1.匹配符号
re模块
re模块是python提供的专门用支持正则表达式的一个模块
fullmatch函数:
fullmatch(正则表达式, 字符串) - 让正则表达式和指定字符串进行完全匹配,如果匹配失败返回None正则语法
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。
写正则表达式的主要工作:用正则符号描述清楚相关字符串的规则。
python正则比表示方式:r’正则表达式’
js的正则:/正则表达式/
from re import fullmatch普通字符(普通符号)
在正则除了有特殊功能或者特殊意义以外的符号;
普通字符在正则中表示这个符号本身。[字符集] - 匹配字符集中任意一个字符
注意:一个[]只能匹配一个字符
[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代码如下:
re_str = r'a[xym]b' print(fullmatch(re_str, 'axb')) print(fullmatch(re_str, 'ayb')) print(fullmatch(re_str, 'amb')) print(fullmatch(re_str, 'azb')) # None re_str = r'a[16]b' print(fullmatch(re_str, 'a1b')) print(fullmatch(re_str, 'a6b')) re_str = r'a[a\db]b' print(fullmatch(re_str, 'a1b')) print(fullmatch(re_str, 'aab')) print(fullmatch(re_str, 'abb')) print(fullmatch(r'x[a-z]y', 'xmy')) print(fullmatch(r'x[a-zA-Z]y', 'xmy')) print(fullmatch(r'x[a-zA-Z]y', 'xKy')) print(fullmatch(r'x[a-zA-Z*&]y', 'x*y')) print(fullmatch(r'x[a-zA-Z*&]y', 'xMy')) print(fullmatch(r'x[0-9]y', 'x5y')) print(fullmatch(r'x[-09]y', 'x-y')) print(fullmatch(r'x[-09]y', 'x0y')) print(fullmatch(r'x[-09]y', 'x9y')) """ 8) [^字符集] - 匹配任意一个不在字符集任意一个字符 [^abc] - 匹配除了a、b、c以外的任意一个字符 [^a-z] - 匹配除了小写字母以外的任意一个字符 """ 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。
from re import fullmatch # 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')) """ 2) . - 匹配任意一个字符 注意:一个.只能匹配一个任意字符 """ # 匹配一个字符,长度是三,第一个字符是a,最后一个字符是c,a和c之间是任意一个字符 re_str = r'a.c' print(fullmatch(re_str, 'abc')) print(fullmatch(re_str, 'a+c')) print(fullmatch(re_str, 'a好c')) re_str = r'abc...' print(fullmatch(re_str, 'abcm./')) print(fullmatch(re_str, 'abcm\t/')) print(fullmatch(re_str, 'abc G/')) """ 3) \d - 匹配任意一个数字字符 """ re_str = r'a\d\dc' print(fullmatch(re_str, 'a78c')) print(fullmatch(re_str, 'a00c')) """ 4) \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\sb' print(fullmatch(re_str, 'a b')) print(fullmatch(re_str, 'a\nb')) print(fullmatch(re_str, 'a\tb')) print(fullmatch(re_str, 'a b')) # None """ * 5) \w - 匹配任意一个字母、数字或者下划线 (不好用) """ """ 6) \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
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。
检测类符号的用法: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的位置是否符合要求\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$ - 检测是否是字符串结尾
^ - 检测是否是字符串开头
\B - 检测是否是非单词边界
代码如下:
from re import fullmatch, findall 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) result2 = findall(r'\d\d\b', str1) print(result2) result3 = findall(r'\b\d\d\b', str1) print(result3) """ 2. \B - 检测是否是非单词边界 """ result3 = findall(r'\d\d\B', str1) print(result3) """ 3. ^ - 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)) """ 4. $ - 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
- 匹配0次或者多次(任意次数)
用法:匹配类符号*
a* - 匹配任意多个a
\d* - 匹配任意多个数字字符
- 匹配1次或多次(至少一次)
? - 匹配0次或1次
{}
{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}
注意:匹配次数对应的符号的前面必须是匹配类符号
“”" print(fullmatch(r’+{2,3}’, ‘++’)) “”" # re.error
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}? - 非贪婪的代码如下:
