• Python正则表达式


    正则表达式

    概述

      正则表达式,又称正规表示式、正规表示法、正规表达式、规则表达式、常规表示法(英语:Regular Expression,在代码中常简写为regex、regexp或RE),是计算机科学的一个概念。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、替换那些匹配某个模式的文本。

       Regular Expression的“Regular”一般被译为“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。

    re模块操作

      在Python中需要通过正则表达式对字符串进行匹配的时候,可以使用一个模块,名字为re

    re模块的使用过程

    #coding=utf-8
    
    # 导入re模块
    import re
    
    # 使用match方法进行匹配操作
    result = re.match(正则表达式,要匹配的字符串)
    
    # 如果上一步匹配到数据的话,可以使用group方法来提取数据
    result.group()
    
    

      re.match是用来进行正则匹配检查的方法,若字符串匹配正则表达式,则match方法返回匹配对象(Match Object),否则返回None(注意不是空字符串"")。

      匹配对象Macth Object具有group方法,用来返回字符串的匹配部分

    re模块示例(匹配以itcast开头的语句)

    #coding=utf-8
    
    import re
    
    result = re.match("itcast","itcast.cn")
    
    result.group()
    
    

    运行结果为:

    itcast
    
    

    说明

    • re.match() 能够匹配出以xxx开头的字符串

    正则表达式的规则

    表示字符

      上节讲了通过re模块能够完成使用正则表达式来匹配字符串

      本节讲解正则表达式的单字符匹配

    字符 功能
    . 匹配任意1个字符(除了 )
    [ ] 匹配[ ]中列举的字符
    d 匹配数字,即0-9
    D 匹配非数字,即不是数字
    s 匹配空白,即 空格,tab键
    S 匹配非空白
    w 匹配单词字符,即a-z、A-Z、0-9、_
    W 匹配非单词字符

    示例1: .

    #coding=utf-8
    
    import re
    
    ret = re.match(".","a")
    ret.group()
    
    ret = re.match(".","b")
    ret.group()
    
    ret = re.match(".","M")
    ret.group()
    
    

    运行结果:

    In [1]: import re
    
    In [2]: ret = re.match('.','a')
    
    In [3]: ret.group()
    Out[3]: 'a'
    
    In [4]: ret = re.match('.','b')
    
    In [5]: ret.group()
    Out[5]: 'b'
    

    示例2:[ ]

    >>> import re
    >>> # 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")
    >>> ret.group()
    'h'
    >>>   # 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")
    >>> ret.group()
    'H'
    >>> # 大小写h都可以的情况
    >>> ret = re.match("[hH]","hello Python")
    >>> ret.group()
    'h'
    >>> ret = re.match("[hH]","Hello Python")
    >>> ret.group() 
    'H'
    >>> #匹配0到9
    >>> ret = re.match("[0123456789]","7Hello Python")
    >>> ret.group()
    '7'
    >>> ret = re.match("[0-9]","7Hello Python")
    >>> ret.group()
    '7'
    

    示例3:d

        #coding=utf-8
    
    >>> import re
    
    >>>  # 普通的匹配方式
    >>> ret = re.match("嫦娥1号","嫦娥1号发射成功")
    >>> ret.group()
    '嫦娥1号' 
    
    >>> ret = re.match("嫦娥2号","嫦娥2号发射成功")
    >>> ret.group()
    '嫦娥2号'
    
    
    >>> # 使用d进行匹配
    >>> ret = re.match("嫦娥d号","嫦娥1号发射成功")
    >>> ret.group()
    '嫦娥1号'
    
    >>> ret = re.match("嫦娥d号","嫦娥2号发射成功")
    >>> ret.group()
    '嫦娥2号'
    
    
    

    说明:其他几个个匹配符和上面的类似就不举例了。

    表示数量

    匹配多个字符的相关格式

    字符 功能
    * 匹配前一个字符出现0次或者无限次,即可有可无
    + 匹配前一个字符出现1次或者无限次,即至少有1次
    ? 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
    {m} 匹配前一个字符出现m次
    {m,} 匹配前一个字符至少出现m次
    {m,n} 匹配前一个字符出现从m到n次

    示例1:*

      需求:匹配出,一个字符串第一个字母为大小字符,后面都是小写字母并且这些小写字母可有可无

    #coding=utf-8
    >>> import re
    
    >>> ret = re.match("[A-Z][a-z]*","Mm")
    >>> ret.group()
    'Mm'
    
