【python高级基础 笔记】正则表达式
目录
6. re高级用法（search、findall、sub、split...）
在Python中需要通过正则表达式对字符串进行匹配的时候，可以使用一个模块，名字为re。
1. re模块
re模块的使用：
#coding=utf-8
# 导入re模块
import re
# 使用match方法进行匹配操作
result = re.match(正则表达式,要匹配的字符串)
# 如果上一步匹配到数据的话，可以使用group方法来提取数据
result.group()re模块示例(匹配以hello开头的语句)：
#coding=utf-8
import re
result = re.match(r"hello","hello python") # 'r'是防止字符转义的(转义字符无效)
result.group()运行结果：hello
re.match函数：
re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。
函数语法：
re.match(pattern, string, flags=0)
pattern 匹配的正则表达式 string 要匹配的字符串。 flags 标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。
标志位可参考：https://www.runoob.com/python3/python3-reg-expressions.html#flags
2. 匹配单个字符
正则表达式的单字符匹配：
| 字符 | 功能 |
|---|---|
| . | 匹配任意1个字符（除了\n） |
| [ ] | 匹配[ ]中列举的字符 |
| \d | 匹配数字，即0-9 |
| \D | 匹配非数字，即不是数字 |
| \s | 匹配空白，即 空格，tab键 |
| \S | 匹配非空白 |
| \w | 匹配单词字符，即a-z、A-Z、0-9、_ |
| \W | 匹配非单词字符 |
注意到：大写字母的匹配字符 与 小写字母的匹配字符 功能刚好相反。
3. 匹配多个字符
匹配多个字符的相关格式
| 字符 | 功能 |
|---|---|
| * | 匹配前一个字符出现0次或者无限次，即可有可无 |
| + | 匹配前一个字符出现1次或者无限次，即至少有1次 |
| ? | 匹配前一个字符出现1次或者0次，即要么有1次，要么0次 |
| {m} | 匹配前一个字符出现m次 |
| {m,n} | 匹配前一个字符出现从m到n次 |
示例1：*
需求：匹配出，一个字符串第一个字母为大写字母，后面都是小写字母并且这些小写字母可有可无。
#coding=utf-8
import re
ret = re.match("[A-Z][a-z]*","M")
print(ret.group())
ret = re.match("[A-Z][a-z]*","MnnM")
print(ret.group())
ret = re.match("[A-Z][a-z]*","Aabcdef")
print(ret.group())运行结果：
M
Mnn
Aabcdef4.匹配开头结尾
| 字符 | 功能 |
|---|---|
| ^ | 匹配字符串开头 |
| $ | 匹配字符串结尾 |
4.1. 实例 判断变量名是否符合要求
import re
def main():
names = ["age", "_age", "1age", "age1", "a_age", "age_1_", "age!", "a#123", "__________"]
for name in names:
# ret = re.match(r"[a-zA-Z_][a-zA-Z0-9_]*", name) # 有弊端，开头符合后，后面的没有强制要求判断，即不一定能判断到结尾
# ^规定开头 $规定结尾
# python中的match默认是从头开始判断的所以，在match中可以不写^，但是match不会判断结尾，所以
# 当需要以xxx结尾的时候 还需要写上$
ret = re.match(r"^[a-zA-Z_][a-zA-Z0-9_]*$", name) # 满足匹配则有返回值
if ret:
print("变量名:%s 符合要求....通过正则匹配出来的数据是:%s" % (name, ret.group()))
else:
print("变量名:%s 不符合要求...." % name)
if __name__ == "__main__":
main()
运行结果：
变量名:age 符合要求....通过正则匹配出来的数据是:age
变量名:_age 符合要求....通过正则匹配出来的数据是:_age
变量名:1age 不符合要求....
变量名:age1 符合要求....通过正则匹配出来的数据是:age1
变量名:a_age 符合要求....通过正则匹配出来的数据是:a_age
变量名:age_1_ 符合要求....通过正则匹配出来的数据是:age_1_
变量名:age! 不符合要求....
变量名:a#123 不符合要求....
