热门标签
热门文章
- 1赠书 | 程序员修炼的务实哲学
- 2Unity开发安卓游戏（2）：基于安卓游戏的优化方案总结
- 3零代码上线小布对话技能：技能平台的实践与思考_语音助手技能开发管理平台
- 4K8S中的网络_k8s网络
- 5项目管理神器——Confluence篇_conf什么工作空间
- 6python创建窗口接收消息延迟_解决python tkinter 与 sleep 延迟问题
- 7关于小程序mock数据测试手机调试不显示数据问题_小程序云测 mock 失败
- 8驱动工程师面试_c驱动初级工程师面试问题
- 9UnityShader_多重编译_skip_variants
- 10卷积神经网络中的图像特征——以YOLOv5为例进行可视化_yolov5在测试的时候,怎么把所有图片上的标注都可视化出来
当前位置: article > 正文
Python3：正则表达式_python3 正则表达式
作者：AllinToyou | 2024-02-27 14:52:28
赞
踩
python3 正则表达式
正则表达式基本
# 正则表达式 """ 1、正则表达式的定义： 正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特殊字符、及这些特定字符的组合，组成一个”规则字符串“，这个”规则字符串“用来表达对字符串的一种过滤逻辑。 正则表达式是对字符串（包括普通字符（类如a-z之间的字母）和特殊字符（成为”元字符“））操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一 个”规则字符串“，这个“规则字符串”用来表达对字符串的一种过滤逻辑。正则表达式是一种文本模式，模式描述在搜索文本时要匹配一个或者多个字符串。 正则表达式，又称正则表示式、正规表示式、规则表达式、常规表示法（英文：Regular Expression，在代码中regex、regexp或RE）是计算机科学一种概念。正则表达式使用单个 字符串来描述、匹配一系列匹配某个句法规则的字符串。在很多文本编辑器里，正则表达式通常被用来检索、替换哪些匹配某个模式的文本。 Regular Expression ”Regular“ 一般被翻译为”正则“、”正规“、”常规“。此处的”Regular“即是”规则“、”规律”的意思 Regular Expression即“描述某种规则的表达式”之意 正则在所有语言中都有的内容 2、正则表达式的作用和特点 给定一个正则表达式和一个字符串，可以达到如下目的 1）给定的字符串是否符合正则表达式的过滤逻辑（成为“匹配”） 2) 可以通过正则表达式，从字符串中获取我们想要的特定部分 正则表达式的特点： 1)灵活性、逻辑性和功能性非常强 2）可以迅速用极简单的方法达到字符串的复杂控制 3)对于刚接触的人比较晦涩难懂 场景： 如何判断一个字符串是手机号? 判断邮箱为163或者126的所有邮件地址 假如你在写一个爬虫，你得到了一个网页的HTML源码，其中有一段 s = "<html><body><h1>hello world</h1></body></html>" 你想要把这个hello world 提取出来，但你这时如果只会python 的字符串处理，那么第一反应可能是 s = "<html><body><h1>hello world</h1></body></html>" start_index = s.find('<h1>') python re模块 \A:表示从字符串的开始处匹配 \Z: 表示从字符串的结束处匹配，如果存在换行，只匹配到换行前的结束字符串 \b: 匹配一个单词边界，也就是指单词和空格间的位置。例如，‘py\b’ 可以匹配”python“中的”py“，但不能匹配”openpyxl“中的”py“ \B: 匹配非单词边界。”py\b“ 可以匹配”openpyxl“ 中的”py“， 但不能匹配”python“ 中的”py“。 \d:匹配任意数字，等价于[0-9]. digit \D:匹配任意非数字字符，等价于[^\d] not digit \s:匹配任意空白字符，等价于[\t\n\r\f]. space \S:匹配任意非空白字符，等价于【^\s】. \w:匹配任意字母数字及下划线，等价于[a-zA-Z0-9_] word \W:匹配任意非字母数字及下划线，等价于[^\w] \\:匹配原意的反斜杠\。 ".":用于匹配换行符(\n)之外的字符。 (任意字符除了\n) 注意： . 必须被转义否则会匹配任意字符 建议\. "^":方括号里边是非； 用于匹配字符串的开始 "$":用于匹配字符串的末尾(末尾如果有换行符\n,就匹配\n前面的那个字符)，即行尾 "*" 用于将前面的模式匹配0此或多次（贪婪模式：即尽可能多匹配） "+" 用于将前面的模式匹配1此或者多次（贪婪模式） "?" 用于将前面的模式匹配0此或者1次（贪婪模式） "*?,+?,??" 即上面三种特殊字符的非贪婪模式（尽可能少的匹配） “{m,n}” 用于将前面的模式匹配m次到n次（贪婪模式），即最小匹配m次，最大匹配n次。 “{m,n}?” 即上面“{m,n}”的非贪婪版本 \\: '\'是转义字符，在特殊字符前面加\,特殊字符就失去了其所代表的含义，比如\+就仅仅代表加号+本身 []:用于标识一组字符，如果^是第一个字符，则标示的是一个补集。比如[0-9]标示所有的数字，[^0-9]标识除了数字外的字符。 |:比如A|B用于匹配A或者B (...):用于匹配括号中的模式，可以在字符串中检索或匹配我们所需要的内容。 [] :表示范围 [abc][a-z] [a-z*&]或者的关系 、表示单个字母而不是但单词 |：或者 ()：# (qq|163|126) 小括号表示整体返回的或者 qq 或者163 或者126 量词： * >=0 + >=1 ？ 0,1 {m} 固定几位 {m,} >=m {m,n} m<= x <=n 正则符号： 注意： \d [a-z] 指标是一个字符 . 