Python中正则表达式用法 重点

Python中正则表达式基础知识

        </h1>
        <div class="clear"></div>
        <div class="postBody">

一、正则表达式

  1.使用正则表达式的动机

    1. 文本处理已经成为计算机常见工作之一

    2. 对文本内容的搜索,定位,提取是逻辑比较复杂的工作

    3. 为了快速方便的解决上述问题,产生了正则表达式技术
  2.定义:
    即文本的高级匹配模式,提供搜索,替换等功能。其本质是由一系列字符和特殊符号构成的字串,这个字串即正则表达式。
  3.原理:
    通过普通字符和有特定含义的字符,来组成字符串,用以描述一定的字符串规则,比如:重复,位置等,来表达某类特定的字符串,进而匹配。
  4.元字符使用:
    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")
        Out: ['ab', 'ab']
    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")
        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:
          [abc#!好] 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']
    6.匹配字符串开始位置
      元字符: ^
      匹配规则:匹配目标字符串的开头位置
      e.g.
        In : re.findall('^Jame',"Jame,hello")
        Out: ['Jame']
    7.匹配字符串的结束位置
      元字符: $
      匹配规则: 匹配目标字符串的结尾位置
      e.g.
        In : re.findall('Jame$',"Hi,Jame")
        Out: ['Jame']
      规则技巧: ^ 和 $必然出现在正则表达式的开头和结尾处。如果两则同时出现,则中间的部分必须匹配整个目标字符串的全部内容------绝对匹配。
    8.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
      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
      e.g.
        In : re.findall('[A-Z][a-z]+',"Hello World")
        Out: ['Hello', 'World']
 
      元字符:?
      匹配规则: 匹配前面的字符出现0次或1次
      e.g. 匹配整数
      In [28]: re.findall('-?[0-9]+',"Jame,age:18, -26")
      Out[28]: ['18', '-26']
 
      元字符:{n}
      匹配规则: 匹配前面的字符出现n次
      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']
 
    9.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']
 
    10.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']
 
    11.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']
 
 
    12.匹配开头结尾位置
      元字符: \A \Z
      匹配规则: \A 表示开头位置,\Z 表示结尾位置
 
    13.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。
      e.g.
        In : re.findall(r'\bis\b',"This is a test.")
        Out: ['is']
 
  5.对元字符分类:
      
 
  6.正则表达式的转义
    1.如果使用正则表达式匹配特殊字符则需要加 \ 表示转义。
      特殊字符: . * + ? ^ $ [] () {} | \
 
      e.g. 匹配特殊字符 . 时使用 \. 表示本身含义
        In : re.findall('-?\d+\.?\d*',"123,-123,1.23,-1.23")
        Out: ['123', '-123', '1.23', '-1.23']
 
    2. 在编程语言中,常使用原生字符串书写正则表达式避免多重转义的麻烦。
      (在这里,正则表达式需要转义,书写成python字符串格式也需要转义,因此双重转义,为避免混乱,对python层面的转义用原生字符串书写)
        python字符串 -------------> 正则 --------> 目标字符串
        "\\$\\d+"    解析为  \$\d+   匹配       "$100"
 
        "\\$\\d+"       等同于   r"\$\d+"
 
  7.贪婪模式和非贪婪模式
    1. 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。
      注:两者的前提是正则表达式条件必须整体满足时,才能谈贪婪和非贪婪
 
    2. 贪婪模式转换为非贪婪模式
      在匹配重复元字符后加 '?' 号即可
          * : *?
          + : +?
          ? : ??
          {m,n} : {m,n}?2019/4/25 RE
 
      e.g.
        In : re.findall(r'\(.+?\)',"(abcd)efgh(higk)")
        Out: ['(abcd)', '(higk)']
 
  8.正则表达式分组
    1. 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。
    2. 作用
      1.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'
 