变量名:__________ 符合要求....通过正则匹配出来的数据是:__________4.2 实例 匹配邮箱地址
匹配163的邮箱地址，且@符号之前有4到20位 英文字母、数字或下划线，例如[email protected]。
import re
def main():
email = input("please input e-mail addres:")
# 如果在正则表达式中需要用到了某些普通的字符，比如 . 比如? 等，仅仅需要在他们前面添加一个 反斜杠进行转义
ret = re.match(r"[a-zA-Z_0-9]{4,20}@163\.com$", email)
# ret = re.match(r"[\w]{4,20}@163.com$", email) # \w会匹配中文?不行? 实测可用\w
if ret:
print("%s 符合要求." % email)
else:
print("%s 不符合要求." % email)
if __name__ == "__main__":
main()
5. 匹配分组
| 字符 | 功能 |
|---|---|
| | | 匹配左右任意一个表达式 |
| (ab) | 将括号中字符作为一个分组 (匹配括号内的表达式，也表示一个组) |
\num |
引用分组num匹配到的字符串 |
(?P<name>) |
分组起别名 |
| (?P=name) | 引用别名为name分组匹配到的字符串 |
5.1. | 实例：匹配出0-100之间的数字。
# coding=utf-8
# 目标：匹配出0-100之间的数字。
import re
ret = re.match("[1-9]?\d","8") # 这样写匹配不到100（三位数）,匹配不了结尾
print(ret.group()) # 8
ret = re.match("[1-9]?\d","78")
print(ret.group()) # 78
# 不正确的情况
ret = re.match("[1-9]?\d","08")
print(ret.group()) # 0 ，?匹配前一个字符出现1次或者0次，本处出现0次，符合匹配。为什么返回的是0而不是08？
# 修正之后的
ret = re.match("[1-9]?\d$","08") # 还是匹配不到100（三位数）
if ret:
print(ret.group())
else:
print("不在0-100之间")
# 添加|
ret = re.match("[1-9]?\d$|100","8")
print(ret.group()) # 8
ret = re.match("[1-9]?\d$|100","78")
print(ret.group()) # 78
ret = re.match("[1-9]?\d$|100","08")
# print(ret.group()) # 不是0-100之间
ret = re.match("[1-9]?\d$|100","100")
print(ret.group()) # 1005.2. ( )实例：
1). 匹配出163、126、qq邮箱
import re
ret = re.match("\w{4,20}@163\.com", "[email protected]")
# \w匹配单词字符，即a-z、A-Z、0-9、_ ，此处匹配@符号之前有4到20位 英文字母、数字或下划线
print(ret.group()) # [email protected]
ret = re.match("\w{4,20}@(163|126|qq)\.com", "[email protected]") # |匹配左右任意一个表达式
print(ret.group()) # [email protected]
ret = re.match("\w{4,20}@(163|126|qq)\.com", "[email protected]")
print(ret.group()) # [email protected]
ret = re.match("\w{4,20}@(163|126|qq)\.com", "[email protected]") # 不匹配时无返回
if ret:
print(ret.group())
else:
print("不是163、126、qq邮箱") # 不是163、126、qq邮箱执行结果：
[email protected]
[email protected]
[email protected]
不是163、126、qq邮箱2). 提取区号和电话号码
import re
ret = re.match("([^-]*)-(\d+)","010-12345678")
# [^-]匹配除了-外的字符；*匹配前一个字符出现0次或者无限次；+匹配\d(数字)1次或者无限次
print(ret.group()) # 010-12345678
print(ret.group(1)) # 010
print(ret.group(2)) # 12345678
注：[^...] ：匹配不在[]中的字符。
如：[^abc] 匹配除了a,b,c之外的字符；[^-]匹配除了-外的字符。
5.3. \实例
\num实例：
需求：匹配出<html><h1>hello</h1></html
import re
labels = ["<html><h1>hello</h1></html>", "<html><h1>hello</h2></html>"]
for label in labels:
ret = re.match(r"<(\w*)><(\w*)>.*</\2></\1>", label)
if ret:
print("%s 是符合要求的标签" % ret.group())
else:
print("%s 不符合要求" % label)
注：正则表达式内，第一个()是分组1，用\1匹配；第2个()是分组2，用\2匹配。
输出：
<html><h1>hello</h1></html> 是符合要求的标签
<html><h1>hello</h2></html> 不符合要求
注：\num引用分组num匹配到的字符串。正则表达式内，第一个()是分组1，用\1匹配；第2个()是分组2，用\2匹配。
5.4. (?P<name>) (?P=name)实例
(?P<name>)分组起别名、(?P=name)引用别名为name分组匹配到的字符串。
需求：匹配出<html><h1>hello</h1></html>
#coding=utf-8
import re
ret = re.match(r"<(?P<name1>\w*)><(?P<name2>\w*)>.*</(?P=name2)></(?P=name1)>", "<html><h1>hello</h1></html>")
print(ret.group()) # <html><h1>hello</h1></html>
