Python学习系列 -初探标准库之re库

系列文章目录

第一章 初始 Python
第二章 认识 Python 变量、类型、运算符
第三章 认识 条件分支、循环结构
第四章 认识 Python的五种数据结构
第五章 认识 Python 函数、模块
第六章 认识面向对象三大特性
第七章 初探标准库之os库
第八章 初探标准库之pathlib库
第九章 初探标准库之Shutil库
第十章 初探标准库之re库

---

---

文章开篇

Python的魅力，犹如星河璀璨，无尽无边；人生苦短、我用Python！

---

Python其强大的标准库和丰富的第三方库，恰似一片生机勃勃的森林，为开发者们提供了源源不断的资源和支持；
在这片广袤的“森林”中，隐藏着许多Python标准库中的珍贵模块，如os、sys、re等；它们如同森林中的璀璨明珠，熠熠生辉，为开发者的工作提供着不可或缺的支持；
在Python的生态系统中，有许多备受赞誉的第三方库，如NumPy、Pandas、openpyxl、requests、selenium、pyqt等，这些库如同森林中的珍稀物种，以其独特的功能和卓越的性能，助力开发者们更高效地完成工作;
无论是处理字符串、读写文件这样的基础任务，还是并发编程、数据分析等高级挑战，Python的标准库和三方库都能应对自如，满足各种需求；

---

正则表达式简介

正则表达式是一种通用的字符串处理工具，适用于所有的编程语言

---

正则表达式的常用规则

---

1.字符组

在同一个位置可能出现的各种字符组成的一个字符组，在正则表达式中使用[]表示

正则	待匹配字符	匹配结果	说明
[0123456789]	8	True	在一个字符组里枚举合法的所有字符，字符组里的任意一个字符和"待匹配字符"相同都视为可以匹配
[0123456789]	a	False	由于字符组中没有"a"字符，所以不能匹配
[0-9]	7	True	也可以用-表示范围,[0-9]就和[0123456789]是一个意思
[a-z]	s	True	同样的如果要匹配所有的小写字母，直接用[a-z]就可以表示
[A-Z]	B	True	[A-Z]就表示所有的大写字母
[0-9a-fA-F]	e	True	可以匹配数字，大小写形式的a～f，用来验证十六进制字符

---

2.字符

元字符	匹配内容
.	匹配除换行符以外的任意字符
\w	匹配字母或数字或下划线
\s	匹配任意的空白符
\d	匹配数字
\n	匹配一个换行符
\t	匹配一个制表符
\b	匹配一个单词的结尾
^	匹配字符串的开始
$	匹配字符串的结尾
\W	匹配非字母或数字或下划线
\D	匹配非数字
\S	匹配非空白符
a|b	匹配字符a或字符b
()	匹配括号内的表达式，也表示一个组
[…]	匹配字符组中的字符
[^…]	匹配除了字符组中字符的所有字符

---

3.量词

量词	用法说明
*	重复零次或更多次
+	重复一次或更多次
?	重复零次或一次
{n}	重复n次
{n,}	重复n次或更多次
{n,m}	重复n到m次

---

正则表达式的使用

. ^ $ 规则

正则	匹配结果	待匹配字符	说明
a.?	abacad	abefacgad	?表示重复零次或一次，即只匹配"a"后面一个任意字符。
a.*	abefacgad	abefacgad	*表示重复零次或多次，即匹配"a"后面0或多个任意字符。
a.+	abefacgad	abefacgad	+表示重复一次或多次，即只匹配"a"后面1个或多个任意字符。
a.{1,2}	abeacgad	abefacgad	{1,2}匹配1到2次任意字符。

---

*** + ? { } 规则**

正则	匹配结果	待匹配字符	说明
a.?	abacad	abefacgad	?表示重复零次或一次，即只匹配"a"后面一个任意字符。
a.*	abefacgad	abefacgad	*表示重复零次或多次，即匹配"a"后面0或多个任意字符。
a.+	abefacgad	abefacgad	+表示重复一次或多次，即只匹配"a"后面1个或多个任意字符。
a.{1,2}	abeacgad	abefacgad	{1,2}匹配1到2次任意字符。

注意：前面的*,+,?等都是贪婪匹配，也就是尽可能匹配，后面加?号使其变成惰性匹配

正则	待匹配字符	匹配结果	说明
a.*?	abefacgad	a a a	惰性匹配

---

字符集［］［^］规则

正则	待匹配字符	匹配结果	说明
a[befcgd]*	abefacgad	abefacgad	表示匹配"a"后面[befcgd]的字符任意次`
a[^f]*	abefacgad	abeacgad	表示匹配一个不是"f"的字符任意次
[\d]	412a3bc	4123	表示匹配任意一个数字，匹配到4个结果
[\d]+	412a3bc	4123	表示匹配任意个数字，匹配到2个结果