必须被转义否则会匹配任意字符 建议\. Python里数量词默认是贪婪模式（在少数语言里也可能是默认非贪婪），总是尝试匹配尽可能多的字符； 非贪婪则相反，总是尝试匹配尽可能少的字符。 在”*“，”？“，"+" {m,n}后面加？，使贪婪变成非贪婪 """ # 使用正则表达式验证qq的合法性验证 qq = input("请输入你的QQ号码：") if len(qq) >= 5 and not qq.startswith("0"): # qq[0] !='0' print("qq号码是合法的") else: print("不合法") # 正则表达式 import re message = 'sanduo lily lucy' pattern = re.compile('lily') # 匹配失败：none # pattern = re.compile('sanduo') # 匹配成功：<re.Match object; span=(0, 6), match='sanduo'> result = pattern.match(message) # 没有匹配返回空（从头开始匹配） print(result) # 正则模块的方法re ： match re_match = re.match("sanduo", message) # 从头开始匹配，没有就返回None print(re_match) # <re.Match object; span=(0, 6), match='sanduo'> re_search = re.search("lily", message) # <re.Match object; span=(7, 11), match='lily'> #匹配的是整个字符串（从头一直找到尾） print(re_search) print(re_search.span()) # (7, 11) span 是匹配的位置；翻译一个位置 print(re_search.groups()) # () 空元组 print(re_search.group()) # 使用group提取匹配的数据 # a2b h6k msg = 'bckshsaa cinlwn&nel*223jluin8819jhunk21nlini' result = re.findall('[a-z][0-9]+[a-z]', msg) print(result) # ['n8819j', 'k21n'] # 用户名可以是字母或者数字，不能是数字开头，用户长度必须是6位以上['a-zA-Z\[d|a-zA-Z]{5,}'] name1 = '0Asanduo123' name2 = "SanDUuo123" name3 = "SanDUuo123#&" # 必须用$符号结尾 name4 = "123SanDUuo123#&" # 必须用^符号限制开始 name1_result = re.match("[a-zA-Z][0-9a-zA-Z]{5,}", name1) # name1_result None print("name1_result", name1_result) name2_result = re.match("[a-zA-Z][0-9a-zA-Z]{5,}", name2) # <re.Match object; span=(0, 10), match='1008001917'> print("name2_result", name2_result) name3_result = re.match("[a-zA-Z][0-9a-zA-Z]{5,}$", name3) # match $ 限定结尾；name3_result None print("name3_result", name3_result) name4_result = re.search("^[a-zA-Z][0-9a-zA-Z_]{5,}$", name4) # 如果是search：^ 限定开始 name4_result None print("name4_result", name4_result) name4_result = re.search("^[a-zA-Z]\w{5,}$", name4) # 如果是search：^ 限定开始 name4_result None print("name4_result", name4_result) # qq号码校验 5-11位 开头不能是0 qq = "1008001917" qq_match = re.match("^[1-9][0-9]{4,10}$", qq) print(qq_match) # <re.Match object; span=(0, 10), match='1008001917'> msg = "aa.py ab.txt bbb.py cc.py DD*py" msg_border = re.findall("py\\b", msg) # py\\b 等价 r"py\b" print(msg_border) # ['py', 'py', 'py', 'py'] msg_border = re.findall(r"\w*\.py\b", msg) # ｒ不发生转义 . 必须被转义否则会匹配任意字符 建议\. print(msg_border) # ['aa.py', 'bbb.py', 'cc.py'] # 手机号码正则 phone = "18700191127" match_none = re.match(r"^1[35789]\d{9}$", phone) print("match_none", match_none) # match_none <re.Match object; span=(0, 11), match='18700191127'> print("贪婪非贪婪操作".center(20, "*")) msg = "abc123adrd" msg_match = re.match(r"[a-z]+\d+", msg) # 贪婪模式：默认 只要后面有符合条件的，就往后面取 print(msg_match) # <re.Match object; span=(0, 6), match='abc123'> msg_match = re.match(r"[a-z]+\d+?", msg) # 非贪婪模式：将贪婪模式变成非贪婪模式 加 “?” 