ret = re.match(r"<(?P<name1>\w*)><(?P<name2>\w*)>.*</(?P=name2)></(?P=name1)>", "<html><h1>hello</h2></html>")
# print(ret.group()) # 不匹配，异常
解释：(?P<name1>\w*) 给分组起别名name1，分组匹配\w 0次或者无限次；(?P=name1)引用别名为name1分组匹配到的字符串。
6. re高级用法（search、findall、sub、split...）
6.1. search
re.search 扫描整个字符串并返回第一个成功的匹配：re.search(pattern, string, flags=0)
匹配成功re.search方法返回一个匹配的对象，否则返回None。
我们可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。
re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配。
实例：匹配出文章阅读的次数。
# coding=utf-8
import re
ret = re.search(r"\d+", "阅读次数为 9999")
print(ret.group()) # 9999
6.2. findall
在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。
（注： match 和 search 是匹配一次 findall 匹配所有。）
re.findall(string[, pos[, endpos]])
- string 待匹配的字符串。
- pos 可选参数，指定字符串的起始位置，默认为 0。
- endpos 可选参数，指定字符串的结束位置，默认为字符串的长度。
实例：统计出python、c、c++相应文章阅读的次数
#coding=utf-8
import re
ret = re.findall(r"\d+", "python = 9999, c = 7890, c++ = 12345")
print(ret) # ['9999', '7890', '12345']
注：返回值是列表，不需要group。
6.3. sub
Python 的re模块提供了re.sub用于替换字符串中的匹配项。
re.sub(pattern, repl, string, count=0, flags=0)
- pattern : 正则中的模式字符串。
- repl : 替换的字符串，也可为一个函数。
- string : 要被查找替换的原始字符串。
- count : 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配。
- flags : 编译时用的匹配模式，数字形式。
前三个为必选参数，后两个为可选参数。
简单说：拿pattern和string匹配，匹配的结果换成repel，再把替换后的整个字符串返回。
实例：将匹配到的阅读次数加1。
# coding=utf-8
import re
ret = re.sub(r"\d+", '998', "python = 997")
print(ret) # python = 998
repl 换成函数：
# coding=utf-8
import re
def add(temp):
strNum = temp.group() # 取出匹配到的值
num = int(strNum) + 1
return str(num)
ret = re.sub(r"\d+", add, "python = 997") # 匹配到了，则调add函数(匹配出来的对象传给函数)，函数返回值用来替换
print(ret) # python = 998
ret = re.sub(r"\d+", add, "python = 99")
print(ret) # python = 100
实例：从下面的字符串中取出文本
<div><p>技术要求：</p>
<p>1、一年以上 Python 开发经验，掌握面向对象分析和设计，了解设计模式</p>
<p>2、掌握HTTP协议，熟悉MVC、MVVM等概念以及相关WEB开发框架</p>
<p>3、掌握关系数据库开发设计，掌握 SQL，熟练使用 MySQL/PostgreSQL 中的一种<br></p>
<p>4、掌握NoSQL、MQ，熟练使用对应技术解决方案</p>
<p>5、熟悉 Javascript/CSS/HTML5，JQuery、React、Vue.js</p>
<p> <br></p></div>
# coding=utf-8
import re
string =r"<div><p>技术要求：</p><p>1、一年以上 Python 开发经验，掌握面向对象分析和设计，了解设计模式</p><p>2、掌握HTTP协议，熟悉MVC、MVVM等概念以及相关WEB开发框架</p><p>3、掌握关系数据库开发设计，掌握 SQL，熟练使用 MySQL/PostgreSQL 中的一种<br></p><p>4、掌握NoSQL、MQ，熟练使用对应技术解决方案</p><p>5、熟悉 Javascript/CSS/HTML5，JQuery、React、Vue.js</p><p> <br></p></div>"
ret = re.sub(r"<[^>]*>| |\n", "", string)
# [^>]*匹配除了>之外的字符,<[^>]*>即匹配<...>。总体匹配<...>、空格、换行
print(ret)
注：...
6.4 split
根据匹配进行切割字符串，并返回一个列表。即按照能够匹配的子串将字符串分割后返回列表。
re.split(pattern, string[, maxsplit=0, flags=0])
- pattern：匹配的正则表达式；
- string：要匹配的字符串；
- maxsplit：分隔次数，maxsplit=1 分隔一次，默认为 0，不限制次数；
- flags：标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。
实例：按照：和 (空格)切割字符串“info:xiaoZhang 33 shandong”
# coding=utf-8
import re
ret = re.split(r":| ","info:xiaoZhang 33 shandong")
print(ret) # ['info', 'xiaoZhang', '33', 'shandong']
更多可参考菜鸟教程：https://www.runoob.com/python3/python3-reg-expressions.html#flags
----------end-------------
