系統學了一下正規表達式,省的以後總是查,順便做了下筆記
- 1、正規表達式概述
- 2、re子產品操作
-
- 1. re子產品的使用過程
- 2. re子產品示例(比對以itcast開頭的語句)
- 3. 說明
- 3、表示字元
- 4、原始字元串
- 5、表示數量
-
- 示例1:*
- 示例2:+
- 示例3:?
- 示例4:{m}
- 6、表示邊界
-
- 示例1:$
- 示例2: \b
- 示例3:\B
- 7、比對分組
-
- 示例1:|
- 示例2:( )
- 示例3:\
- 示例4:\number
- 示例5:(?P) (?P=name)
- 8、re子產品的進階用法
-
- search
- findall
- sub 将比對到的資料進行替換
- split 根據比對進行切割字元串,并傳回一個清單
- 9、python貪婪和非貪婪
1、正規表達式概述
正規表達式,又稱正規表示式、正規表示法、正規表達式、規則表達式、正常表示法(英語:Regular Expression,在代碼中常簡寫為regex、regexp或RE),是計算機科學的一個概念。正規表達式使用單個字元串來描述、比對一系列比對某個句法規則的字元串。在很多文本編輯器裡,正規表達式通常被用來檢索、替換那些比對某個模式的文本。
Regular Expression的“Regular”一般被譯為“正則”、“正規”、“正常”。此處的“Regular”即是“規則”、“規律”的意思,Regular Expression即“描述某種規則的表達式”之意。
2、re子產品操作
在Python中需要通過正規表達式對字元串進行比對的時候,可以使用一個子產品,名字為re
1. re子產品的使用過程
# 導入re子產品
import re
# 使用match方法進行比對操作
result = re.match(正規表達式,要比對的字元串)
# 如果上一步比對到資料的話,可以使用group方法來提取資料
result.group()
re.match是用來進行正則比對檢查的方法,若字元串比對正規表達式,則match方法傳回比對對象(Match Object),否則傳回None(注意不是空字元串"")。
比對對象Macth Object具有group方法,用來傳回字元串的比對部分
2. re子產品示例(比對以itcast開頭的語句)
#coding=utf-8
import re
result = re.match("itcast","itcast.cn")
result.group()
運作結果為:
itcast
3. 說明
- re.match() 能夠比對出以xxx開頭的字元串
3、表示字元
在上一小節中,了解到通過re子產品能夠完成使用正規表達式來比對字元串
本小節,将要講解正規表達式的單字元比對
字元 | 功能 |
---|---|
. | 比對任意1個字元(除了\n) |
[ ] | 比對[ ]中列舉的字元 |
\d | 比對數字,即0-9 |
\D | 比對非數字,即不是數字 |
\s | 比對空白,即 空格,tab鍵 |
\S | 比對非空白 |
\w | 比對單詞字元,即a-z、A-Z、0-9、_ |
\W | 比對非單詞字元 |
import re
# 普通的比對方式
ret = re.match("嫦娥1号", "嫦娥1号發射成功")
print(ret.group())
ret = re.match("嫦娥2号", "嫦娥2号發射成功")
print(ret.group())
ret = re.match("嫦娥3号", "嫦娥3号發射成功")
print(ret.group())
# 使用\d進行比對
ret = re.match("嫦娥\d号", "嫦娥1号發射成功")
print(ret.group())
print(ret.group())
ret = re.match("嫦娥\d号", "嫦娥3号發射成功")
print(ret.group())
4、原始字元串
import re
mm = "c:\\a\\b\\c"
print(mm)
re.match("c:\\\\",mm).group()
ret = re.match("c:\\\\",mm).group()
print(ret)
ret = re.match("c:\\\\a",mm).group()
print(ret)
ret = re.match(r"c:\\a",mm).group()
print(ret)
說明
Python中字元串前面加上 r 表示原生字元串
,
與大多數程式設計語言相同,
正規表達式裡使用"\"作為轉義字元
,這就可能造成反斜杠困擾。假如你需要比對文本中的字元"",那麼使用程式設計語言表示的正規表達式裡将需要4個反斜杠"\":前兩個和後兩個分别用于在程式設計語言裡轉義成反斜杠,轉換成兩個反斜杠後再在正規表達式裡轉義成一個反斜杠。
Python裡的原生字元串很好地解決了這個問題,有了原始字元串,你再也不用擔心是不是漏寫了反斜杠,寫出來的表達式也更直覺。
5、表示數量
比對多個字元的相關格式
字元 | 功能 |
---|---|
* | 比對前一個字元出現0次或者無限次,即可有可無 |
+ | 比對前一個字元出現1次或者無限次,即至少有1次 |
? | 比對前一個字元出現1次或者0次,即要麼有1次,要麼沒有 |
{m} | 比對前一個字元出現m次 |
{m,} | 比對前一個字元至少出現m次 |
{m,n} | 比對前一個字元出現從m到n次 |
示例1:*
需求:比對出,一個字元串第一個字母為大小字元,後面都是小寫字母并且這些小寫字母可有可無
#coding=utf-8
import re
ret = re.match("[A-Z][a-z]*","Mm")
print(ret.group())
ret = re.match("[A-Z][a-z]*","Aabcdef")
print(ret.group())
ret = re.match("[A-Z][a-z]","Aabcdef")
print(ret.group())
示例2:+
需求:比對出,變量名是否有效
import re
ret = re.match("[a-zA-Z_]+[\w_]*","name1")
print(ret.group())
ret = re.match("[a-zA-Z_]+[\w_]*","_name")
print(ret.group())
ret = re.match("[a-zA-Z_]+[\w_]*","2_name")
# # print(ret.group())
示例3:?
