', 'msn'), ('98', 'kop')]
4.finditer
- finditer(正则表达式, 字符串) - 获取字符串中所有满足正则的子串,返回的是一个迭代器,迭代器是匹配对象。
result = re.finditer(r'(\d{2})-([a-z]{3})', '23-msn数据是98-kop圣诞节发货')
print(result)
r1 = next(result)
print(r1, r1.group(), r1.group(1), r1.group(2))
5.split
-
split(正则表达式, 字符串) - 将字符串中所有满足正则表达式的子串作为切割点,对字符串进行切割。
-
plit(正则表达式, 字符串, N) - 将字符串中前N个满足正则表达式的子串作为切割点,对字符串进行切割。
result = re.split(r'\d', '啊是2发发发5撒发嘎嘎气0娃娃啥5擦撒6飞4洒发')
print(result) # ['啊是', '发发发', '撒发嘎嘎气', '娃娃啥', '擦撒', '飞', '洒发']
6.sub
- sub(正则表达式, 字符串1, 字符串2) - 将字符串2中所有满足正则表达式的子串替换成字符串1
- sub(正则表达式, 字符串1, 字符串2, N) - 将字符串2中前N个满足正则表达式的子串替换成字符串1
result = re.sub(r'(f\s*u\s*c\s*k\s*)|TM|sb', '*', 'fuck you,打团你TM在干嘛,sb')
print(result) # *you,打团你*在干嘛,*
7.flags参数
上面的每一个函数都一个参数flags,用来设置正则参数
1) 单行匹配和多行匹配参数:re.S、re.M(默认的)
单行匹配:.可以匹配\n
多行匹配:.不能和\n匹配
flags=re.S <==> r'(?s)正则表达式'
2) 忽略大小写:re.I
flags=re.I <==> r'(?i)正则表达式'
flags=re.S|re.I <==> r'(?si)正则表达式'
print(re.fullmatch(r'a.b', 'a\nb', flags=re.M)) # None
print(re.fullmatch(r'a.b', 'a\nb')) # None
print(re.fullmatch(r'a.b', 'a\nb', flags=re.S))
print(re.fullmatch(r'(?s)a.b', 'a\nb'))
print('---------------------------------------------------')
print(re.fullmatch(r'abc', 'abc'))
print(re.fullmatch(r'abc', 'Abc')) # None
print(re.fullmatch(r'abc', 'ABc', flags=re.I))
print(re.fullmatch(r'(?i)abc', 'ABc'))
print(re.fullmatch(r'a.b', 'A\nb', flags=re.S|re.I))
print(re.fullmatch(r'(?is)a.b', 'A\nb'))
课后练习
利用正则表达式完成下面的操作:
一、不定项选择题
- 能够完全匹配字符串
"(010)-62661617"
和字符串"01062661617"
的正则表达式包括( ABD)
A.r"\(?\d{3}\)?-?\d{8}"
B. r"[0-9()-]+"
C.r"[0-9(-)]*\d*"
D.r"[(]?\d*[)-]*\d*"
-
能够完全匹配字符串“back”和“back-end”的正则表达式包括( ABC D)
A. r“\w{4}-\w{3}|\w{4}”
B. r“\w{4}|\w{4}-\w{3}”
C.r “\S±\S+|\S+”
D. r“\w*\b-\b\w*|\w*” -
能够完全匹配字符串“go go”和“kitty kitty”,但不能完全匹配“go kitty”的正则表达式包括(AD)
A.r “\b(\w+)\b\s+\1\b”
B. r“\w{2,5}\s*\1”
C. r“(\S+) \s+\1”
D. r“(\S{2,5})\s{1,}\1” -
能够在字符串中匹配“aab”,而不能匹配“aaab”和“aaaab”的正则表达式包括( BC)
A. r“a*?b”
B. r“a{,2}b”
C. r“aa??b”
D. r“aaa??b”
二、编程题
1.用户名匹配
要求: 1.用户名只能包含数字 字母 下划线
2.不能以数字开头
3.⻓度在 6 到 16 位范围内
r"[a-zA-Z_][\da-zA-Z_]{5,15}"
- 密码匹配
要求: 1.不能包含!@#¥%^&*这些特殊符号
2.必须以字母开头
3.⻓度在 6 到 12 位范围内
r"[a-zA-Z][^!@#¥%^&*]{5,11}"
- ipv4 格式的 ip 地址匹配
提示: IP地址的范围是 0.0.0.0 - 255.255.255.255
0-9:\d
10-99:[1-9]\d
100-199:1\d{2}
200-249:2[0-4]\d
250-255:25[0-5]
r'(([1-9]?\d|1\d\d|2[0-4]\d|25[0-5])\.){3}([1-9]?\d|1\d\d|2[0-4]\d|25[0-5])'
- 提取用户输入数据中的数值 (数值包括正负数 还包括整数和小数在内) 并求和
例如:“-3.14good87nice19bye” =====> -3.14 + 87 + 19 = 102.86
r'-?\d+\.\d*|-?\d+'
列表求和
-
验证输入内容只能是汉字
r'[\u4e00-\u9fa5]+'
-
匹配整数或者小数(包括正数和负数)
r'[+-]?([1-9\d*|0])(\.\d+)?'
-
验证输入用户名和QQ号是否有效并给出对应的提示信息
要求:
用户名必须由字母、数字或下划线构成且长度在6~20个字符之间
QQ号是5~12的数字且首位不能为0用户名:r'[\da-zA-Z_]{6,20}' QQ号: r'[1-9]\d{4,11}'
-
拆分长字符串:将一首诗的中的每一句话分别取出来
poem = ‘窗前明月光,疑是地上霜。举头望明月,低头思故乡。’
r'[\u4e00-\u9fa5]+'