python正则表达式re模块怎么运用
发布时间:2022-06-22 12:39 所属栏目:13 来源:互联网
导读:这篇文章主要介绍python正则表达式re模块怎么使用,在日常操作中,相信很多人在python正则表达式re模块怎么使用问题上存在疑惑,小编查阅了各式资料,整理出简单好用的操作方法,希望对大家解答python正则表达式re模块怎么使用的疑惑有所帮助!接下来,请跟
这篇文章主要介绍“python正则表达式re模块怎么使用”,在日常操作中,相信很多人在python正则表达式re模块怎么使用问题上存在疑惑,小编查阅了各式资料,整理出简单好用的操作方法,希望对大家解答”python正则表达式re模块怎么使用”的疑惑有所帮助!接下来,请跟着小编一起来学习吧! 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python自带的模块,名字为re。 正则表达式的大致匹配过程是: 1.依次拿出表达式和文本中的字符比较, 2.如果每一个字符都能匹配,则匹配成功;一旦有匹配不成功的字符则匹配失败。 3.如果表达式中有量词或边界,这个过程会稍微有一些不同。 r:Python 中字符串的前导 r 代表原始字符串标识符,该字符串中的特殊符号不会被转义,适用于正则表达式中繁杂的特殊符号表示。 因此 r"\n" 表示包含 '\' 和 'n' 两个字符的字符串,而 "\n" 则表示只包含一个换行符的字符串。 print("\\n") # 输出 \n print(r"\n") #输出 \n re模块的使用:import re re.match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。 re.I 忽略大小写 re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境 re.M 多行模式 re.S 即为 . 并且包括换行符在内的任意字符(. 不包括换行符) re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库 re.X 为了增加可读性,忽略空格和 # 后面的注释 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。匹配成功re.match方法返回一个匹配的对象。 如果上⼀步匹配到数据的话,可以使⽤group⽅法来提取数据。以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。 group()用来提出分组截获的字符串,()用来分组,group() 同group(0)就是匹配正则表达式整体结果,group(1) 列出第一个括号匹配部分,group(2) 列出第二个括号匹配部分,group(3) 列出第三个括号匹配部分。没有匹配成功的,re.search()返回None。 举例: >>> import re >>> result = re.match("itcast","itcast.cn") >>> result.group() 'itcast' 从string头开始匹配pattern完全可以匹配,pattern匹配结束,同时匹配终止,后面的.cn不再匹配,返回匹配成功的信息。 匹配单个字符 字符 功能 位置 . 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 可以写在字符集[...]中 \D 匹配⾮数字,即不是数字 可以写在字符集[...]中 \s 匹配空⽩,即空格,tab键 可以写在字符集[...]中 \S 匹配⾮空⽩字符 可以写在字符集[...]中 \w 匹配单词字符,即a-z、A-Z、0-9、_ 可以写在字符集[...]中 \W 匹配⾮单词字符 可以写在字符集[...]中 \w \w 匹配单词字符,即a-z、A-Z、0-9、_ \W 匹配⾮单词字符 [...]字符集,对应的位置可以是字符集中任意字符。字符集中的字符可以逐个列出,也可以给出范围,比如[abc]和[a-c],第一个字符如果是^表示取反。所有特殊字符(比如"]""-""^")在字符集中都失去原来的含义,如要使用可把"]""-"放在第一个字符,"^"放在非第一个字符。 举例: import re ret = re.match(".","M") print(ret.group()) ret = re.match("t.o","too") print(ret.group()) ret = re.match("t.o","two") print(ret.group()) # 如果hello的⾸字符⼩写,那么正则表达式需要⼩写的h ret = re.match("h","hello Python") print(ret.group()) # 如果hello的⾸字符⼤写,那么正则表达式需要⼤写的H ret = re.match("H","Hello Python") print(ret.group()) # ⼤⼩写h都可以的情况 ret = re.match("[hH]","hello Python") print(ret.group()) ret = re.match("[hH]","Hello Python") print(ret.group()) ret = re.match("[hH]ello Python","Hello Python") print(ret.group()) # 匹配0到9的多种写法 ret = re.match("[0123456789]Hello Python","7Hello Python") print(ret.group()) ret = re.match("[0-9]Hello Python","7Hello Python") print(ret.group()) # 匹配0到3和5-9 ret = re.match("[0-35-9]Hello Python","7Hello Python") print(ret.group()) ret = re.match("[0-35-9]Hello Python","4Hello Python") #print(ret.group()) ret = re.match("嫦娥\d号","嫦娥1号发射成功") print(ret.group()) ret = re.match("嫦娥\d号","嫦娥2号发射成功") print(ret.group()) 结果: M too two h H h H Hello Python 7Hello Python 7Hello Python 7Hello Python 嫦娥1号 嫦娥2号 匹配多个字符 字符 功能 位置 表达式实例 完整匹配的字符串 * 匹配前⼀个字符出现0次或者⽆限次,即可有可⽆ 用在字符或(...)