码库记事本

码库记事本

Python基础11——正则表达式

小诸哥 0

19 正则表达式

19.1 正则基础

正则表达式: 字符串处理工具

应用场景

  1. html查询
  2. 验证字符串是否符合规则

re 模块

match方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
# 通过正则表达式对字符串进行匹配
 
import re
 
# 使用match方法进行匹配操作
# re.match() 从字符串的开始位置进行匹配,
# 匹配成功,返回match对象。
# 匹配失败,返回None
# res = re.match(正则表达式,要匹配的字符串)
# 匹配到数据,使用group方法提取数据
# print(res.group())
 
# 例子,判断字符串是否满足正则表达式。 只会从开头进行匹配
name = re.match("卡","卡夫卡")
print(name) #打印match对象
print(name.group()) #打印匹配到的数据
 
name = re.match("卡","夫卡")
print(name) # None
 
name = re.match("fire","firefox")
print(name.group())  #返回fire

19.1.2 匹配单个字符

字符功能
.匹配任意1个字符(\n除外)
[ ]匹配[ ]中列举的字符
\d匹配数字0,1,2,3,4,5,6,7,8,9
\D匹配非数字,即不是数字
\s匹配空白,即 空格 和 tab键
\S匹配非空白
\w匹配单词字符,即a-z,A-Z,0-9,_,汉字
\W匹配非单词字符
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
res = re.match(".","年轻人不讲武德")
print(res.group()) # 匹配第一个字符
# 年
 
res = re.match("..","年轻人不讲武德")
print(res.group()) # 匹配前两个字符
# 年轻
 
# [] 匹配 [ ]中列举的字符
res = re.match('[网东]','网上的东西都是虚拟的')
print(res.group()) # 网
 
# 匹配数字
res = re.match('\d','你好啊,123456')
res = re.match('[0-9]','你好啊,123456')
res = re.match('[0-46-9]','你好啊,123456') #不匹配数字5
res = re.match('[a-zA-Z]','Hello') #匹配所有的大小写字母
 
# 匹配数字0,1,2,3,4,5,6,7,8,9
res = re.match('\d','123456')
 
# 匹配非数字
res = re.match('\D','105°的蒸馏水')
 
# 匹配空白
res = res.match("\s","匹配空白 的字符串")
 
# 匹配非空白
res = res.match("\S","匹配空白 的字符串")
 
# 匹配单词字符
res = res.match("\w","匹配空白 的字符串")
# 匹配非单词字符
res = res.match("\W","匹配空白 的字符串")

19.1.3 匹配多个字符

字符功能
*出现0次到无限次
+出现1次到无限次
?出现0次或者出现1次
{m}出现m次
{m,n}出现m次n次
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
# 匹配多个字符
# 1 * 匹配前一个字符出现0次或者无限次
 
import re
 
res = re.match("\w","小白")
print(res.group())
 
res = re.match("\w*","小白") #\w出现0次到无限次
print(res.group())
 
res = re.match("\d*","小王")
print(res.group())
 
res = re.match("\d+","哈哈哈123")
print(res.group())
 
 
res = re.match("\s?","123456")
print(res.group())
 
 
# {m}匹配前一个字符出现m次
res = re.match("\w{6}","qwerty123") #出现6次
print(res.group())
 
res = re.match("\w{6,12}","qwerty123") #最少是6位,最多是12位
print(res.group())

19.1.4 匹配开头和结尾

字符功能
^匹配字符串开头
$匹配字符串结尾
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
# 1. ^ 匹配字符串开头
# ^ 表示以什么开头、表示对什么取反
 
import re
res = re.match("^ab","abcd") #表示以ab开头
 
# 注意 ^在[]中才表示不匹配
res = re.match('[^ab]','abcd') # 表示匹配不是ab的字符
print(res.group())
 
# [abc] 表示满足abc中的一个
# ^[abc] 开头满足abc中的一个
# [^abc] 匹配除了abc之外的字符
 
 
res = re.match(".*e$","hello")  #以e结尾
print(res.group())

19.2 高级用法

19.2.1 匹配分组

字符功能
|匹配左右任意一个表达式
(ab|cd)将括号中字符作为一个分组
\num引用分组num匹配到的字符串
(?P)分组起别名
(?P=name)引用别名为name分组匹配到的字符串
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
import re
 