需求:比對出,0到99之間的數字
import re
ret = re.match("[1-9]?[0-9]","7")
print(ret.group())
ret = re.match("[1-9]?[0-9]","33")
print(ret.group())
ret = re.match("[1-9]?[0-9]","09")
print(ret.group())
示例4:{m}
需求:比對出,8到20位的密碼,可以是大小寫英文字母、數字、下劃線
import re
ret = re.match("[a-zA-Z0-9_]{6}","12a3g45678")
print(ret.group())
ret = re.match("[a-zA-Z0-9_]{8,20}","1ad12f23s34455ff66")
print(ret.group())
ret = re.match("[a-zA-Z0-9_]{8,20}","1ad12f23%%#@s34455ff66")
print(ret.group())
ret = re.match("[a-zA-Z0-9_]{4,20}[@][a-zA-Z0-9_]{3}[.][a-zA-Z0-9_]{3}","[email protected]")
print(ret.group())
6、表示邊界
字元 | 功能 |
---|---|
^ | 比對字元串開頭 |
$ | 比對字元串結尾 |
\b | 比對非單詞的邊界 |
\B | 比對單詞邊界 |
示例1:$
# 需求:比對163.com的郵箱位址
#coding=utf-8
import re
# 正确的位址
ret = re.match("[\w]{4,20}@163\.com", "[email protected]")
print(ret.group())
# 不正确的位址
ret = re.match("[\w]{4,20}@163\.com", "[email protected]")
print(ret.group())
# 通過$來确定末尾
ret = re.match("[\w]{4,20}@163\.com$", "[email protected]")
print(ret.group())
#$結尾後就停止了,是以報錯
示例2: \b
import re
print(re.match(r".*\bver\b", "ho ver abc").group())
print(re.match(r".*\bver\b", "ho verabc").group())
#如果不是邊界,就會報錯
示例3:\B
import re
print(re.match(r".*\Bver\B", "hoverabc").group())
print(re.match(r".*\Bver\B", "ho verabc").group())
比對到了直接截止
7、比對分組
字元 | 功能 |
---|---|
| | 比對左右任意一個表達式 |
(ab) | 将括号中字元作為一個分組 |
| 引用分組num比對到的字元串 |
| 分組起别名 |
(?P=name) | 引用别名為name分組比對到的字元串 |
示例1:|
需求:比對出0-100之間的數字
import re
ret = re.match("[1-9]?\d","8")
print(ret.group())
ret = re.match("[1-9]?\d","78")
print(ret.group())
#
# # 不正确的情況
# ret = re.match("[1-9]?\d","08")
# print(ret.group())
#
# 修正之後的
ret = re.match("[0-9]?\d$","08")
print(ret.group())
#
# # 添加|
ret = re.match("[1-9]?\d$|100","100")
print(ret.group())
#
ret = re.match("[1-9]?\d$|100","78")
print(ret.group())
#
ret = re.match("[0-9]?\d$|100","08")
print(ret.group())
#
ret = re.match("[1-9]?\d$|100","100")
print(ret.group())
示例2:( )
需求:比對出163、126、qq郵箱之間的數字
import re
ret = re.match("\w{4,20}@163\.com", "[email protected]")
print(ret.group())
ret = re.match("\w{4,20}@(163|126|qq)\.com", "[email protected]")
print(ret.group())
ret = re.match("\w{4,20}@(163|126|qq)\.com", "[email protected]")
print(ret.group())
ret = re.match("\w{4,20}@(163|126|qq)\.com", "[email protected]")
print(ret.group())
#gmail沒有是以報錯了
import re
ret = re.match("([^-]*)-(\d+)","010-12345678")
print(ret.group(),ret.group(1),ret.group(2))
示例3:\
import re
# 能夠完成對正确的字元串的比對
ret = re.match("<\w*>\w*</\w*>", "<html>hh</html>")
print(ret.group())
# 如果遇到非正常的html格式字元串,比對出錯
ret = re.match("<[a-zA-Z]*>\w*</[a-zA-Z]*>", "<html>hh</htmlbal*bala>")