只要发现就停止了，不会在给后面匹配了 print(msg_match) # <re.Match object; span=(0, 4), match='abc1'> path = '<img class="main_img img-hover" data-imgurl="http://t14.baidu.com/it/u=963524666,2960549705&fm=224&app=112&f=JPEG?w=500&h=500" src="http://t14.baidu.com/it/u=963524666,2960549705&fm=224&app=112&f=JPEG?w=500&h=500" style="width: 151px; height: 160px;">' img_match = re.match(r'<img class="main_img img-hover" data-imgurl=(.+) src=(.+?)"', path) print(img_match) print(img_match.groups()) print(img_match.group(1))# http://t14.baidu.com/it/u=963524666,2960549705&fm=224&app=112&f=JPEG?w=500&h=500 print(img_match.group(2)) # http://t14.baidu.com/it/u=963524666,2960549705&fm=224&app=112&f=JPEG?w=500&h=500 # 链接有逗号报错：requests.exceptions.InvalidSchema: No connection adapters were found for image_url = img_match.group(1) import requests response = requests.get("http://bpic.588ku.com/webpage_pic/22/06/29/b5a3b7ea8e66fa74090d7e1269a2b478.jpg") # response = requests.get(image_url) # requests.exceptions.InvalidSchema: No connection adapters were found for print(response) with open('aa.jpg', 'wb') as write_stream: # print(response) write_stream.write(response.content)
- 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
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
- 57
- 58
- 59
- 60
- 61
- 62
- 63
- 64
- 65
- 66
- 67
- 68
- 69
- 70
- 71
- 72
- 73
- 74
- 75
- 76
- 77
- 78
- 79
- 80
- 81
- 82
- 83
- 84
- 85
- 86
- 87
- 88
- 89
- 90
- 91
- 92
- 93
- 94
- 95
- 96
- 97
- 98
- 99
- 100
- 101
- 102
- 103
- 104
- 105
- 106
- 107
- 108
- 109
- 110
- 111
- 112
- 113
- 114
- 115
- 116
- 117
- 118
- 119
- 120
- 121
- 122
- 123
- 124
- 125
- 126
- 127
- 128
- 129
- 130
- 131
- 132
- 133
- 134
- 135
- 136
- 137
- 138
- 139
- 140
- 141
- 142
- 143
- 144
- 145
- 146
- 147
- 148
- 149
- 150
- 151
- 152
- 153
- 154
- 155
- 156
- 157
- 158
- 159
- 160
- 161
- 162
- 163
- 164
- 165
- 166
- 167
- 168
- 169
- 170
- 171
- 172
- 173
- 174
- 175
- 176
- 177
- 178
- 179
- 180
- 181
- 182
- 183
- 184
- 185
- 186
- 187
- 188
- 189
- 190
- 191
- 192
- 193
- 194
- 195
- 196
- 197
正则表达式：分组
# 分组匹配 """ group：() 两种：（number 、name） 分组：() -->result.group(1) 获取组中的匹配内容 名字匹配 分组的时候可以结合 | phone = "010-12345667" match_phone = re.match(r"(\d{3}|\d{4})-(\d{8})$", phone) print(match_phone) # <re.Match object; span=(0, 12), match='010-12345667'> 不需要引用分组的内容：引用匹配 msg = "<html><h1>abc</h1></html>" result_msg = re.match(r"<([0-9a-zA-Z]+)><([0-9a-zA-Z]+)>(.