之后 abc* abccc + 匹配前⼀个字符出现1次或者⽆限次,即⾄少有1次 用在字符或(...)之后 abc+ abccc ? 匹配前⼀个字符出现1次或者0次,即要么有1次,要么没有 用在字符或(...)之后 abc? ab,abc {m} 匹配前⼀个字符出现m次 用在字符或(...)之后 ab{2}c abbc {m,n} 匹配前⼀个字符出现从m到n次,若省略m,则匹配0到n次,若省略n,则匹配m到无限次 用在字符或(...)之后 ab{1,2}c abc,abbc 举例: import re #:匹配出,⼀个字符串第⼀个字⺟为⼤写字符,后⾯都是⼩写字⺟并且这些⼩写字⺟可有可⽆ 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()) #匹配出,变量名是否有效 names = ["name1", "_name", "2_name", "__name__"] for name in names: ret = re.match("[a-zA-Z_]+[\w]*",name) if ret: print("变量名 %s 符合要求" % ret.group()) else: print("变量名 %s ⾮法" % name) #匹配出,0到99之间的数字 ret = re.match("[1-9]?[0-9]","7") print(ret.group()) ret = re.match("[1-9]?\d","33") print(ret.group()) # 这个结果并不是想要的,利⽤$才能解决 ret = re.match("[1-9]?\d","09") print(ret.group()) ret = re.match("[a-zA-Z0-9_]{6}","12a3g45678") print(ret.group()) #匹配出,8到20位的密码,可以是⼤⼩写英⽂字⺟、数字、下划线 ret = re.match("[a-zA-Z0-9_]{8,20}","1ad12f23s34455ff66") print(ret.group()) 结果: M Mnn Aabcdef 变量名 name1 符合要求 变量名 _name 符合要求 变量名 2_name ⾮法 变量名 __name__ 符合要求 7 33 0 12a3g4 1ad12f23s34455ff66 匹配开头结尾 字符 功能 ^ 匹配字符串开头 $ 匹配字符串结尾 举例:匹配163.com的邮箱地址 import re email_list = ["xiaoWang@163.com", "xiaoWang@163.comheihei", ".com.xiaowang@qq.com"] for email in email_list: ret = re.match("[\w]{4,20}@163\.com$", email) if ret: print("%s 是符合规定的邮件地址,匹配后的结果是:%s" % (email, ret.group())) else: print("%s 不符合要求" % email) 结果: xiaoWang@163.com 是符合规定的邮件地址,匹配后的结果是:xiaoWang@163.com xiaoWang@163.comheihei 不符合要求 .com.xiaowang@qq.com 不符合要求 匹配分组 字符 功能 | 匹配左右任意⼀个表达式 (ab) 将括号中字符作为⼀个分组 \num 引⽤分组num匹配到的字符串 (?P<name>) 分组起别名,匹配到的子串组在外部是通过定义的 name 来获取的 (?P=name) 引⽤别名为name分组匹配到的字符串 举例:| #匹配出0-100之间的数字 import re ret = re.match("[1-9]?\d$|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()) # 100 举例:() #需求:匹配出163、126、qq邮箱 ret = re.match("\w{4,20}@163\.com", "test@163.com") print(ret.group()) # test@163.com ret = re.match("\w{4,20}@(163|126|qq)\.com", "test@126.com") print(ret.group()) # test@126.com ret = re.match("\w{4,20}@(163|126|qq)\.com", "test@qq.com") print(ret.group()) # test@qq.com ret = re.match("\w{4,20}@(163|126|qq)\.com", "test@gmail.com") if ret: print(ret.group()) else: print("不是163、126、qq邮箱") # 不是163、126、qq邮箱 #不是以4、7结尾的⼿机号码(11位) tels = ["13100001234", "18912344321", "10086", "18800007777"] for tel in tels: ret = re.match("1\d{9}[0-35-68-9]", tel) if ret: print(ret.group()) else: print("%s 不是想要的⼿机号" % tel) #提取区号和电话号码 ret = re.match("([^-]*)-(\d+)","010-12345678") print(ret.group()) print(ret.group(1)) print(ret.group(2)) 举例:\number 匹配数字代表的组合。每个括号是一个组合,组合从1开始编号。比如 (.+) \1 匹配 'the the' 或者 '55 55', 但不会匹配 'thethe' (注意组合后面的空格)。