---

分组 ()与 或 ｜［^］规则
身份证号码是一个长度为15或18个字符的字符串，如果是15位则全部由数字组成，首位不能为0；如果是18位，则前17位全部是数字，末位可能是数字或x，下面我们尝试用正则来表示：

正则	待匹配字符	匹配结果	说明
1\d{13,16}[0-9x]$	110101198001017032	110101198001017032	表示可以匹配一个正确的身份证号
2\d{13,16}[0-9x]$	1101011980010170	1101011980010170	表示也可以匹配这串数字，但这并不是一个正确的身份证号码，它是一个16位的数字
3\d{14}(\d{2}[0-9x])?$	1101011980010170	False	现在不会匹配错误的身份证号了()表示分组，将\d{2}[0-9x]分成一组，就可以整体约束他们出现的次数为0-1次
^([1-9]\d{16}[0-9x]|[1-9]\d{14})$	110105199812067023	110105199812067023	表示先匹配[1-9]\d{16}[0-9x]如果没有匹配上就匹配[1-9]\d{14}

---

转义符 \规则
在正则表达式中，有很多有特殊意义的是元字符，比如\n和\s等，如果要在正则中匹配正常的"\n"而不是"换行符"就需要对"“进行转义，变成’\'。
在python中，无论是正则表达式，还是待匹配的内容，都是以字符串的形式出现的，在字符串中\也有特殊的含义，本身还需要转义。所以如果匹配一次”\n",字符串中要写成’\n’，那么正则里就要写成"\\n",这样就太麻烦了。这个时候我们就用到了r’\n’这个概念，此时的正则是r’\n’就可以了。

正则	待匹配字符	匹配结果	说明
\n	\n	False	因为在正则表达式中\是有特殊意义的字符，所以要匹配\n本身，用表达式\n无法匹配
\n	\n	True	转义\之后变成\，即可匹配
“\\n”	‘\n’	True	如果在python中，字符串中的’‘也需要转义，所以每一个字符串’'又需要转义一次
r’\n’	r’\n’	True	在字符串之前加r，让整个字符串不转义

---

贪婪匹配
在满足匹配时，匹配尽可能长的字符串，默认情况下，采用贪婪匹配

正则	待匹配字符	匹配结果	说明
<.*>	<script>…<script>	<script>…<script>	默认为贪婪匹配模式，会匹配尽量长的字符串
<.*?>	<script>…<script>	<script><script>	加上？为将贪婪匹配模式转为非贪婪匹配模式，会匹配尽量短的字符串

---

几个常用的非贪婪匹配Pattern

正则	说明
*?	重复任意次，但尽可能少重复
+?	重复1次或更多次，但尽可能少重复
??	重复0次或1次，但尽可能少重复
{n,m}?	重复n到m次，但尽可能少重复
{n,}?	重复n次以上，但尽可能少重复

---

.*?规则的用法

. 是任意字符
* 是取 0 至 无限长度
? 是非贪婪模式。
何在一起就是 取尽量少的任意字符，一般不会这么单独写，他大多用在：.*?x

就是取前面任意长度的字符，直到一个x出现

---

re标准库简介

re模块是Python中用于匹配字符串的模块，基于正则表达式实现模糊匹配和提取特定字符串等功能。

---

re.compole方法

作用：编译正则表达式，生成一个正则表达式（Pattern）对象，提供findall、search、match等方法使用，这样可以多次使用该对象，无需重复编译，提高效率；
参数：

• pattern: 正则表达式规则
• flags：控制正则表达式的行为

以下是一些使用不同 flags 的示例：

# 示例 1：查找所有的数字
import re

text = "张三18岁，身高178cm，体重75kg"
pattern = re.compile(r'\d+')            # 将正则表达式预编译成Pattern对象
numbers = re.findall(pattern, text)     # 使用Pattern对象在text字符串中进行匹配

print("字符串中的数字:", numbers)  # 字符串中的数字: ['18', '178', '75']


# 示例 2：查找字符串中所有的单词（被符号分隔的中英文）
pattern = re.compile(r'\b\w+\b')        # 将正则表达式预编译成Pattern对象
text = "Hello world! 123456789@你好"
matches = re.findall(pattern, text)     # 使用Pattern对象在text字符串中进行匹配

print("字符串中的单词：", matches)  # 字符串中的单词： ['Hello', 'world', '123456789', '你好']

# 示例 3：查找字符串中所有的邮箱
pattern = re.compile(r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b')  # 将正则表达式预编译成Pattern对象
text = "我的邮箱是：10086@qq.com，你的邮箱是：10086@163.com"
matches = re.findall(pattern, text)
print("字符串中的邮箱号：", matches)     # 字符串中的邮箱号： ['10086@qq.com', '10086@163.com']

---

re.search

扫描字符串以查找正则表达式规则产生匹配项的第一个位置 ，然后返回相应的match对象。
参数：

• pattern: 正则表达式规则
• string：要匹配的字符串
• flags：控制正则表达式的行为

import re

# 示例 1: 搜索字符串中的指定部分
text = "你的男朋友是一个盖世垃圾，他将脚踏七彩祥云迎娶你的闺蜜"
search = re.search("七彩祥云", text)

if search:
    print("找到匹配:", search.group())  # 找到匹配: 七彩祥云
else:
    print("未找到匹配")