    >>> ret = re.match("[A-Z][a-z]*","Aabcdef")
    >>> ret.group()
    'Aabcdef'
    >>> 
    
    

    示例2:+

      需求:匹配出,变量名是否有效

    #coding=utf-8
    >>>import re
    
    >>> ret = re.match("[a-zA-Z_]+[w_]*","name1")
    >>> ret.group()
    'name1'
    
    >>> ret = re.match("[a-zA-Z_]+[w_]*","_name")
    >>> ret.group()
    '_name'
    
    >>> ret = re.match("[a-zA-Z_]+[w_]*","2_name")
    >>> ret.group()
    Traceback (most recent call last):
      File "<stdin>", line 1, in <module>
    AttributeError: 'NoneType' object has no attribute 'group'
    
    

    示例3:?

    需求:匹配出,0到99之间的数字

    #coding=utf-8
    
    >>> ret = re.match("[1-9]?[0-9]","7")
    >>> ret.group()
    '7'
    >>> ret = re.match("[1-9]?[0-9]","33")
    >>> ret.group()
    '33'
    
    >>> ret = re.match("[1-9]?[0-9]","09")
    >>> ret.group()
    '0'
    
    

    示例4:{m}

    需求: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

    #coding=utf-8
    
    >>> ret = re.match("[a-zA-Z0-9_]{6}","12a3g45678")
    >>> ret.group()
    '12a3g4'
    
    >>> ret = re.match("[a-zA-Z0-9_]{8,20}","1ad12f23s34455ff66")
    >>> ret.group()
    '1ad12f23s34455ff66'
    >>> 
    
    

    表示边界

    字符 功能
    ^ 匹配字符串开头
    $ 匹配字符串结尾
     匹配一个单词的边界
    B 匹配非单词边界

    示例1:$

      需求:匹配163.com的邮箱地址

    #coding=utf-8
    
    import re
    
    # 正确的地址
    >>> ret = re.match("[w]{4,20}@163.com", "xiaoWang@163.com")
    >>> ret.group()
    'xiaoWang@163.com'
    
    # 不正确的地址
    >>> ret = re.match("[w]{4,20}@163.com", "xiaoWang@163.comheihei")
    >>> ret.group()
    'xiaoWang@163.com'
    
    # 通过$来确定末尾
    >>> ret = re.match("[w]{4,20}@163.com$", "xiaoWang@163.comheihei")
    >>> ret.group()
    Traceback (most recent call last):
      File "<stdin>", line 1, in <module>
    AttributeError: 'NoneType' object has no attribute 'group'
    
    

    示例2: 

    >>> re.match(r".*ver", "ho ver abc").group()
    'ho ver'
    
    >>> re.match(r".*ver", "ho verabc").group()
    Traceback (most recent call last):
      File "<stdin>", line 1, in <module>
    AttributeError: 'NoneType' object has no attribute 'group'
    
    >>> re.match(r".*ver", "hover abc").group()
    Traceback (most recent call last):
      File "<stdin>", line 1, in <module>
    AttributeError: 'NoneType' object has no attribute 'group'
    >>>
    
    

    示例3:B

    >>> re.match(r".*BverB", "hoverabc").group()
    'hover'
    
    >>> re.match(r".*BverB", "ho verabc").group()
    Traceback (most recent call last):
      File "<stdin>", line 1, in <module>
    AttributeError: 'NoneType' object has no attribute 'group'
    
    >>> re.match(r".*BverB", "hover abc").group()
    Traceback (most recent call last):
      File "<stdin>", line 1, in <module>
    AttributeError: 'NoneType' object has no attribute 'group'
    
    >>> re.match(r".*BverB", "ho ver abc").group()
    Traceback (most recent call last):
      File "<stdin>", line 1, in <module>
    AttributeError: 'NoneType' object has no attribute 'group'
    
    

    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
    um 引用分组num匹配到的字符串
    (?P<name>) 分组起别名
    (?P=name) 引用别名为name分组匹配到的字符串

    示例1:|

      需求:匹配出0-100之间的数字

    #coding=utf-8
    
    # 添加|
    >>> ret = re.match("[1-9]?d$|100","8")
    >>> ret.group()
    '8'
    
    >>> ret = re.match("[1-9]?d$|100","78")
    >>> ret.group()
    '78'
    
