Python 正则表达式

Python 正则表达式

目录

正则

flags:标志位

match函数

search函数

findall函数

finditer函数

元字符

匹配单个字符和数字

锚字符（边界字符）

^ 行首匹配

$ 行尾匹配

\A匹配字符串开始

\Z 匹配字符串结束

\b 匹配一个单词的边界

\B 匹配非单词的边界

匹配多个字符

应用

字符串切割

提取中间内容

字符串替换和修改

sub函数

subn函数

区别

分组

给组起名

编译

总结

---

正则

Python自1.5以后增加了re的模块，提供了正则表达式模式

re模块使Python语言拥有了全部的正则表达式功能。

flags:标志位

用于控制正则表达式的匹配方式，值如下

re.I   忽略大小写

re.L   做本地户识别

re.M  多行匹配，影响^和S

re.S  是.匹配包括换行符在内的所有字符

re.U  根据Unicode字符集解析字符，影响\w \W \b \B

re.X  使我们以更灵活的格式理解正则表达式

match函数

原型：match(pattern,stringflags=0)

patter：匹配的正则表达式

string：要匹配的字符串参数:

功能：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，返回None

示例：

import re
 
# www.baidu.com
print(re.match("www", "www.baiwwwdu.com").span())
print(re.match("www", "ww.baidu.com"))
print(re.match("www", "baidu.wwwcom"))
print(re.match("www", "wwW.baidu.com"))
print(re.match("www", "www.baidu.com", flags=re.I))
# 扫描整个字符申，返回从起始位置成功的匹配

执行效果：

 

search函数

原型:search(pattern, string,flags=0)参数:

patter:匹机的正则表达式

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

功能:扫描整个字符串，并返回第一个成功的匹配

示例：

print(re.search("English", "Do you teach me English？"))

执行效果：

findall函数

原型:findall(pattern,flags=0)string，参数:

patter: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

功能:扫描整个字符串，并返回结果列表

示例：

print(re.findall("English", "Do you teach me English？Yes, I teach you English.", flags=re.I))

执行效果：

finditer函数

原型:finditer(pattern, string,flags=0)

参数:

patter: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

功能:与findall类似，扫描整个字符串，返回的是一个迭代器

示例：

str2 = 'Do you teach me English?Do I teach you English?Does he teach her English?'
gets = re.finditer('Do.*?English', str2)
print(gets, type(gets)) # <callable_iterator object at 0x00000172A48CB1C8> <class 'callable_iterator'> 结果为一个对象迭代器
 
while True:
    try:
        print(next(gets))
    except StopIteration as e:
        break
 
# 执行结果
# <callable_iterator object at 0x0000024CC9D8B288> <class 'callable_iterator'>
# <re.Match object; span=(0, 23), match='Do you teach me English'>
# <re.Match object; span=(24, 46), match='Do I teach you English'>
# <re.Match object; span=(47, 72), match='Does he teach her English'>

 

使用迭代器防止数据过多增大内存，使用next读取下一个。

元字符

匹配单个字符和数字

.     匹配除换行符以外的任意字符

[0123456789]   []是字符集合，表示匹配方括号中所包含的任意一个字符

[a-z]      匹配任意小写字母

[A-Z]     匹配任意大写字母

[0-9]      匹配任意数字，类似[0123456789]

[0-9a-zA-Z]   匹配任意的数字和字母

[0-9a-zA-Z_]   匹配任意的数字、字母和下划线

[^cat]      匹配除了cat这几个字母以外的所有字符，中括号里的^称为脱字符，表示不匹配集合中的字符

[^0-9]     匹配所有的非数字字符

\d 匹配所有数字，效果同[0-9]

\D 匹配非数字，效果同[^0-9]

\w 匹配数字、字母和下划线，效果等同[0-9a-zA-Z_]

\s 匹配任意的空白符（空格，换行，回车，换页，制表）效果同[\f\n\r\t]

\S 匹配任意非空白符，效果同[^\f\n\r\t]

示例：

print(re.search('.', 'I have a cat.'))  # 匹配的字母I
print(re.search('[0123456789]', 'I have 2 cats.'))  # 匹配的数字2

锚字符（边界字符）

^ 行首匹配

和在[]里的^不是一个意思

示例：

print(re.search('^Do', 'Do you teach me English？'))

$ 行尾匹配

示例：

print(re.search('English.$', 'Yes, I teach you English.'))

\A匹配字符串开始

它和^的区别是，\A只匹配整个字符串的开头，

即使在re.M模式下也不会匹配它行的行首。

示例：

print(re.findall('^Do', "Do you teach me English?\nDo he teaches him English?", re.M))
print(re.findall('\ADo', "Do you teach me English?\nDo he teaches him English?", re.M))

执行效果：

E:\lianxipy\venv\Scripts\python.exe E:\lianxipy\python基础\正则练习\1..py
['Do', 'Do']
['Do']

\Z 匹配字符串结束

它和$的区别是，\Z只匹配整个字符串的结束，即使在re.M模式下也不会匹配它行的行尾。

示例：

print(re.findall('English$', "I teach you English\nHe teaches me English", re.M))
print(re.findall('English\Z', "I teach you English\nHe teaches me English", re.M))

执行效果：

E:\lianxipy\venv\Scripts\python.exe E:\lianxipy\python基础\正则练习\1..py
['English', 'English']
['English']

\b 匹配一个单词的边界

也就是指单词和空格间的位置，’er\b’可以匹配never，但是不能匹配nerve

示例如下：

print(re.search(r'er\b', 'never'))
print(re.search(r'er\b', 'nerve'))