# 示例 2: 使用正则表达式搜索数字
text = "张三18岁，身高178cm，体重75kg"
search = re.search("\d+", text)

if search:
    print("找到数字:", search.group())
else:
    print("为找到数字")


# 示例 3: 在字符串中搜索日期格式
pattern = re.compile(r'\d{4}-\d{2}-\d{2}')  # 匹配YYYY-MM-DD格式的日期
match = re.search(pattern, '日期：2024-02-25，天气：多云')  # 在字符串中搜索
if match:
    print("日期：", match.group()) # 日期： 2024-02-25

---

re.match

从字符串的开头开始匹配正则表达式模式，返回第一个匹配的对象；

• pattern: 正则表达式规则
• string：要匹配的字符串
• flags：控制正则表达式的行为

# 示例 1: 匹配字符串开头
import re

text = "你的男朋友是一个盖世垃圾，他将脚踏七彩祥云迎娶你的闺蜜"
match1 = re.match("你的男朋友", text)
match2 = re.match("盖世垃圾", text)
# 匹配成功时
if match1:
    print("匹配文本:", match1.group())   # 匹配文本: 你的男朋友
else:
    print("未找到匹配")

# 匹配失败时
if match2:
    print("匹配文本:", match2.group())  # match2不成立，未执行此代码
else:
    print("未找到匹配")  # 未找到匹配


# 示例 2: 使用标志忽略大小写
import re

text = "python programming"
match = re.match("PYTHON", text, re.IGNORECASE)

if match:
    print("匹配文本:", match.group())
else:
    print("未找到匹配")

---

re.findall

在字符串中查找所有正则表达式模式的匹配项，并返回一个列表；

• pattern: 正则表达式规则
• string：要匹配的字符串
• flags：控制正则表达式的行为

# 示例 1：查找所有的数字
import re

text = "张三18岁，身高178cm，体重75kg"
pattern = re.compile(r'\d+')            # 将正则表达式预编译成Pattern对象
numbers = re.findall(pattern, text)     # 使用Pattern对象在text字符串中进行匹配

print("字符串中的数字:", numbers)  # 字符串中的数字: ['18', '178', '75']


# 示例 2：查找字符串中所有的单词（被符号分隔的中英文）
pattern = re.compile(r'\b\w+\b')        # 将正则表达式预编译成Pattern对象
text = "Hello world! 123456789@你好"
matches = re.findall(pattern, text)     # 使用Pattern对象在text字符串中进行匹配

print("字符串中的单词：", matches)  # 字符串中的单词： ['Hello', 'world', '123456789', '你好']

# 示例 3：查找字符串中所有的邮箱
pattern = re.compile(r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b')  # 将正则表达式预编译成Pattern对象
text = "我的邮箱是：10086@qq.com，你的邮箱是：10086@163.com"
matches = re.findall(pattern, text)
print("字符串中的邮箱号：", matches)     # 字符串中的邮箱号： ['10086@qq.com', '10086@163.com']

---

re.finditer

与findall方法用法一致，且本质上没有区别，一个返回列表，一个返回迭代器；

import re

text = 'Does this text match the text pattern?'
matches1 = re.finditer('text', text)
print(matches1)  # <callable_iterator object at 0x0000024D0E9018D0>
for match in matches1:
    print(match, match.group())
    # <re.Match object; span=(10, 14), match='text'> text
    # <re.Match object; span=(25, 29), match='text'> text

matches2 = re.findall('text', text)
print(matches2)  # ['text', 'text']

---

re.sub

使用指定字符串替换所有正则表达式的匹配项，如果指定了count参数，则只替换前count个匹配项；

• pattern: 正则表达式规则
• repl: 替换匹配项的字符串
• string：要匹配的字符串
• count: 最大替换次数，默认为0（无限）
• flags：控制正则表达式的行为

# 示例 1: 将张三的年龄使用**号隐藏
import re

text = "张三18岁，身高178cm，体重75kg"
pattern = re.compile(r'\d+')
replaced_text = re.sub(pattern, "**", text, 1)

print("替换后的文本:", replaced_text)  # 张三#岁，身高178cm，体重75kg


# 示例 2: 移除所有标点符号
text = "Hello, world! Python is fun."
pattern = re.compile(r"[,\.!]")

clean_text = re.sub(pattern, "", text)
print("清理后的文本:", clean_text)  # Hello world Python is fun

---

总结

Python的re模块是一个功能强大的正则表达式处理工具，提供了丰富灵活的方法，使开发者能轻松实现文本中的正则表达式匹配、搜索和替换等操作，满足各种文本处理需求，无论是简单分析还是复杂模式匹配。

---

1. 1-9 ↩︎

2. 1-9 ↩︎

3. 1-9 ↩︎