pyhton语法 正则表达式
1.正则表达式介绍
1.1 正则表达式入门
-
作用:用于检验数据
-
python中,正则调用;
- 导包
- import re
- 正则匹配效验
- result = re.match(正则表达式,被检验的字符,扩展选项-区分大小写,空值过滤)
- result = re.search(正则表达式,被检验的字符,扩展选项-区分大小写,空值过滤)
- result = re.compile(…).sub(…) 用于做替换
- 获取匹配到的数据
- reasult.group()
- 导包
-
. 代表: 任意的1个字符, \n除外
-
正则表达式入门
# 导包
import re
# 校验字符串是否是 任意字符 + it + 任意字符.
result = re.match('.it.', 'aitb') # 可以匹配
result = re.match('.it.', 'ait\n') # 未匹配
result = re.match('.it.', 'ait') # 未匹配
# 获取到匹配的结果.
if result:
# 走这里, 有值, 获取到匹配的数据, 打印即可.
print(result.group())
else:
# 走这里, 没有匹配到数据, 打印即可.
print('未匹配到!')
- 演示 match 和 search 的区别
# 相同点: 都可以做正则校验, 传参都是一样的.
# 不同点: match()是全词匹配, 即: 从左往右依次匹配(不能跳). search()是分段匹配, 有任意一部分能匹配即可.
# 判断字符串中是否有 it + 任意的多个字符
# result = re.match('it.*', 'itabc123!@#')
# result = re.match('it.*', 'itabc')
# result = re.match('it.*', 'it')
# result = re.match('it.*', 'aA12!@#itabc') # 未匹配
result = re.search('it.*', 'itabc123!@#')
result = re.search('it.*', 'itabc')
result = re.search('it.*', 'it')
result = re.search('it.*', 'aA12!@#itabc') # itabc
# 打印匹配到的结果.
if result:
# 走这里, 有值, 获取到匹配的数据, 打印即可.
print(result.group())
else:
# 走这里, 没有匹配到数据, 打印即可.
print('未匹配到!')
1.2 正则替换
- 格式:
import re
re.compile(正则规则).sub(新字符串, 旧字符串) 去旧字符串中, 找到符合正则规则的内容, 用新字符串来替换.
上述格式的语法糖:
re.sub(正则规则, 新字符串, 旧字符串) 去旧字符串中, 找到符合正则规则的内容, 用新字符串来替换.
回顾:
字符串的 replace()函数, 也是替换的, 但是不支持正则.
快捷键: alt + enter: 给出建议的意思.
- 代码展示
import re
if __name__ == '__main__':
# 案例1: 把下述的符合正则规则的内容, 用*来替换.
# 1. 定义 旧字符串.
old_str = '你可以这样: 桀1桀2桀, 哈3哈, 呵A呵, 嘿嘿, 嘻嘻, 略略略, 嘤嘤嘤...'
# 2. 定义 正则规则(字符串形式)
reg_exp = '桀|哈|呵|嘿|嘻'
# 3. 把符合正则规则的内容, 用*来替换.
# 分解版写法.
# 3.1 获取正则对象.
# re_obj = re.compile(reg_exp)
# 3.2 具体的替换过程.
# result = re_obj.sub('*', old_str)
# 合并版写法, 正则规则 新内容 旧内容
# result = re.compile(reg_exp).sub('*', old_str)
# 上述格式的语法糖, 正则规则 新内容 旧内容
result = re.sub(reg_exp, '*', old_str)
# 4 打印结果
print(result)
print('-' * 21)
# 案例2: 回顾字符串的replace()函数.
s1 = '抽烟只抽煊赫门, 一生只爱一个人. 其他烟: 中华, 煊赫门, 天叶, 煊赫门...'
# result = s1.replace('煊赫门', '*') # 不写次数, 默认替换所有.
# result = s1.replace('煊赫门', '*', 1) # 只替换1次(个)
result = s1.replace('煊赫门|中华|天叶', '*')
print(f'result: {result}')
2.正则效验
2.1正则-校验单个字符
- 规则
. 代表: 任意的1个字符, \n除外
\. 代表: 1个普通的. 即: 取消.的特殊含义
a 代表: 1个字符a
[abc] 代表: a, b, c中任意的1个字符, 即: 要么a, 要么b, 要么c
[^abc] 代表: 除了a,b,c外, 任意的1个字符
\d 代表: 任意的1个整数, 等价于 [0-9]
\D 代表: 任意的1个非整数, 等价于 [^0-9]
\w 代表: 非特殊字符, 即: 大小写英文字符, 数字, _, 汉字
\W 代表: 特殊字符, 即: \w 取反.