    >>> ret = re.match("[1-9]?d$|100","08")
    >>> ret.group()
    Traceback (most recent call last):
      File "<stdin>", line 1, in <module>
    AttributeError: 'NoneType' object has no attribute 'group'
    
    >>> ret = re.match("[1-9]?d$|100","100")
    >>> ret.group()
    '100'
    
    

    示例2:( )

      需求:匹配出163、126、qq邮箱之间的数字

    #coding=utf-8
    
    >>> ret = re.match("w{4,20}@163.com", "test@163.com")
    >>> ret.group()
    'test@163.com'
    
    >>> ret = re.match("w{4,20}@(163|126|qq).com", "test@126.com")
    >>> ret.group()
    'test@126.com'
    
    >>> ret = re.match("w{4,20}@(163|126|qq).com", "test@qq.com")
    >>> ret.group()
    'test@qq.com'
    
    >>> ret = re.match("w{4,20}@(163|126|qq).com", "test@gmail.com")
    >>> ret.group()
    Traceback (most recent call last):
      File "<stdin>", line 1, in <module>
    AttributeError: 'NoneType' object has no attribute 'group'
    
    

    示例3: 

    ​ 需求:匹配出<html>hh</html>

    #coding=utf-8
    
    
    # 能够完成对正确的字符串的匹配
    >>> ret = re.match("<[a-zA-Z]*>w*</[a-zA-Z]*>", "<html>hh</html>")
    >>> ret.group()
    '<html>hh</html>'
    
    # 如果遇到非正常的html格式字符串,匹配出错
    >>> ret = re.match("<[a-zA-Z]*>w*</[a-zA-Z]*>", "<html>hh</htmlbalabala>")
    >>> ret.group()
    '<html>hh</htmlbalabala>'
    
    # 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>")
    >>> ret.group()
    '<html>hh</html>'
    
    # 因为2对<>中的数据不一致,所以没有匹配出来
    >>> ret = re.match(r"<([a-zA-Z]*)>w*</1>", "<html>hh</htmlbalabala>")
    >>> ret.group()
    Traceback (most recent call last):
      File "<stdin>", line 1, in <module>
    AttributeError: 'NoneType' object has no attribute 'group'
    

    示例4: umber

    ​ 需求:匹配出<html><h1>www.itcast.cn</h1></html>

    #coding=utf-8
    
    >>> ret = re.match(r"<(w*)><(w*)>.*</2></1>", "<html><h1>www.itcast.cn</h1></html>")
    >>> ret.group()
    '<html><h1>www.itcast.cn</h1></html>'
    
    >>> ret = re.match(r"<(w*)><(w*)>.*</2></1>", "<html><h1>www.itcast.cn</h2></html>")
    >>> ret.group()
    Traceback (most recent call last):
      File "<stdin>", line 1, in <module>
    AttributeError: 'NoneType' object has no attribute 'group'
    
    

    示例5:(?P<name>) (?P=name)

    ​ 需求:匹配出<html><h1>www.itcast.cn</h1></html>

    #coding=utf-8
    
    >>> ret = re.match(r"<(?P<name1>w*)><(?P<name2>w*)>.*</(?P=name2)></(?P=name1)>", "<html><h1>www.itcast.cn</h1></html>")
    >>> ret.group()
    '<html><h1>www.itcast.cn</h1></html>'
    
    >>> ret = re.match(r"<(?P<name1>w*)><(?P<name2>w*)>.*</(?P=name2)></(?P=name1)>", "<html><h1>www.itcast.cn</h2></html>")
    >>> ret.group()
    Traceback (most recent call last):
      File "<stdin>", line 1, in <module>
    AttributeError: 'NoneType' object has no attribute 'group'
    
    

    注意:(?P<name>)(?P=name)中的字母p大写

    ​ python中的正则表达式基础就这些,下节就能难点了,属于高级篇了。

  • 相关阅读:
    第十三周助教小结
    记事本
    第十二周助教小结
    与周老师会谈之后的感想
    第十一周总结
    第十周助教总结
    听周筠老师一席话,受益匪浅
    2020软件工程作业04
    2020软件工程作业02
    2020软件工程作业01
  • 原文地址:https://www.cnblogs.com/yangliguo/p/8158698.html
走看看 - 开发者的网上家园