# | 匹配左右任意一个表达式
 
res = re.match("\d","10")
print(res.group())
 
 
# 满足\d 和 100 中任意一个即可
res = re.match("\d|100","100")
print(res.group())
 
res = re.match("\w*","[email protected]")
print(res.group())
 
# 满足 qq 、163 、 129 满足任意一个即可
res = re.match("\w@(qq|163|129).com","[email protected]")
print(res.group())
 
# (\w*) 是一个分组 , \1则引用第一个分组,即(\w*)
# 所以<(\w*)>\w*</\1>  等价于  <(\w*)>\w*</(\w*)>
res = re.match(r"<(\w*)>\w*</\1>","<html>python</html>")
 
 
# <(\w*)>(\d*)</\2> 等价于 <(\w*)>(\d*)</(\d*)>
# res = re.match(r"<(\w*)>(\d*)</\2>","<html>python</html>")
 
 
# (?P<name>)
# 给(\w*) 起别名n1 ,  通过?P=n1 引用标签n1
res = re.match(r"<(?P<n1>\w*)>\w*</?P=n1>","<html>python</html>")

举例 匹配.com 或 .cn后缀的网址

1
2
3
4
5
li = ["www.baidu.com","www.123.com","www.taobao.com","www.en.n"]
 
for each in li:
    res = re.match('.*(.com|.cn)',each)
    print(res.group())

19.2.2 其他函数

  1. match 从头开始匹配 返回object 匹配一次 ,最不常用
  2. search() 会扫描整个字符串并返回第一个成功的匹配, 较常用
  3. findall() 以列表形式返回匹配到的字符串, 最常用
  4. sub() 将匹配到的数据进行替换
  5. split() 根据匹配进行切割字符串,并返回一个列表
1
2
3
4
5
6
7
8
9
10
11
12
13
# search 函数 和 match函数有点类似
# match  函数: 从开始位置匹配
# search 函数:扫描全部,找到第一个匹配成功的数据
 
res1 = re.match("ab","12abwe")
res2 = re.search("ab","12abwe")
print(res1.group())
print(res2.group())
 
# findall()  以列表形式返回匹配到的字符串
# 从头到尾匹配,找到所有匹配成功的数据,返回一个列表
res = re.findall('ab','12abweabty')
print(res)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
# sub()  将匹配到的数据进行替换
# sub(正则表达式,新内容,字符串,指定替换的次数)
res = re.sub("5","800","今天打了5把斗地主") #把5替换为800
print(res)
 
res = re.sub("\d","800","今天打了5把斗地主") #所有的数字都换成800
print(res)
 
res = re.sub("\d","800","今3天打了5把斗4地主",2) #只把前2个数字替换为800
print(res)
 
 
 
 
# split(正则表达式,字符串,指定的最大分割次数)
res = re.split(';','a b;c 12') #按照;进行分割
print(res)
 
res = re.split("\d",'das1sda2w6sq') #按照数字进行分割
print(res)
 
res = re.split("\d",'das1sda2w6sq',2) #只切割前2个

19.3 贪婪与非贪婪

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,采用贪婪模式

非贪婪模式:在满足匹配时,匹配尽可能短的字符串,使用**?**来表示非贪婪匹配

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
# 贪婪匹配
res = re.match("ab*","abbbbb")
print(res.group())
# 输出结果
# abbbbb
 
 
# 非贪婪匹配
# 在 * , + , {m,n} 等后面加上? ,表示使贪婪变成非贪婪
res = re.match("ab*?","abbbbb") #非贪婪匹配
print(res.group())
# 输出结果
# a
 
res = re.match("ab+?","abbbbb")
print(res.group())
# 输出结果
# ab
 
res = re.match("t{2,4}?","tttttt")  #非贪婪匹配
print(res.group())
# 输出结果
# tt

19.4 原生字符串

在字符串前加上r表示原生字符串

1
2
3
4
5
# 正则表达式中,需要匹配\那么需要用到 \\\\  进行匹配
res = re.match('\\\\de','\def')
res = re.match(r"\\de",'\def')
 
res = re.match(r"c:\\","c:\a\b")

标签: 正则表达式 python