\s 代表: 空白字符, 例如: 空格, \t...
\S 代表: 非空白字符, 即: \s取反.
- 代码展示
# 导包
import re
# 在main中测试
if __name__ == '__main__':
# 演示: . 代表: 任意的1个字符, \n除外
result = re.match('it.', 'ita') # ita
result = re.match('it.', 'it\t') # it\t
result = re.match('it.', 'it\n') # 未匹配
# 演示: \. 代表: 1个普通的. 即: 取消.的特殊含义
# 细节: 为了防止打印异常信息, 你可以写成: r'it\.' 或者 'it\\.'
result = re.match('it\\.', 'ita') # 未匹配
result = re.match('it\\.', 'it.') # it.
result = re.match('it\\.', 'it.abc') # it.
# 演示: a 代表: 1个字符a
result = re.match('a', 'abc') # a
result = re.match('a', 'xyz') # 未匹配
# 演示: [abc] 代表: a, b, c中任意的1个字符, 即: 要么a, 要么b, 要么c
result = re.match('it[abc]', 'itabc') # ita
result = re.match('it[abc]', 'itbc') # itb
result = re.match('it[abc]', 'itd') # 未匹配
# 演示: [^abc] 代表: 除了a,b,c外, 任意的1个字符
result = re.match('it[^abc]', 'itabc') # 未匹配
result = re.match('it[^abc]', 'itbc') # 未匹配
result = re.match('it[^abc]', 'itd') # itd
# 演示: \d 代表: 任意的1个整数, 等价于 [0-9]
result = re.match('hm[0-9]', 'hm1') # hm1
result = re.match('hm[0-9]', 'hm3a') # hm3
result = re.match(r'hm\d', 'hm3a') # hm3
result = re.match(r'hm\d', 'hma') # 未匹配
# 演示: \D 代表: 任意的1个非整数, 等价于 [^0-9]
result = re.match(r'hm\D', 'hma') # hma
result = re.match(r'hm\D', 'hm3a') # 未匹配
# 演示: \w 代表: 非特殊字符, 即: 大小写英文字符, 数字, _, 汉字
result = re.match(r'hm\w', 'hma') # hma
result = re.match(r'hm\w', 'hmB') # hmB
result = re.match(r'hm\w', 'hm1') # hm1
result = re.match(r'hm\w', 'hm_') # hm_
result = re.match(r'hm\w', 'hm!') # 未匹配
# 演示: \W 代表: 特殊字符, 即: \w 取反.
result = re.match(r'hm\W', 'hm!') # hm!
result = re.match(r'hm\W', 'hm_') # 未匹配
# 演示: \s 代表: 空白字符, 例如: 空格, \t...
result = re.match(r'hm\s', 'hm') # 未匹配
result = re.match(r'hm\s', 'hm ') # hm
result = re.match(r'hm\s', 'hm\t') # hm
result = re.match(r'hm\s', 'hm\n') # hm\n
result = re.match(r'hm\s', 'hma') # 未匹配
# 演示: \S 代表: 非空白字符, 即: \s取反.
# 自己测试.
# 打印校验到的数据.
if result:
print(f'匹配到: {result.group()}')
else:
print('未匹配!')
2.2正则-校验多个字符
- 规则
? 代表: 前边的内容, 出现0次 或者 1次
* 代表: 前边的内容, 至少出现0次, 至多出现n次(无数次)
+ 代表: 前边的内容, 出现1次 或者 多次.
a{n} 代表: a恰好出现n次, 多一次少一次都不行.
a{n,} 代表: a至少出现n次, 至多无所谓.