      2.可以通过编程语言某些接口获取匹配内容中,子组对应的内容部分
        e.g. 获取url协议类型
          re.search(r'(https|http|ftp|file)://\S+',"https://www.baidu.com").group(1)
    3. 捕获组
      可以给正则表达式的子组起一个名字,表达该子组的意义。这种有名称的子组即为捕获组。
      格式: (?Ppattern)
      e.g. 给子组命名为 "pig"
        In : re.search(r'(?Pab)+',"ababababab").group('pig')
        Out: 'ab'
    4. 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,但是不要重叠或者嵌套结构复杂
      子组序列号一般从外到内,从左到右计数(如下图,序号表示先后顺序)
      
 
  9.正则表达式匹配原则
    
    1. 正确性,能够正确的匹配出目标字符串.
    2. 排他性,除了目标字符串之外尽可能少的匹配其他内容.
    3. 全面性,尽可能考虑到目标字符串的所有情况,不遗漏.
 
 
二、Python中 re模块使用
  
  1.re模块相关函数:
 
    regex = compile(pattern,flags = 0)
      功能: 生产正则表达式对象
      参数: pattern 正则表达式
      flags 功能标志位,扩展正则表达式的匹配
      返回值: 正则表达式对象
 
    re.findall(pattern,string,flags = 0)
      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
      flags 功能标志位,扩展正则表达式的匹配
      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
 
    
    regex.findall(string,pos,endpos)
      功能: 根据正则表达式匹配目标字符串内容
      参数: string 目标字符串
      pos 截取目标字符串的开始匹配位置
      endpos 截取目标字符串的结束匹配位置
      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
 
    
复制代码
import re

s = "Levi:1994,Sunny:1993"
pattern = r"(\w+):(\d+)"

# re模块调用
# l = re.findall(pattern, s)
# print(l)

# compile对象调用
regex = re.compile(pattern, flags=0)
l = regex.findall(s, 0, 55 )
print(l)




[('Levi', '1994'), ('Sunny', '1993')]
复制代码
 
    re.split(pattern,string,flags = 0)
      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
      flags 功能标志位,扩展正则表达式的匹配
      返回值: 切割后的内容列表
 
    
复制代码
import re

s = hello world how are you
# pattern = r"[^\w]+"
pattern = r"\W+"

l = re.split(pattern, s)
print(l)

复制代码
 
    re.sub(pattern,replace,string,max,flags = 0)
      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
      max 最多替换几处,默认替换全部
      flags 功能标志位,扩展正则表达式的匹配
      返回值: 替换后的字符串
 
    
复制代码
import re

s = 时间:2019/10/12
ns
= re.sub(r/, -, s)
print(ns)


时间:2019-10-12

复制代码
 
    re.subn(pattern,replace,string,max,flags = 0)
      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
      max 最多替换几处,默认替换全部
      flags 功能标志位,扩展正则表达式的匹配
      返回值: 替换后的字符串和替换了几处
 
      
复制代码
import re

s = 时间:2019/10/12
ns
= re.subn(r/, -, s, 4)
print(ns)

(时间:2019-10-12, 2)

复制代码
 
    
    re.finditer(pattern,string,flags = 0)
      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
      flags 功能标志位,扩展正则表达式的匹配
      返回值: 匹配结果的迭代器(迭代器用一个取一个,节省内存资源)
 
    
复制代码
import re

s = 2019年,建国70周年
pattern
= r"\d+"

ite = re.finditer(pattern, s)

# 方法1
print(ite类型, type(ite))
print(ite.next().group())
print(ite.next().group())

# 方法2
print("=========")
for i in ite:
print(i.group())


ite类型 <class ‘callable_iterator’>
2019
70

复制代码
 
    re.fullmatch(pattern,string,flags=0)
      功能:完全匹配某个目标字符串
      参数:pattern 正则
      string 目标字符串
      返回值:匹配内容match object
      注:该函数可用于密码验证:密码只允许字母和数字,如果返回值为None,则密码不符合规范,含有数字和字母以外的字符
      
import re

m = re.fullmatch(r\w+,hello1973)

print(m.group())