from re import fullmatch, match, findall import requests print(fullmatch(r'a*b', 'b')) print(fullmatch(r'a*b', 'aab')) print(fullmatch(r'a*b', 'aaaaaaab')) print(fullmatch(r'\d*b', '245899b')) print(fullmatch(r'[abc]*x', 'aabccax')) """ 2. + - 匹配1次或多次(至少一次) """ print(fullmatch(r'a+b', 'b')) # None print(fullmatch(r'a+b', 'ab')) print(fullmatch(r'a+b', 'aaaaab')) """ 3. ? - 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 """ 4. {} {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}', '2334')) 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')) # 注意:匹配次数对应的符号的前面必须是匹配类符号 """ print(fullmatch(r'+{2,3}', '++')) """ # re.error """ 5. 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 response = requests.get('http://api.tianapi.com/auto/index?key=c9d408fefd8ed4081a9079d0d6165d43&num=10') result = findall(r'"title":"(.+?)"', response.text) print(result)
4.分组和支付
() - 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findall中讲)
| - 分支
正则1|正则2 - 先用正则1进行匹配,如果成就直接匹配成功,如果匹配失败再用正则2进行匹配
转义符号
在特殊符号前加\,让符号的功能消失,变成一个普通符号
代码如下:
str1 = '78nm34ms10xp' print(fullmatch(r'\d\d[a-z]{2}\d\d[a-z]{2}\d\d[a-z]{2}', str1)) print(fullmatch(r'(\d\d[a-z]{2}){3}', str1)) str1 = r'abababab' print(fullmatch(r'(ab)+', str1)) print(fullmatch(r'(\d{2})abc\1', '89abc89')) print(fullmatch(r'(\d{2})abc\1', '89abc34')) # None """print(fullmatch(r'\d{2}abc\1', '89abc89'))""" # re.error print(fullmatch(r'(\d{3})([a-z]{3})-\2', '234ams-ams')) print(fullmatch(r'(\d{3})([a-z]{3})-\1', '234ams-234')) print(fullmatch(r'(\d{3})([a-z]{3})-\2\1', '234ams-ams234')) print(fullmatch(r'(\d{3})([a-z]{3})-\1{2}', '234ams-234234')) """print(fullmatch(r'(\d{3})-\2([a-z]{3})', '234ams-ams'))""" # re.error, """ 2. | - 分支 正则1|正则2 - 先用正则1进行匹配,如果成就直接匹配成功,如果匹配失败再用正则2进行匹配 """ # 要求能同时匹配'abc98' 和 'abcMKP' print(fullmatch(r'abc\d{2}|abc[A-Z]{3}', 'abcKMP')) print(fullmatch(r'abc(\d{2}|[A-Z]{3})', 'abcMKP')) """ 3. 转义符号 在特殊符号前加\,让符号的功能消失,变成一个普通符号 """ print(fullmatch(r'\+\d{3}', '+234')) print(fullmatch(r'\[\d{3}\]', '[234]')) print(fullmatch(r'\\dabc', '\dabc')) # 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 print(fullmatch(r'[+*?|()^$.]abc', '$abc')) print(fullmatch(r'[\^abc\-z\]]123', ']123'))
5.re模块
compile(正则表达式) - 编译正则表达式,返回一个正则表达式对象
fullmatch(正则表达式, 字符串)
正则表达式对象.fullmatch(字符串)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,匹配成功返回匹配对象match(正则表达式, 字符串) - 匹配字符串开头(判断字符串的开头是否符合正则的规则),匹配失败返回None,匹配成功返回匹配对象
获取匹配到的字符串
匹配对象.group() / 匹配对象.group(0) - 获取整个正则匹配到的结果
匹配对象.group(N) - 获取第N个分组匹配到的结果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,列表中的元素是子串(没有分组的时候)
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
- 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’
- 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’
代码如下:
import re fullmatch(正则表达式, 字符串) 正则表达式对象.fullmatch(字符串) """ re_obj = re.compile(r'\d{3}') print(re_obj.fullmatch('234')) print(re.fullmatch(r'\d{3}', '234')) """ 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,匹配成功返回匹配对象 match(正则表达式, 字符串) - 匹配字符串开头(判断字符串的开头是否符合正则的规则),匹配失败返回None,匹配成功返回匹配对象 """ result = re.fullmatch(r'(\d{3})-([A-Z]+)', '345-K') print(result) # <re.Match object; span=(0, 3), match='345'> - 匹配对象 """ 1) 获取匹配到的字符串 匹配对象.group() / 匹配对象.group(0) - 获取整个正则匹配到的结果 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 """ 3. 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234ksjs,345') print(result) # <re.Match object; span=(3, 6), match='234'> print(result.group()) # 234 """ 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) """ print(result.span()) 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')] """ 5.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)) """ 6. 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 re.split(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+', '是是9564s双生视界09世纪东方和3d失敬失敬2试试') print(result) """ 7. 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'\d+', '*', '是是9564s双生视界09世纪东方和3d失敬失敬2试试') print(result) message = 'f u c k you! 打团了,你TM的没看见吗?SB' re_str = open('badLanguage.txt', encoding='utf-8').read() re_str = r'(?i)%s' % re_str result = re.sub(re_str, '*', message) print(result) 8. 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'))
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(ABCD)
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(ACD)
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
from re import fullmatch
user = (fullmatch(r'(?is)\D(\d+|_+|[a-z]+|[A-z]+){5, 15}', 'd173d_202616'))
print(user)
#<re.Match object; span=(0, 12), match='d173d_202616'>
- 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
from re import fullmatch
pass1 = (fullmatch(r'([a-z]|[A-z])[^!@#¥%^&*](\d+|_+|[a-z]+|[A-Z]+){5,11}', 'a173a_10861054'))
print(pass1)
#<re.Match object; span=(0, 14), match='a173a_10861054'>
- 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
m = re.compile(r'^(((25[0-5]|2[0-4]\d|1\d{2})|([1-9]?\d))\.){3}((25[0-5]|2[0-4]\d|1\d{2})|([1-9]?\d))$')
ip = input("请输入一个ip地址:")
m = m.search(ip)
if m:
print(m.group())
- 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
from re import finditer
str1 = '-3.14good87nice19bye'
sum1 = finditer(r'-?\d+\.?\d*e?-?\d*?', str1)
print(sum([float(i.group()) for i in sum1]))
-
验证输入内容只能是汉字
from re import fullmatch continue1 = r'[\u4e00-\u9fa5]+' print(fullmatch(continue1, '杜')) <re.Match object; span=(0, 1), match='杜'>
-
匹配整数或者小数(包括正数和负数)
from re import fullmatch num1 = r'-?\d+\.?\d*e?-?\d*?' print(fullmatch(num1, '8')) #<re.Match object; span=(0, 1), match='8'>
-
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01. from re import fullmatch print(fullmatch(r'(\d+|_+|[a-z]+|[A-z]+){6,20}', 'Du_18085693231')) #<re.Match object; span=(0, 14), match='Du_18085693231'> 2. QQ = fullmatch(r'[1-9](\d+){4,11}', '1105201314') print(QQ) #<re.Match object; span=(0, 10), match='1105201314'>
-
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。’
poem = '窗前明月光,疑是地上霜。举头望明月,低头思故乡。' result1 = split(r'[,。]', poem) for x in result1: print(x) # 窗前明月光 # 疑是地上霜 # 举头望明月 # 低头思故乡