这个特殊序列只能用于匹配前面99个组合。如果 number 的第一个数位是0, 或者 number 是三个八进制数,它将不会被看作是一个组合,而是八进制的数字值。在 '[' 和 ']' 字符集合内,任何数字转义都被看作是字符。 例子1:匹配出 <html>hh</html> \1,...,\9,匹配第n个分组的内容。如例子所示,指匹配第一个分组的内容。 import re # 正确的理解思路:如果在第⼀对<>中是什么,按理说在后⾯的那对<>中就应该是什么。通过引⽤分组中匹配到的数据即可,但是要注意是元字符串,即类似 r""这种格式。 ret = re.match(r"<([a-zA-Z]*)>\w*</\1>", "<html>hh</html>") # 因为2对<>中的数据不⼀致,所以没有匹配出来 test_label = ["<html>hh</html>","<html>hh</htmlbalabala>"] for label in test_label: ret = re.match(r"<([a-zA-Z]*)>\w*</\1>", label) if ret: print("%s 这是一对正确的标签" % ret.group()) else: print("%s 这是⼀对不正确的标签" % label) 结果: <html>hh</html> 这是一对正确的标签 <html>hh</htmlbalabala> 这是⼀对不正确的标签 例子2:匹配出 <html><h2>www.itcast.cn</h2></html> import re labels = ["<html><h2>www.itcast.cn</h2></html>", "<html><h2>www.itcast.cn</h3></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) 结果: <html><h2>www.itcast.cn</h2></html> 是符合要求的标签 <html><h2>www.itcast.cn</h3></html> 不符合要求 举例:(?P<name>) (?P=name) 一个用于标记,一个用于在同一个正则表达式中复用 import re ret = re.match(r"<(?P<name1>\w*)><(?P<name2>\w*)>.*</(?P=name2)></(?P=name1)>","<html><h2>www.itcast.cn</h2></html>") ret.group() ret = re.match(r"<(?P<name1>\w*)><(?P<name2>\w*)>.*</(?P=name2)></(?P=name1)>","<html><h2>www.itcast.cn</h3></html>") #ret.group() re.compile 函数 compile 函数用于编译正则表达式,生成一个正则表达式( Pattern )对象,供 match() 和 search() 这两个函数使用。 prog = re.compile(pattern) result = prog.match(string) 等价于 result = re.match(pattern, string) 举例: >>>import re >>> pattern = re.compile(r'\d+') m = pattern.match('one12twothree34four', 3, 10) # 从'1'的位置开始匹配,正好匹配 >>> print m # 返回一个 Match 对象 <_sre.SRE_Match object at 0x10a42aac0> >>> m.group(0) # 可省略 0 '12' >>> m.start(0) # 可省略 0 3 >>> m.end(0) # 可省略 0 5 >>> m.span(0) # 可省略 0 (3, 5) 在上面,当匹配成功时返回一个 Match 对象,其中: group([group1, …]) 方法用于获得一个或多个分组匹配的字符串,当要获得整个匹配的子串时,可直接使用 group() 或 group(0); start([group]) 方法用于获取分组匹配的子串在整个字符串中的起始位置(子串第一个字符的索引),参数默认值为 0; end([group]) 方法用于获取分组匹配的子串在整个字符串中的结束位置(子串最后一个字符的索引+1),参数默认值为 0; span([group]) 方法返回 (start(group), end(group)) re.search函数 re.search 扫描整个字符串并返回第一个成功的匹配,如果没有匹配,就返回一个 None。 re.match与re.search的区别: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 举例: import re ret = re.search(r"\d+", "阅读次数为9999") print(ret.group()) 结果: 9999 re.findall函数 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。注意: match 和 search 是匹配一次 findall 匹配所有。 举例: import re ret = re.findall(r"\d+", "python = 9999, c = 7890, c++ = 12345") print(ret) 结果: ['9999', '7890', '12345'] re.finditer函数 和 findall 类似,在字符串中找到正则表达式所匹配的所有子串,并把它们作为一个迭代器返回。 import re it = re.finditer(r"\d+", "12a32bc43jf3") for match in it: print(match.group()) 结果: 12 32 43 3 re.sub函数 sub是substitute的所写,表示替换,将匹配到的数据进⾏替换。 语法:re.sub(pattern, repl, string, count=0, flags=0) 参数 描述 pattern 必选,表示正则中的模式字符串 repl 必选,就是replacement,要替换的字符串,也可为一个函数 string 必选,被替换的那个string字符串 count 可选参数,count 是要替换的最大次数,必须是非负整数。