正则表达式

5i吃鱼

已于 2023-04-05 20:54:59 修改

阅读量123

点赞数

分类专栏： python 正则表达式文章标签： python 正则表达式

于 2022-02-23 10:45:08 首次发布

本文链接：https://blog.csdn.net/zb13283881541/article/details/122470125

版权

python 同时被 2 个专栏收录

5 篇文章 0 订阅

订阅专栏

正则表达式

1 篇文章 0 订阅

订阅专栏

类别	元字符
匹配字符	. […] [^…] \d \D \w \W \s \S
匹配重复	* + ? {n} {m,n}
匹配位置	^ $ \b \B
其他	() \ 竖杠

其他|| () \

re.findall(pattern,string)
 功能: 根据正则表达式匹配目标字符串内容
 参数: pattern  正则表达式
      string 目标字符串
 返回值: 匹配到的内容列表,如果正则表达式有子组则只能获取到子组对应的内容

元字符使用

匹配单个

1，普通字符

匹配规则：每个普通字符匹配其对应的字符

e.g.
In : re.findall('ab',"abcdefabcd")#去abcdefabcd这里找ab
Out: ['ab', 'ab']#找到的结果

注意：正则表达式在python中也可以匹配中文

2，或关系

元字符: |
匹配规则: 匹配 | 两侧任意的正则表达式即可

e.g.
In : re.findall('com|cn',"www.baidu.com/www.tmooc.cn")#向后面找com或cn
Out: ['com', 'cn']

3，匹配单个字符

元字符：.
匹配规则：匹配除换行外的任意一个字符

e.g.
In : re.findall('张.丰',"张三丰,张四丰,张五丰")
Out: ['张三丰', '张四丰', '张五丰']

4，匹配字符集

元字符： [字符集]

匹配规则: 匹配字符集中的任意一个字符

表达形式:

[aeiou你我他] 表示 [] 中的任意一个字符
[0-9],[a-z],[A-Z] 表示区间内的任意一个字符
[_#?0-9a-z] 混合书写，一般区间表达写在后面

e.g.
In : re.findall('[aeiou]',"How are you!")
Out: ['o', 'a', 'e', 'o', 'u']

5，匹配字符集反集

元字符：[^字符集]
匹配规则：匹配除了字符集以外的任意一个字符

e.g.
In : re.findall('[^0-9]',"Use 007 port")
Out: ['U', 's', 'e', ' ', ' ', 'p', 'o', 'r', 't']

匹配字符重复

元字符: *

匹配规则：匹配前面的字符出现0次或多次

我理解：比如re.findall('wo*',"wooooo~~w!")，是找以w开头的

e.g.
In : re.findall('wo*',"wooooo~~w!")
Out: ['wooooo', 'w']

元字符：+

匹配规则：匹配前面的字符出现1次或多次

我理解：比如re.findall('wo+',"wooooo~~w!")，是找以wo开头的

e.g.
In : re.findall('wo*',"wooooo~~w!")
Out: ['wooooo']

元字符：?

匹配规则：匹配前面的字符出现0次或1次

我理解：比如re.findall('wo？',"wooooo~~w!")，是找以wo开头的 和 w开头的

e.g.
In : re.findall('wo？',"wooooo~~w!")
Out: ['wooooo', 'w']

元字符：{n}

匹配规则：匹配前面的字符出现n次

In : re.findall('wo{3}',"wooooo~~w!")
Out: ['wooo']
————————————————————————————————————————————————————————————————————————————
e.g. 匹配手机号码
In : re.findall('1[0-9]{10}',"Jame:13886495728")
Out: ['13886495728']

元字符：{m,n}

匹配规则：匹配前面的字符出现m-n次

e.g. 匹配qq号
In : re.findall('[1-9][0-9]{5,10}',"Baron:1259296994") 
Out: ['1259296994']

匹配字符串开始和结束位置

元字符: ^
以…开头
元字符: $
以…结尾

匹配任意（非）数字字符

元字符： \d \D
匹配规则：\d 匹配任意数字字符，\D 匹配任意非数字字符

e.g. 匹配端口
In : re.findall('\d{1,5}',"Mysql: 3306, http:80")
Out: ['3306', '80']

匹配任意（非）普通字符

元字符： \w \W
匹配规则: \w 匹配普通字符，\W 匹配非普通字符
说明: 普通字符指数字，字母，下划线，汉字。

e.g.
In : re.findall('\w+',"server_port = 8888")
Out: ['server_port', '8888']

匹配任意（非）空字符

元字符： \s \S
匹配规则:\s匹配空字符，\S 匹配非空字符
说明：空字符指空格\r \n \t \v \f 字符

e.g.
In : re.findall('\w+\s+\w+',"hello    world")
Out: ['hello    world']

匹配（非）单词的边界位置

元字符：\b \B
匹配规则：\b 表示单词边界，\B 表示非单词边界
说明：单词边界指数字字母(汉字)下划线与其他字符的交界位置。

我理解是 独立的，比如：空格+要过滤的字符+空格，这个就使用\b

e.g.
In : re.findall(r'\bis\b',"This is a test.")
Out: ['is']