复制代码
import re

#验证密码是否符合规范---只含字母和数字 m
= re.fullmatch(r'[0-9A-Za-z]+', "hello1973")

print(m.group())

hello1973

复制代码
 
    re.match(pattern,string,flags=0)
      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
 
    
复制代码
import re

m = re.match(r[A-Z]\w*,Hello1973)

print(m.group())

Hello1973

复制代码
 
    re.search(pattern,string,flags=0)
      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
 
    
复制代码
import re

m = re.search(r\S+, 好\n嗨 哟)

print(m.group())

复制代码
 
    compile对象属性
      【1】 flags : flags值--------注:不要跟参数flags混淆了
      【2】 pattern : 正则表达式
      【3】 groups : 子组数量
      【4】 groupindex : 捕获组名与组序号的字典
 
  2.match对象的属性方法
    
    1. 属性变量
      pos 匹配的目标字符串开始位置
      endpos 匹配的目标字符串结束位置
      re 正则表达式
      string 目标字符串
      lastgroup 最后一组的名称
      lastindex 最后一组的序号
 
 
  
复制代码
import re

pattern = r"(ab)cd(?P<pig>ef)"

regex = re.compile(pattern)

# 生成match对象
obj = regex.search(abcdefghi, pos=0, endpos=7)

# 演示match对象属性变量
print(obj.pos)
print(obj.endpos)
print(obj.re)
print(obj.string)
print(obj.lastgroup)
print(obj.lastindex)

0
7
re.compile(
(ab)cd(?P<pig>ef))
abcdefghi
pig
2

复制代码
 
    2. 属性方法
      span() 获取匹配内容的起止位置
      start() 获取匹配内容的开始位置
      end() 获取匹配内容的结束位置
      groupdict() 获取捕获组字典,组名为键,对应内容为值
      groups() 获取子组对应内容
      group(n = 0)
        功能:获取match对象匹配内容
        参数:默认为0表示获取整个match对象内容,如果是序列号或者组名则表示获取对应子组内容
        返回值:匹配字符串
 
    
复制代码
import re

pattern = r"(ab)cd(?P<pig>ef)"

regex = re.compile(pattern)

# 生成match对象
obj = regex.search(abcdefghi, pos=0, endpos=7)

# 演示match对象方法
print(obj.start())
print(obj.end())
print(obj.span())
print(obj.groupdict())
print(obj.groups())
print(obj.group())#获取整个match对象内容
print(obj.group(1))#获取第一子组内容
print(obj.group(pig))#获取组名为pig的子组内容

0
6
(0,
6)
{
pig: ef}
(
ab, ef)
abcdef
ab
ef

复制代码
      
 
  3.flags参数
    
    1. 使用函数:re模块调用的匹配函数。如:re.compile,re.findall,re.search....
 
    2.作用:扩展丰富正则表达式的匹配功能
    
    3.常用flag
      A == ASCII 元字符只能匹配ascii码
 
      
复制代码
import re

s = “”“hello world
你好,北京
“””
# 只能匹配ASCII码字符
regex = re.compile(r\w+, flags=re.A)

l = regex.findall(s)

print(l)


[‘Hello’, ‘world’]

复制代码
 
      I == IGNORECASE 匹配忽略字母大小写
 
复制代码
import re

s = “”“Hello world
你好,北京
“””
# 匹配时忽略字母大小写
regex = re.compile(r[A-Z]+, flags=re.I)

l = regex.findall(s)

print(l)

[Hello, world]

复制代码
 
      S == DOTALL 使 . 可以匹配换行
 
复制代码
import re

s = “”“Hello world
你好,北京
“””
# 匹配时不可以匹配换行
regex = re.compile(r.+)

l = regex.findall(s)

print(l)

[Hello world, 你好,北京]

