Python基础-正则表达式

一、正则表达式介绍

1.正则表达式一种用来匹配字符串的强有力武器，用一种描述性的语言来给字符串定义一个规则，凡是符合规则的字符串，就认为它“匹配”了，否则，该字符串就是不合法的

2.正则表达式是高级的字符串匹配处理方式

3.正则表达式的原理：通过描述匹配内容的类型和长度来获取字符串当中的指定字符

二、正则表达式的划分

1.对类型的描述

（1）原样匹配

通常原样匹配会结合其他匹配一起出现

r''或者r""，表示中间的部分就是全部的原含义，没有任何的特殊含义

原样匹配，通常会结合其他匹配一起出现

import re

str_ = "suner suner"
str_1 = re.findall(r"u",str_)
print(str_1)  # 结果：['u', 'u']

（2）. 匹配，匹配所有非换行的字符

import re

str_ = "suner yao xue xi"
str_1 = re.findall(r".", str_)
str_2 = re.findall(r"..", str_)
str_3 = re.findall(r"...", str_)
str_4 = re.findall(r"....", str_)

print(str_1)  # 结果：['s', 'u', 'n', 'e', 'r', ' ', 'y', 'a', 'o', ' ', 'x', 'u', 'e', ' ', 'x', 'i']
print(str_2)  # 结果：['su', 'ne', 'r ', 'ya', 'o ', 'xu', 'e ', 'xi']
print(str_3)  # 结果：['sun', 'er ', 'yao', ' xu', 'e x']
print(str_4)  # 结果：['sune', 'r ya', 'o xu', 'e xi']

（3）\ 转义，将特殊字符的特殊含义转义掉，变为一个普通的匹配字符串

import re

str_ = "zhe ge shi 20.000.00"
str_1 = re.findall(r"\.", str_)  
print(str_1)  # 结果：['.', '.']

（4）\d 匹配数字

规则：在正则匹配当中，大写和小写匹配的内容是相反的

import re

str_ = "zhe ge 20000 na ge 5000"
str_1 = re.findall(r"\d", str_)   # 匹配一个数字
str_2 = re.findall(r"\d\d", str_)  # 匹配连续两个数字

print(str_1)  # 结果：['2', '0', '0', '0', '0', '5', '0', '0', '0']
print(str_2)  # 结果：['20', '00', '50', '00']

（5）\D 匹配非数字

import re

str_ = "zhe $$ 20000 na **a5000"
str_1 = re.findall(r"\D", str_)   # 匹配一个非数字
str_2 = re.findall(r"\D\D", str_)  # 匹配连续两个非数字

print(str_1)  # 结果：['z', 'h', 'e', ' ', '$', '$', ' ', ' ', 'n', 'a', ' ', '*', '*', 'a']
print(str_2)  # 结果：['zh', 'e ', '$$', ' n', 'a ', '**']

（6）\w 匹配数字、字母，下划线

import re

str_ = "zhe $$ 20000 _na ** a_ 5000_"
str_1 = re.findall(r"\w", str_)   # 匹配一个数字，字母，下划线
str_2 = re.findall(r"\w\w", str_)  # 匹配两个数字，字母，下划线

print(str_1)  # 结果：['z', 'h', 'e', '2', '0', '0', '0', '0', '_', 'n', 'a', 'a', '_', '5', '0', '0', '0', '_']
print(str_2)  # 结果：['zh', '20', '00', '_n', 'a_', '50', '00']

（7）\W 匹配非数字、字母，下划线

import re

str_ = "zhe $$￥ 20000 _na ** a_ 5000_"
str_1 = re.findall(r"\W", str_)   # 匹配一个非数字、字母，下划线
str_2 = re.findall(r"\W\W", str_)  # 匹配两个非数字、字母，下划线

print(str_1)  # 结果：[' ', '$', '$', '￥', ' ', ' ', ' ', '*', '*', ' ', ' ']
print(str_2)  # 结果：[' $', '$￥', ' *', '* ']

（8）\s 匹配所有空格，但是包含\t，\n

import re

str_ = "suner\n yao hao hao xue xi\t"
str_1 = re.findall(r"\s", str_)   # 按长度为1（包含\n\t）匹配空格
str_2 = re.findall(r"\s\s", str_)  # 按长度为2（包含\n\t）匹配空格

print(str_1)  # 结果：['\n', ' ', ' ', ' ', ' ', ' ', '\t']
print(str_2)  # 结果：['\n ']

（9）\S 匹配所有非空格

import re

str_ = "suner\n you 200 %% *&￥\t"
str_1 = re.findall(r"\S", str_)   # 按长度为1匹配非空格
str_2 = re.findall(r"\S\S", str_)  # 按长度为2匹配非空格

print(str_1)  # 结果：['s', 'u', 'n', 'e', 'r', 'y', 'o', 'u', '2', '0', '0', '%', '%', '*', '&', '￥']
print(str_2)  # 结果：['su', 'ne', 'yo', '20', '%%', '*&']

