正则表达式
正则表达式,又称规则表达式**。**(英语:Regular Expression,在代码中常简写为regex、regexp或RE),计算机科学的一个概念。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。
- 给定的字符串是否符合正则表达式的过滤逻辑(匹配)
- 通过正则表达式,从字符串中获得我们想要的特定的部分。
使用场景:
- 爬虫
- 数据挖掘和分析
在Python中使用正则需要导入re
包
import re
加入存在 a = “asd32sd2d333”,提取32,2,333,如何实现?
>>> import re
>>> a = "sdq23r6yy76"
>>> m = r'[0-9]+'
>>> num = re.findall(m,a)
>>> num
['23', '6', '76']
s = "<table><tr>hello world 18111234589<tr><tr><span>name:张三,tel:18711001111</span></tr></table>"
start = s.find('<span>')
end = s.find('</span>')
print(s[start+len('<span>'):end])
# name:张三,tel:18711001111
首先我们来看两个例子来体验一下正则表达式的威力吧:
引入案例1
比如,已知一个列表:
li = [“Chinese”, “China”, “English”, “Britain”, “Canada”, “New Zealand”]
找出以Ch开头的字串。
# 法1
li = ["Chinese", "China", "English", "Britain", "Canada", "New Zealand"]
lt = []
for i in li:
if i[0:2] == "Ch":
lt.append(i)
print(lt)
# 法2
li = ["Chinese", "China", "English", "Britain", "Canada", "New Zealand"]
print([i for i in li if i[0:2]=="Ch"])
Python正则表达式的基础
>>> import re
>>> dir(re)
['A', 'ASCII', 'DEBUG', 'DOTALL', 'I', 'IGNORECASE', 'L', 'LOCALE', 'M', 'MULTILINE', 'RegexFlag', 'S', 'Scanner', 'T', 'TEMPLATE', 'U', 'UNICODE', 'VERBOSE', 'X', '_MAXCACHE', '__all__', '__builtins__', '__cached__', '__doc__', '__file__', '__loader__', '__name__', '__package__', '__spec__', '__version__', '_alphanum_bytes', '_alphanum_str', '_cache', '_compile', '_compile_repl', '_expand', '_locale', '_pattern_type', '_pickle', '_subx', 'compile', 'copyreg', 'enum', 'error', 'escape', 'findall', 'finditer', 'fullmatch', 'functools', 'match', 'purge', 'search', 'split', 'sre_compile', 'sre_parse', 'sub', 'subn', 'template']
>>>
-
re.match(pattern,string,flags = 0)
-
作用:从字符串的开头开始匹配一个模式
- 匹配成功,返回一个匹配成功的对象
- 否则,返回None
-
参数说明:
- pattern:匹配的正则表达式
- string :要匹配的字符串
- flags:标志位,用于控制正则表达式的匹配方式。比如是否匹配多行,是否区分大小写。
-
-
re.group([group1, …]) 字符串或者元组
-
作用:获得一个或者多个分组截获的字符串
-
制定多个参数时就会以元组形式返回
-
group1可以使用编号,也可以使用别名
-
编号0代表匹配整个子串,默认返回group(0)
-
如果没有截获字符串,返回None。
-
截获了多次的组,返回最后一次截获的子串
-
-
re.groups([default = None]) tuple
-
作用:以元组形式返回全部分组截获的字符串。类似调用re.group(1,2,…,last)
-
如果没有截获字符串的组,默认返回None。
-
单字符匹配规则
字符 | 功能 |
---|---|
. | 匹配任意一个字符 |
[] | 匹配[]中列举的字符 |
\d | 匹配数字(0-9) |
\D | 匹配非数字(\d取反) |
\w | 匹配字,A - Z ,a -z ,0 - 9 ,__ |
\W | \w取反 |
\s | 匹配空白字符,比如空格 \tab |
\S | \s取反 |
import re
m = re.match('.','mAD') # 首字符
print(m.group()) # m
m = re.match('.','d')
print(m.group()) # d
m = re.match('.','\n')
print(m.group()) # AttributeError: 'NoneType' object has no attribute 'group'
m = re.match('s','sad') # 首字母,分大小写
print(m.group()) # s
m = re.match('[sS]','sad')
print(m.group()) # s
m = re.match('[sS]','SAD')
print(m.group()) # S
m = re.match('[0-9]','66city') # 0-9的数字
print(m.group()) # 6
m = re.match('[0123456789]','66city')
print(m.group()) # 6
m = re.match(r'\d','13sd21') # 数字
print(m.group()) # 1
m = re.match(r'\D','sd21') # 非数字
print(m.group()) #s
m = re.match(r'\w','sd21') # 数字、大小写字母、下划线
print(m.group()) # s
m = re.match(r'\w','13sd21')
print(m.group()) # 1
m = re.match(r'\w','_13sd21')
print(m.group()) # _
m = re.match(r'\W','#13sd21') # 非数字、大小写字母、下划线
print(m.group()) # #
m = re.match(r'\s',' 13sd21') #首字符空格
print(m.group()) # ' '
m = re.match(r'\S','13sd21') # 非空格
print(m.group()) # 1
数量匹配规则
字符 | 功能 |
---|---|
* | 匹配前一个字符出现0次多次或者无限次,可有可无,可多可少 |
+ | 匹配前一个字符出现1次多次或者无限次,直到出现一次 |
? | 匹配前一个字符出现1次或者0次,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m到n次 |
手机号匹配规则
- 全是数字、都是11位数、第一位是1,第二位是35678中的一位
pattern = input('请输入匹配规则:')
sr = input("请输入匹配字符串:")
m = re.match(pattern,sr)
print(m.group())
# 请输入匹配规则:1[35678]\d{9}
# 请输入匹配字符串:13045678900
# 13045678900
表示边界
字符 | 功能 |
---|---|
^ | 匹配字符串开头 |
$ | 匹配字符串的结尾 |
\b | 匹配一个单词的边界 |
\B | 匹配非单词边界 |
# 请输入匹配规则:^\w+\s\bty\b\s\w+
# 请输入匹配字符串:ci ty university
# ci ty university
# 0-100 以内的数
>>> pat = "0$|[1-9]\d{0,1}$|100$"
>>> res = re.match(pat,'0')
>>> res.group()
'0'
>>> res = re.match(pat,'23')
>>> res.group()
'23'
匹配分组
字符 | 功能 |
---|---|
| | 匹配左右任意一个表达式 |
(ab) | 将括号中的字符作为一个分组 |
\num | 引用分组num匹配到的字符串 |
(?p) | 分组起别名 |
(?p=name) | 引用别名为name分组匹配到的字符串 |
- re.search(pattern,str,flags=0)
- 作用:扫描整个字符串,返回第一次成功匹配对象
- 如果匹配失败,返回None
- 参数说明:
- pattern:匹配的正则表达式
- string :要匹配的字符串
- flags:标志位,用于控制正则表达式的匹配方式。比如是否匹配多行,是否区分大小写。
print(re.search('yun','Aliyun is a.').group())
# yun
- re.findall(pattern,str,flags =0)
- 作用:获取字符串所有匹配的子串,并以列表形式返回。
print(re.findall('yun','Aliyun is a yun .'))
# ['yun', 'yun']
- re.finditer(pattern,str,flag=0)
- 作用:获取字符串所有匹配的子串,并返回一个迭代器。
re.match()和re.search()的区别
- re.match()从字符串开头开始匹配,如果匹配失败,None;
- re.search()匹配整个字符串,直到找到一个匹配,如果匹配失败,None