效果：

E:\lianxipy\venv\Scripts\python.exe E:\lianxipy\python基础\正则练习\1..py
<re.Match object; span=(3, 5), match='er'>
None

\B 匹配非单词的边界

示例：

print(re.search(r'er\B', 'never'))
print(re.search(r'er\B', 'nerve'))

执行效果：

E:\lianxipy\venv\Scripts\python.exe E:\lianxipy\python基础\正则练习\1..py
None
<re.Match object; span=(1, 3), match='er'>

匹配多个字符

下方的x、y、z均为假设的普通字符，不是正则表达式的元字符

(xyz) 匹配小括号内的xyz（作为一个整体去匹配）。

x? 匹配0个或者1个x

示例：

print(re.findall("a?", 'aaaa')) # 非贪婪模式（尽可能少的匹配）
 
 
# 执行结果
# ['a', 'a', 'a', 'a', '']

x* 匹配0个或者任意多个x（.*表示匹配0个或者任意多个字符（换行符除外））

示例：

print(re.findall("a*", 'aaaabbaaa')) # 贪婪模式（尽可能多的匹配）
 
 
# 执行结果
# ['aaaa', '', '', 'aaa', '']

x+ 匹配至少一个x

示例：

print(re.findall("a+", 'aaabbaaaa')) # 贪婪模式（尽可能多的匹配）
 
 
# 执行结果
# ['aaa', 'aaaa']

x{n} 匹配确定的n个x(n是一个非负整数)

x{n,} 匹配至少n个x

x{n,m} 匹配至少n个最多m个x。注意：n<=m

x|y  |表示或，匹配x或者y

示例：

print(re.findall('a{4}', 'bbbaaaaaabaa'))
print(re.findall('a{4,}', 'bbbaaaaaabaa'))
print(re.findall('a{4,5}', 'bbbaaaaaabaa'))
print(re.findall('((a|A)aaa)', 'baaaaAaaab'))
 
 
# 执行结果
# ['aaaa']
# ['aaaaaa']
# ['aaaaa']
# [('aaaa', 'a'), ('Aaaa', 'A')]

应用

判断手机号

示例：

def check_phone(phone):
    reg = '^1[3578]\d{9}'
    if re.match(reg, phone) != None:
        print('正确')
    else:
        print('不正确')
 
 
check_phone('13813103489')
check_phone('138131034890')
check_phone('10813103489')
check_phone('00813103489')
check_phone('19813103489')

字符串切割

示例：

str1 = 'Do you teach me English?'
print(str1.split(' '))
print(re.split(' +', str1))
 
# 执行结果
# ['Do', 'you', 'teach', 'me', 'English?']
# ['Do', 'you', 'teach', 'me', 'English?']

提取中间内容

示例：

str2 = 'Do you teach me English?Do I teach you English?Does he teach her English?'
print(re.findall('Do.*?English', str2))
 
# 执行结果
# ['Do you teach me English', 'Do I teach you English', 'Does he teach her English']

字符串替换和修改

sub函数

subn函数

sub(pattern, repl,string,count=0)

subn(pattern, repl, string, count=0)

pattern:正则表达式(规则)

repl :指定的用来替换的字符串

string:目标字符串

count :最多替换次数

功能:在目标字符串中以正则表达式的规则匹配字符串，再它们替换成指定字符串。

可以指定替换的次数，如果不指定，替换所有的匹配字符串

示例：

str4 = 'aaabababab'
print(re.sub('b', 'a', str4))
print(re.subn('b', 'a', str4))
 
# 执行结果
# aaaaaaaaaa
# ('aaaaaaaaaa', 4)

区别

前者返回一个被替换的字符串，后者返回一个元组（第一个元素被替换的字符串，第二个元素表示被替换的次数）。

分组

概念：除了简单的判断是否匹配之外，正则表达式还有提取子串的功能。

用()表示的就是提取分组。

示例：

str5 = '0310-8899166'
alls = re.match('(\d{3,4})-(\d{7,8})', str5)
print(alls.group(0)) # 一直代表的是原始字符串
print(alls.group(1))
print(alls.group(2))
print(alls.groups()) # 获取所有匹配情况
 
# 执行结果
# 0310-8899166
# 0310
# 8899166
# ('0310', '8899166')

使用序号获取对应组的情况，group(0) 一直代表的是原始字符串

groups()查看匹配的各组情况

给组起名

可以通过以下方式给分组起名，起名后可以通过名称获取分组适用于匹配较多的情况。

示例：

str5 = '0310-8899166'
alls = re.match('(?P<first>\d{3,4})-(?P<two>\d{7,8})', str5)
print(alls.groups())
print(alls.group('first'))
print(alls.group('two'))
# 当然还可以使用原来的获取
print(alls.group(1))
print(alls.group(2))

编译

当我们使用正则表达式时，re模块会干两件事

1.编辑正则表达式，如果正则表达式本身不合法，会报错

2.用编译后的正则表达式去匹配对象

compile(pattern, flags=0)

pattern:要编译的正则表达式

示例：

reg = '^1[3578]\d{9}'
# 原版
print(re.match(reg, '13666666666'))
# 编译版
obj = re.compile(reg)
print(obj.match('13666666666'))

执行效果：

<re.Match object; span=(0, 11), match='13666666666'>
<re.Match object; span=(0, 11), match='13666666666'>

总结

本篇主要是在学习python 正则时总结和练习笔记。