（10）[] 匹配指定的任意一个元素

import re

str_ = "suner hao hao xue xi ya"
str_1 = re.findall(r"[e]", str_)  # 匹配"e"
str_2 = re.findall(r"[a][o]", str_)  # 匹配"ao"
str_3 = re.findall(r"[ao]", str_)  # 匹配"a"或"o"

print(str_1)  # 结果：['e', 'e']
print(str_2)  # 结果：['ao', 'ao']
print(str_3)  # 结果：['a', 'o', 'a', 'o', 'a']

（11）[-] 匹配指定范围里的任意一个元素

import re

str_ = "suner a 2y 1234589 "
str_1 = re.findall(r"[1-5]", str_)  # 匹配1-5之间的
str_2 = re.findall(r"[a-f]", str_)  # 匹配a-f之间的
str_3 = re.findall(r"[1-5][s-z]", str_)  # 匹配第一个为1-5之间并且第二个为a-f之间的

print(str_1)  # 结果：['2', '1', '2', '3', '4', '5']
print(str_2)  # 结果：['e', 'a']
print(str_3)  # 结果：['2y']

（12）[^] 对中括号当中的所有元素取非，取反

import re

str_ = "suner hao hao"
str_1 = re.findall(r"[^un]", str_)  # 匹配非un的元素
str_2 = re.findall(r"[^un][^ao]", str_)  # 匹配第一个为非un，第二个为非ao的元素

print(str_1)  # 结果：['s', 'e', 'r', ' ', 'h', 'a', 'o', ' ', 'h', 'a', 'o']
print(str_2)  # 结果：['su', 'er', ' h', 'o ']

（13）| 匹配符号两边任意一边

import re

str_ = "suner hao hao"
str_1 = re.findall(r"u|h", str_)  # 匹配所有u或者h

print(str_1)  # 结果：['u', 'h', 'h']

（14）^ 代表开头

import re

str_ = "suner hao hao"
str_1 = re.findall(r"^s", str_)  # 匹配以"s"开头元素
str_2 = re.findall(r"^u", str_)  # 匹配以"s"开头元素

print(str_1)  # 结果：['s']
print(str_2)  # 结果：[]

（15）$ 代表结尾

import re

str_ = "suner hao"
str_1 = re.findall(r"o$", str_)  # 匹配以"o"结尾的
str_2 = re.findall(r"a$", str_)  # 匹配以"a"开头元素

print(str_1)  # 结果：['o']
print(str_2)  # 结果：[]

（16）() 组匹配，会将组之外的内容作为匹配条件

import re

str_ = "su1 su1 ner hao 123 hao ** 8956 _5"

str_1 = re.findall(r"(\w\d)", str_)  # 匹配数字、字母、下划线+数字
str_2 = re.findall(r"(\w\D)", str_)  # 匹配数字、字母、下划线+非数字
str_3 = re.findall(r"(\w)\D", str_)  # 匹配一个数，匹配的这个数后面接的是非数字

print(str_1)  # 结果：['u1', 'u1', '12', '89', '56', '_5']
print(str_2)  # 结果：['su', '1 ', 'su', '1 ', 'ne', 'r ', 'ha', 'o ', '3 ', 'ha', 'o ', '6 ']
print(str_3)  # 结果：['s', '1', 's', '1', 'n', 'r', 'h', 'o', '3', 'h', 'o', '6']

（17）(?p<>) 命名分组

命名分组就是给具有默认分组编号的组另外再给一个别名

格式：(?P<name>正则表达式)  # name是一个合法的标识符

2.对数量的描述

（1）* 0到多次

import re

str_ = "sun 678 er"
str_1 = re.findall(r"\d*", str_)  # 匹配0次或者多次数字
str_2 = re.findall(r"\D*", str_)  # 匹配0次或者多次非数字

print(str_1)  # 结果：['', '', '', '', '678', '', '', '', '']
print(str_2)  # 结果：['sun ', '', '', '', ' er', '']

（2）+ 1到多次

import re

str_ = "sun 678 er"
str_1 = re.findall(r"\d+", str_)  # 匹配1次或者多次数字
str_2 = re.findall(r"\D+", str_)  # 匹配1次或者多次非数字

print(str_1)  # 结果：['678']
print(str_2)  # 结果：['sun ', ' er']

（3）？ 0到1次

import re

str_ = "sun28541"
str_1 = re.findall(r"\d?", str_)  # 匹配0次或者1次数字
str_2 = re.findall(r"\D?", str_)  # 匹配0次或者1次非数字

print(str_1)  # 结果：['', '', '', '2', '8', '5', '4', '1', '']
print(str_2)  # 结果：['s', 'u', 'n', '', '', '', '', '', '']