+)</\2></\1>$", msg) print(result_msg) # <re.Match object; span=(0, 25), match='<html><h1>abc</h1></html>'> print(result_msg.group(1)) 引用分组匹配的内容： 1、number （标签少） \number 引用第number组的内容 msg = "<html><h1>abc</h1></html>" result_msg = re.match(r"<([0-9a-zA-Z]+)><([0-9a-zA-Z]+)>(.+)</\2></\1>$", msg) 2、?P<名字>（标签多） s = "<html><body><h1>hello world</h1></body></html>" s_match = re.match(r"<(?P<name1>\w+)><(?P<name2>\w+)><(?P<name3>\w+)>(.+)</(?P=name3)></(?P=name2)></(?P=name1)>", s) print(s_match) # <re.Match object; span=(0, 46), match='<html><body><h1>hello world</h1></body></html>'> print(s_match.group(1)) re模块： match:从头匹配到尾，只匹配一次 search：找到第一个就停止查找，并返回：只匹配一次 findall：查找所有 sub（正则表达式、需要替换的新内容或者函数、原字符串）:替换 split：字符串中搜索如果遇到 空格 就分割，将分割的类容都保存到列表中 re_split = re.split(r" ", "java:80 python:70") # 空格 print(re_split) # ['java:80', 'python:70'] split(pattern,str)-->[] """ import re # 匹配数字0-100 n = "50" re_match = re.match(r"[1-9]?\d", n) print(re_match) # <re.Match object; span=(0, 2), match='50'> nu = "09" re_match = re.match(r"[1-9]?\d", nu) print(re_match) # <re.Match object; span=(0, 1), match='0'> 有问题 num = "100" re_match = re.match(r"[1-9]?\d", num) # <re.Match object; span=(0, 2), match='10'> print(re_match) re_match = re.match(r"[1-9]+\d*", num) # <re.Match object; span=(0, 2), match='10'> print(re_match) # <re.Match object; span=(0, 3), match='100'> # 改进版 new_num = "100" re_match = re.match(r"[1-9]?\d?$|100$", new_num) # <re.Match object; span=(0, 3), match='100'> print(re_match) # <re.Match object; span=(0, 2), match='10'> # 验证邮箱163 qq 126 email = "123@qq.com" match_email = re.match(r"\w+@(qq|163|126).com$", email) # (qq|163|126) 小括号表示整体返回的或者 print(match_email) # <re.Match object; span=(0, 10), match='123@qq.com'> # 邮件名称必须大于5位，小于20位 email = "1006779691@163.com" match_email = re.match(r"\w{5,20}@(qq|163|126)\.com$", email) # (qq|163|126) 小括号表示整体返回的或者 print(match_email) # <re.Match object; span=(0, 18), match='1006779691@163.com'> print("正则分组操作".center(20, "*")) # group # a2b h6k msg = 'bckshsaa cinlwn&nel*223jluin8819jhunk21nlini' result = re.search(r"[a-z]\d+[a-z]", msg) # search只要找到就停下了 # print(result) print(result.group()) # ['n8819j', 'k21n'] result = re.findall(r"[a-z]\d+[a-z]", msg) # findall查找字符串中所有 print(result) # ['n8819j', 'k21n'] result = re.match(r"[a-z]\d+[a-z]", msg) # search只要找到就停下了 print(result) # print(result.group()) # ['n8819j', 'k21n'] # qq号码验证5-11位；0不能开头 qq = "1234" qq = "100799979" result = re.match(r"^[1-9]\d{4,10}$", qq) # <re.Match object; span=(0, 9), match='100799979'> print(result) # 分组起名：用起名的方式处理 (?P<名字>正则) 引用(?P=名字) s = "<html><body><h1>hello world</h1></body></html>" s_match = re.match(r"<(?P<name1>\w+)><(?P<name2>\w+)><(?P<name3>\w+)>(.