如果省略这个参数或设为 0,所有的匹配都会被替换 flag 可选参数,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。 举例:将匹配到的阅读次数加1 方法一: import re ret = re.sub(r"\d+", '998', "python = 997") print(ret) 结果:python = 998 方法二: import re def add(temp): #int()参数必须是字符串,类似字节的对象或数字,而不是“re.Match” 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) 结果; python = 998 python = 100 re.subn函数 行为与sub()相同,但是返回一个元组 (字符串, 替换次数)。 re.subn(pattern, repl, string[, count]) 返回:(sub(repl, string[, count]), 替换次数) import re pattern = re.compile(r'(\w+) (\w+)') s = 'i say, hello world!' print(re.subn(pattern, r'\2 \1', s)) def func(m): return m.group(1).title() + ' ' + m.group(2).title() print(re.subn(pattern, func, s)) ### output ### # ('say i, world hello!', 2) # ('I Say, Hello World!', 2) re.split函数 根据匹配进⾏切割字符串,并返回⼀个列表。 re.split(pattern, string, maxsplit=0, flags=0) 参数 描述 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 举例: import re ret = re.split(r":| ","info:xiaoZhang 33 shandong") print(ret) 结果:['info', 'xiaoZhang', '33', 'shandong'] python贪婪和⾮贪婪 Python⾥数量词默认是贪婪的(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。 例如:正则表达式”ab*”如果用于查找”abbbc”,将找到”abbb”。而如果使用非贪婪的数量词”ab*?”,将找到”a”。 注:我们一般使用非贪婪模式来提取。 在"*","?","+","{m,n}"后⾯加上?,使贪婪变成⾮贪婪。 举例1: import re s="This is a number 234-235-22-423" #正则表达式模式中使⽤到通配字,那它在从左到右的顺序求值时,会尽量“抓取”满⾜匹配最⻓字符串,在我们上⾯的例⼦⾥⾯,“.+”会从字符串的启始处抓取满⾜模式的最⻓字符,其中包括我们想得到的第⼀个整型字段的中的⼤部分,“\d+”只需⼀位字符就可以匹配,所以它匹配了数字“4”,⽽“.+”则匹配了从字符串起始到这个第⼀位数字4之前的所有字符 r=re.match(".+(\d+-\d+-\d+-\d+)",s) print(r.group(1)) #⾮贪婪操作符“?”,这个操作符可以⽤在"*","+","?"的后⾯,要求正则匹配的越少越好 r=re.match(".+?(\d+-\d+-\d+-\d+)",s) print(r.group(1)) 结果: 4-235-22-423 234-235-22-423 举例2: >>> re.match(r"aa(\d+)","aa2343ddd").group(1) '2343' >>> re.match(r"aa(\d+?)","aa2343ddd").group(1) '2' >>> re.match(r"aa(\d+)ddd","aa2343ddd").group(1) '2343' >>> re.match(r"aa(\d+?)ddd","aa2343ddd").group(1) '2343' 举例3:提取图片地址 import re test_str="<img src=https://rpic.douyucdn.cn/appCovers/2016/11/13/1213973.jpg>" ret = re.search(r"https://.*?.jpg", test_str) print(ret.group()) r的作⽤ 与大多数编程语言相同,正则表达式里使用”\”作为转义字符,这就可能造成反斜杠困扰。假如你需要匹配文本中的字符”\”,那么使用编程语言表示的正则表达式里将需要4个反斜杠”\\\\”:前两个和后两个分别用于在编程语言里转义成反斜杠,转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。Python里的原生字符串很好地解决了这个问题,Python中字符串前⾯加上 r 表示原⽣字符串。 import re mm = "c:\\a\\b\\c" print(mm)#c:\a\b\c ret = re.match("c:\\\\",mm).group() print(ret)#c:\ ret = re.match("c:\\\\a",mm).group() print(ret)#c:\a ret = re.match(r"c:\\a",mm).group() print(ret)#c:\a ret = re.match(r"c:\a",mm).group() print(ret)#AttributeError: 'NoneType' object has no attribute 'group' 到此,关于“python正则表达式re模块怎么使用”的学习就结束了,希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习,快去试试吧! (编辑:ASP站长网) |
相关内容
网友评论
推荐文章
热点阅读