（4）{} 匹配指定次

import re

str_ = "sune28541"
str_1 = re.findall(r"\d{2}", str_)  # 匹配两个都是数字的元素
str_2 = re.findall(r"\D{1,3}", str_)  # 匹配1个或3个非数字

print(str_1)  # 结果：['28', '54']
print(str_2)  # 结果：['sun', 'e']

3.特殊匹配

（1）贪婪匹配

import re

# .* 贪婪匹配，如以第一个s开头最后一个r结尾，直至匹配到最后一个
# .*? 反贪婪匹配，如以第一个s开头第一个r结尾，即匹配到了就不匹配了
str_ = "suner285ner41ner"
str_1 = re.findall(r"s(.*)r", str_)
str_2 = re.findall(r"s(.*?)r", str_)

print(str_1)  # 结果：['uner285ner41ne']
print(str_2)  # 结果：['une']

（2）re.I 忽略大小写匹配

import re

str_ = "suneruNerUnerUN"
str_1 = re.findall(r"un", str_)  # 默认不忽略大小写
str_2 = re.findall(r"un", str_, re.I)   # 设置忽略大小写

print(str_1)  # 结果：['un']
print(str_2)  # 结果：['un', 'uN', 'Un', 'UN']

（3）re.M 忽略换行（默认就是忽略换行，匹配所有字符）

import re

str_ = "suner\nyao\nhao\nhao\nxue\nxi"
str_1 = re.findall(r"ao", str_)  # 默认
str_2 = re.findall(r"ao", str_, re.M)   # 默认设置忽略换行

print(str_1)  # 结果：['ao', 'ao', 'ao']
print(str_2)  # 结果：['ao', 'ao', 'ao']

（4）re.S 

如果不使用re.S参数，则只在每一行内进行匹配，如果一行没有，就换下一行重新开始，不会跨行。

使用re.S参数以后，正则表达式会将这个字符串作为一个整体，将“\n”当做一个普通的字符加入到这个字符串中，在整体中进行匹配。

import re

str_ = """
    suner
    hen
    nuli
"""
str_1 = re.findall(r"^.", str_)  
str_2 = re.findall(r"^.", str_, re.S)   

print(str_1)  # 结果：[]
print(str_2)  # 结果：['\n']

4.匹配方法

Compile 匹配模板，这个方法是Pattern类的工厂方法，用于将字符串形式的正则表达式编译为Pattern对象

import re

# compile 匹配模板，先定义出匹配模板，在匹配字符
str_ = "suner 20190226"
compile_num = re.compile(r"\d")     # 定义匹配模板
str_1 = compile_num.findall(str_)   # 进行匹配

compile_not_num = re.compile(r"\D")     # 定义匹配模板
str_2 = compile_not_num.findall(str_)   # 进行匹配

print(str_1)  # 结果：['2', '0', '1', '9', '0', '2', '2', '6']
print(str_2)  # 结果：['s', 'u', 'n', 'e', 'r', ' ']

（1）match匹配

从开头进行匹配，匹配一次，如果没有遇到，就返回None

import re

str_ = "suner 20190226"
str_1 = re.match(r"\d", str_)  # 从开头匹配，没有就返回None
str_2 = re.match(r"\w", str_)  # 从开头匹配，有就返回匹配对象

print(str_1)  # 结果：None
print(str_2)  # 结果：<_sre.SRE_Match object; span=(0, 1), match='s'>
print(str_2.group())  # 结果：s ，取出匹配值用group()方法

（2）search匹配

从左往右进行匹配，匹配一次，如果没有遇到，就返回None

import re

str_ = "suneur 20190226"
str_1 = re.search(r"y", str_)  # 从左往右匹配1次，没有就返回None
str_2 = re.search(r"u", str_)  # 从左往右匹配1次，有就返回匹配对象

print(str_1)  # 结果：None
print(str_2)  # 结果：<_sre.SRE_Match object; span=(1, 2), match='u'>
print(str_2.group())  # 结果：u

（3）split匹配

类似字符串的split

import re

str_ = "sun2019 eun 23er 0226"
str_1 = re.split(r"\d", str_)  # 以数字分隔
str_2 = re.split(r"\D", str_)  # 以非数字分隔

print(str_1)  # 结果：['sun', '', '', '', ' eun ', '', 'er ', '', '', '', '']
print(str_2)  # 结果：['', '', '', '2019', '', '', '', '', '23', '', '', '0226']

（4）sub匹配

类似字符串的replace

import re

str_ = "sun2019 eun 23er 0226"
str_1 = re.sub(r"\d", "8", str_)  # str_中的所有数字替换为“8”
str_2 = re.sub(r"\D", "s", str_)  # str_中的所有非数字替换为“s”

print(str_1)  # 结果：sun8888 eun 88er 8888
print(str_2)  # 结果：sss2019sssss23sss0226