复制代码
复制代码
import re

s = “”“Hello world
你好,北京
“””
# 匹配时可以匹配换行
regex = re.compile(r.+,flags=re.S)

l = regex.findall(s)

print(l)

[Hello world\n你好,北京\n]

复制代码
 
      M == MULTILINE 使 ^ $可以匹配每一行的开头结尾位置
 
  
      
复制代码
import re

s = “”“Hello world
你好,北京
“””
# 匹配每一行的开头或者结尾
regex = re.compile(rworld$,flags=re.M)

l = regex.findall(s)

print(l)

[world]

复制代码
 
      X == VERBOSE 为正则添加注释
 
 
复制代码
import re

s = “”“Hello world
你好,北京
“””
# 匹配每一行的开头或者结尾

pattern
= r"""\w+ # 第一部分
\s+ # 第二部分
\w+ # 第三部分
“”"
regex
= re.compile(pattern,flags=re.X)

l = regex.findall(s)

print(l)

[Hello world]

复制代码
 
 
 
    4. 使用多个flag
      方法:使用按位或连接
        e.g. : flags = re.I | re.A
 
 
代码实例:
 
复制代码
"""
    匹配每段IP地址,要求:
        根据输入的每段首单词,获取IP地址
"""

import re
import sys

port = sys.argv[1]

f = open(1.txt)

# 找到port段落
while True:
data
= ‘’
for line in f:
if line != \n: # 不是空行
data += line
else:
break
if not data: # 文件结尾
print(Not Found the %s%port)
break

<span style="color: #008000;">#</span><span style="color: #008000;"> 匹配字符串首个单词</span>
key_word = re.match(r<span style="color: #800000;">'</span><span style="color: #800000;">\S+</span><span style="color: #800000;">'</span><span style="color: #000000;">,data).group()
</span><span style="color: #0000ff;">if</span> port ==<span style="color: #000000;"> key_word:
    </span><span style="color: #008000;">#</span><span style="color: #008000;"> 匹配目标内容</span>
    <span style="color: #008000;">#</span><span style="color: #008000;"> pattern = r"[0-9a-f]{4}\.[0-9a-f]{4}\.[0-9a-f]{4}"</span>
    pattern=r<span style="color: #800000;">"</span><span style="color: #800000;">(\d{1,3}\.){3}\d{1,3}/\d+|Unknow</span><span style="color: #800000;">"</span>
    <span style="color: #0000ff;">try</span><span style="color: #000000;">:
        address </span>=<span style="color: #000000;"> re.search(pattern,data).group()
        </span><span style="color: #0000ff;">print</span><span style="color: #000000;">(address)
    </span><span style="color: #0000ff;">except</span><span style="color: #000000;">:
        </span><span style="color: #0000ff;">print</span>(<span style="color: #800000;">"</span><span style="color: #800000;">No address</span><span style="color: #800000;">"</span><span style="color: #000000;">)
    </span><span style="color: #0000ff;">break</span></pre>
复制代码
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
    
<div id="blog_post_info">
0
0
<div class="clear"></div>
<div id="post_next_prev">

<a href="https://www.cnblogs.com/yuxiangyang/p/10864161.html" class="p_n_p_prefix">« </a> 上一篇:    <a href="https://www.cnblogs.com/yuxiangyang/p/10864161.html" title="发布于 2019-05-14 19:42">python     IO网络编程</a>
<br>
<a href="https://www.cnblogs.com/yuxiangyang/p/10885385.html" class="p_n_p_prefix">» </a> 下一篇:    <a href="https://www.cnblogs.com/yuxiangyang/p/10885385.html" title="发布于 2019-05-18 12:46">python并发编程基础</a>
posted @ 2019-05-17 10:47  一如年少模样  阅读( 1089)  评论( 0编辑  收藏
发布了258 篇原创文章 · 获赞 7 · 访问量 2万+

猜你喜欢

转载自blog.csdn.net/kyle1314608/article/details/104516192