+)</(?P=name3)></(?P=name2)></(?P=name1)>", s) print(s_match) # <re.Match object; span=(0, 46), match='<html><body><h1>hello world</h1></body></html>'> print(s_match.group(1)) print(s_match.group(2)) print(s_match.group(3)) print(s_match.group(4)) # 使用数字 分组 msg = "<html><h1>abc</h1></html>" result_msg = re.match(r"<([0-9a-zA-Z]+)><([0-9a-zA-Z]+)>(.+)</\2></\1>$", msg) print(result_msg) # <re.Match object; span=(0, 25), match='<html><h1>abc</h1></html>'> print(result_msg.group(1)) print(result_msg.group(2)) print(result_msg.group(3)) # sub re_sub = re.sub(r"\d+", "100", "java:80 python:70") print(re_sub) # java:100 python:100 # 函数替换 def func(temp): nm = temp.group() new_nm = int(nm) + 10 return str(new_nm) res_sub = re.sub(r"\d+", func, "java:80 python:70") print(res_sub) # java:90 python:80 re_split = re.split(r"[,: ]", res_sub) # 逗号、冒号、空格 print(re_split) # ['java', '90', 'python', '80'] re_split = re.split(r" ", "java:80 python:70") # 空格 print(re_split) # ['java:80', 'python:70'] # 不是以 4、7 结尾的收集号码 11位 phone = "18700191128" match_phone = re.match(r"1\d{9}[0-35-68-9]$", phone) print(match_phone) # <re.Match object; span=(0, 11), match='18700191128'> print(match_phone.group()) # 18700191128 # 爬虫：分组 phone = "010-12345667" match_phone = re.match(r"(\d{3}|\d{4})-(\d{8})$", phone) print(match_phone) # <re.Match object; span=(0, 12), match='010-12345667'> # 分别提取 # () 表示分组，groups(1)：表示提取第一组的内容，groups(2)表示第二组的内容 print(match_phone.group()) # 默认整体匹配:010-12345667 print(match_phone.group(1)) # 010 print(match_phone.group(2)) # 12345667 # 引用分组 \1 msg = "<html>abc</html>" msg_match = re.match(r"<([0-9a-zA-Z]+)>(.+)</\1>$", msg) print(msg_match) # <re.Match object; span=(0, 16), match='<html>abc</html>'> print(msg_match.groups()) # ('html', 'abc') print(msg_match.group(2)) # abc
- 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
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
- 57
- 58
- 59
- 60
- 61
- 62
- 63
- 64
- 65
- 66
- 67
- 68
- 69
- 70
- 71
- 72
- 73
- 74
- 75
- 76
- 77
- 78
- 79
- 80
- 81
- 82
- 83
- 84
- 85
- 86
- 87
- 88
- 89
- 90
- 91
- 92
- 93
- 94
- 95
- 96
- 97
- 98
- 99
- 100
- 101
- 102
- 103
- 104
- 105
- 106
- 107
- 108
- 109
- 110
- 111
- 112
- 113
- 114
- 115
- 116
- 117
- 118
- 119
- 120
- 121
- 122
- 123
- 124
- 125
- 126
- 127
- 128
- 129
- 130
- 131
- 132
- 133
- 134
- 135
- 136
- 137
- 138
- 139
- 140
- 141
- 142
- 143
- 144
- 145
- 146
- 147
- 148
- 149
- 150
- 151
- 152
- 153
- 154
- 155
- 156
- 157
- 158
- 159
- 160
- 161
- 162
- 163
声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/AllinToyou/article/detail/153822
推荐阅读
相关标签