注意：当元字符符号与Python字符串中转义字符冲突的情况则需要使用r将正则表达式字符串声明为原始字符串，如果不确定那些是Python字符串的转义字符，则可以在所有正则表达式前加r。

匹配规则

特殊字符匹配

目的：如果匹配的目标字符串中包含正则表达式特殊字符，则在表达式中元字符就想表示其本身含义时就需要进行 \ 处理。

特殊字符: . * + ? ^ $ [] () {} | \

操作方法：在正则表达式元字符前加 \ 则元字符就是去其特殊含义，就表示字符本身

贪婪模式和非贪婪模式

定义

贪婪模式: 默认情况下，匹配重复的元字符总是尽可能多的向后匹配内容。比如: * + ? {m,n}
非贪婪模式(懒惰模式): 让匹配重复的元字符尽可能少的向后匹配内容。

贪婪模式转换为非贪婪模式
在对应的匹配重复的元字符后加 ‘?’ 号即可

*  ->  *?
+  ->  +?
?  ->  ??
{m,n} -> {m,n}?

正则表达式分组

定义
在正则表达式中，以()建立正则表达式的内部分组，子组是正则表达式的一部分，可以作为内部整体操作对象。
作用 : 可以被作为整体操作，改变元字符的操作对象

e.g.  改变 +号 重复的对象
In : re.search(r'(ab)+',"ababababab").group()
Out: 'ababababab'

e.g. 改变 |号 操作对象
In : re.search(r'(王|李)\w{1,3}',"王者荣耀").group()
Out: '王者荣耀'

我理解：用（）包起来，看成一个整体

注意事项
一个正则表达式中可以包含多个子组
子组可以嵌套但是不宜结构过于复杂
子组序列号一般从外到内，从左到右计数

捕获组

我理解是起个名字，实际没啥用

格式：(?P内容)

直接放大招（偷懒）

https://tool.oschina.net/regex#

Python re模块使用

基础函数使用

1查找

re.findall(pattern,string)
 功能: 根据正则表达式匹配目标字符串内容
 参数: pattern  正则表达式
      string 目标字符串
 返回值: 匹配到的内容列表,如果正则表达式有子组则只能获取到子组对应的内容
 如果正则表达式有组，则只能返回组对应的匹配部分
 如果正则表达式有组，则只能返回组对应的匹配部分
 如果正则表达式有组，则只能返回组对应的匹配部分
 #################################################

注意：如果正则表达式有分组就用

re.search(pattern,string).group('pig')

2切割

 re.split(pattern,string,max)
 功能: 使用正则表达式匹配内容,切割目标字符串
 参数: pattern  正则表达式
      string 目标字符串
      max 最多切割几部分
 返回值: 切割后的内容列表
 ###############################################################
import re
text = "Alex:1996,Sunny:1998"
#非普通字符切割，就是用：和，切割text的内容
result = re.split('\W',text)
print(result)
#['Alex', '1996', 'Sunny', '1998']

3替换

re.sub(pattern,replace,string,count)
 功能: 使用一个字符串替换正则表达式匹配到的内容
 参数: pattern  正则表达式
      replace  替换的字符串
      string 目标字符串
      count  最多替换几处,默认替换全部
 返回值: 替换后的字符串
 ##############################################################
 import re
text = "Alex:1996,Sunny:1998"
# 使用哈哈哈替换匹配到的内容
result = re.sub('\W','哈哈哈',text)
print(result)
#Alex哈哈哈1996哈哈哈Sunny哈哈哈1998

生成match对象

1，返回一个迭代对象

每次迭代获取一处对应匹配到的match对象

re.finditer(pattern,string)
 功能: 根据正则表达式匹配目标字符串内容
 参数: pattern  正则表达式
      string 目标字符串
 返回值: 匹配结果的迭代器
 #############################################
 import re
text = "Alex:1996,Sunny:1998"

# 匹配第一处符合规则的
result = re.finditer("\w+",text)

for i in result:
    print(i.group())#i是一个Match对象
    # Alex
    # 1996
    # Sunny
    # 1998

2，匹配目标字符串开头位置

re.match(pattern,string)
功能：匹配某个目标字符串开始位置
参数：pattern 正则
	   string  目标字符串
返回值：匹配内容match object
######################################################
import re
text = "Alex:1996,Sunny:1998"
result = re.match('\w+:\d+',text)
print(result)#match对象
print(result.span())#(0, 9)    匹配的位置：text[0:9] 是匹配到的
print(result.group())#Alex:1996    匹配到对应的内容

3，返回一个迭代对象

re.search(pattern,string)
功能：匹配目标字符串第一个符合内容
参数：pattern 正则
	   string  目标字符串
返回值：匹配内容match object
##########################################################
import re
text = "Alex:1996,Sunny:1998"
# 匹配第一处符合规则的
result = re.search("(\w+):(?P<year>\d+)",text)
print(result.group())#Alex:1996   匹配的内容
print(result.group(1))#Alex    按照分组匹配第一组的
print(result.group("year"))#1996    按照分组匹配取别名year的组，或者是group(2)也一样