print(ret.group())
# 正确的了解思路:如果在第一對<>中是什麼,按理說在後面的那對<>中就應該是什麼
# 通過引用分組中比對到的資料即可,但是要注意是元字元串,即類似 r""這種格式
#1表示能比配和前面相同的,如果一樣,賊比對成功,不一樣,出錯
ret = re.match(r"<([a-zA-Z]*)>\w*</\1>", "<html>hh</html>")
print(ret.group())
# 因為2對<>中的資料不一緻,是以沒有比對出來
ret = re.match(r"<([a-zA-Z]*)>\w*</\1>", "<html>hh</htmlbalabala>")
print(ret.group())
示例4:\number
需求:比對出
www.itcast.cn
import re
ret = re.match(r"<(\w*)><(\w*)>.*</\2></\1>", "<html><h1>www.itcast.cn</h1></html>")
print(ret.group())
ret = re.match(r"<(\w*)><(\w*)>.*</\2></\1>", "<html><h1>www.itcast.cn</h2></html>")
print(ret.group())
示例5:(?P) (?P=name)
需求:比對出
www.itcast.cn
import re
ret = re.match(r"<(?P<name1>\w*)><(?P<name2>\w*)>.*</(?P=name2)></(?P=name1)>", "<html><h1>www.itcast.cn</h1></html>")
print(ret.group())
ret = re.match(r"<(?P<name1>\w*)><(?P<name2>\w*)>.*</(?P=name2)></(?P=name1)>", "<html><h1>www.itcast.cn</h2></html>")
print(ret.group())
相當于起了個名字而已
8、re子產品的進階用法
search
需求:比對出文章閱讀的次數
#coding=utf-8
import re
ret = re.search(r"\d+", "閱讀次數為 9999")
ret.group()
findall
需求:統計出python、c、c++相應文章閱讀的次數
#coding=utf-8
import re
ret = re.findall(r"\d+", "python = 9999, c = 7890, c++ = 12345")
print(ret)
sub 将比對到的資料進行替換
需求:将比對到的閱讀次數加1
方法1:
import re
ret1 = re.sub("\d+", '998', "python = 997")
ret2 = re.sub("\w+", '998', "python = 997")
print(ret1+'\n'+ret2)
方法2:
import re
def add(temp):
strNum = temp.group()
num = int(strNum) + 1
return str(num)
ret = re.sub(r"\d+", add, "python = 997")
print(ret)
ret = re.sub(r"\d+", add, "python = 99")
print(ret)
#相當于把後面的參數傳到add函數裡面,然後在進行替換工作
split 根據比對進行切割字元串,并傳回一個清單
需求:切割字元串“info:xiaoZhang 33 shandong”
#coding=utf-8
import re
#通過空格切割
ret = re.split(r" | ","info:xiaoZhang 33 shandong")
print(ret)
#通過:切割
ret = re.split(r":| ","info:xiaoZhang 33 shandong")
print(ret)
9、python貪婪和非貪婪
Python裡數量詞預設是貪婪的(在少數語言裡也可能是預設非貪婪),總是嘗試比對盡可能多的字元;
非貪婪則相反,總是嘗試比對盡可能少的字元。
在"*","?","+","{m,n}"後面加上?,使貪婪變成非貪婪。
s="This is a number 234-235-22-423"
r=re.match(".+(\d+-\d+-\d+-\d+)",s)
r.group(1)
'4-235-22-423'
r=re.match(".+?(\d+-\d+-\d+-\d+)",s)
r.group(1)
'234-235-22-423'
正規表達式模式中使用到通配字,那它在從左到右的順序求值時,會盡量“抓取”滿足比對最長字元串,在我們上面的例子裡面,“.+”會從字元串的啟始處抓取滿足模式的最長字元,其中包括我們想得到的第一個整型字段的中的大部分,“\d+”隻需一位字元就可以比對,是以它比對了數字“4”,而“.+”則比對了從字元串起始到這個第一位數字4之前的所有字元。
解決方式:非貪婪操作符“?”,這個操作符可以用在"*","+","?"的後面,要求正則比對的越少越好。這樣就保證的前面的少,後面數字比對的多
print(re.match(r"aa(\d+)","aa2343ddd").group())
print(re.match(r"aa(\d+?)","aa2343ddd").group())
print(re.match(r"aa(\d+)ddd","aa2343ddd").group())
print(re.match(r"aa(\d+?)ddd","aa2343ddd").group())