a{n,m} 代表: a至少出现n次, 至多出现m次, 包括n 和 m
- 代码展示
# 导包
import re
# main中测试
if __name__ == '__main__':
# 演示: ? 代表: 前边的内容, 出现0次 或者 1次
result = re.match('it.?', 'it')
result = re.match('it.?', 'it ')
result = re.match('it.?', 'itabcABC')
result = re.match('it.?', 'it\nABC') # it
# 演示: * 代表: 前边的内容, 至少出现0次, 至多出现n次(无数次)
result = re.match('it[abc]*', 'it\nABC') # it
result = re.match('it[abc]*', 'itabcABC') # itabc
result = re.match('it[abc]*', 'it ') # it
result = re.match('it[abc]*', 'it') # it
# 演示: + 代表: 前边的内容, 出现1次 或者 多次.
result = re.match('it[abc]+', 'it') # 未匹配
result = re.match('it[abc]+', 'it ') # 未匹配
result = re.match('it[abc]+', 'it\nABC') # 未匹配
result = re.match('it[abc]+', 'itabcABC') # itabc
# 演示: a{n} 代表: a恰好出现n次, 多一次少一次都不行.
result = re.match('it[abc]{2}', 'itabcABC') # itab
result = re.match('it[abc]{2}', 'itacb') # itac
result = re.match('it[abc]{2}', 'ita') # 未匹配
# 演示: a{n,} 代表: a至少出现n次, 至多无所谓.
result = re.match('it[abc]{2,}', 'ita') # 未匹配
result = re.match('it[abc]{2,}', 'itacb') # itacb
result = re.match('it[abc]{2,}', 'itabcABC') # itabc
# 演示: a{n,m} 代表: a至少出现n次, 至多出现m次, 包括n 和 m
result = re.match('it[abc]{2,3}', 'itabcde') # itabc
result = re.match('it[abc]{2,3}', 'ita') # 未匹配
# 打印结果.
print(f'匹配到: {result.group()}' if result else '未匹配!')
2.3 正则-校验开头和结尾
- 规则
^ 代表: 正则表达式的 开头
$ 代表: 正则表达式的 结尾
- 代码展示
import re
if __name__ == '__main__':
# 演示: ^ 代表: 正则表达式的 开头
# 需求: 校验字符串必须以 it 开头.
result = re.match(r'it\d', 'it123') # it1
result = re.match(r'it\d', '1it123') # 未匹配!
result = re.search(r'it\d', 'it123') # it1
result = re.search(r'it\d', '1it123') # it1
# ^代表开头, 即: 如下的代码其实是 全词匹配, 必须从字符串的第1个字符开始校验.
result = re.search(r'^it\d', '1it123') # 未匹配!
# 演示: $ 代表: 正则表达式的 结尾
# 需求: 校验字符串必须以 数字 结尾.
result = re.match(r'it\d', 'it123a') # it1
result = re.match(r'it\d$', 'it123a') # 未匹配!
# 扩展: 校验手机号.
# 规则: 1. 必须以1开头. 2.第2位数字可以是3 ~ 9. 3.必须是纯数字. 4.长度必须是11位.
result = re.match(r'^1[3-9]\d{9}$', '13112345678a')
result = re.match(r'^1[3-9]\d{9}$', '13112345678')
# 打印匹配到的结果.
print(result.group() if result else '未匹配!')
2.4 正则-校验分组
- 规则
| 代表: 或者的意思.
() 代表: 分组
\num 代表: 获取第num组的内容
扩展:
(?P<分组名>) 设置分组
(?P=分组名) 获取指定分组的内容
- 代码展示
import re
if __name__ == '__main__':
# 需求1: 在列表中, 打印用户喜欢吃 和 不喜欢吃的水果.
# 1. 定义水果列表.
fruits = ['apple', 'banana', 'orange', 'pear']
# 2. 遍历, 获取每种水果.
for fruit in fruits:
# 3. 假设用户喜欢吃 香蕉, 梨, 判断即可.
result = re.match('banana|pear', fruit)
# 4. 打印结果.
if result:
print(f'喜欢吃: {fruit}')
else:
print(f'不喜欢吃: {fruit}')
2.5 正则校验邮箱
- 规则
| 代表: 或者的意思.
() 代表: 分组
\num 代表: 获取第num组的内容
扩展:
(?P<分组名>) 设置分组
(?P=分组名) 获取指定分组的内容
- 代码实现
import re
if __name__ == '__main__':
# 需求: 匹配出 163, 126, qq等邮箱.
# 邮箱规则: 前边是4 ~ 20位的字母, 数字, 下划线 + @标记符 + 域名
# 1. 定义邮箱字符串.
email_str = 'zhangsan@163com'
email_str = '[email protected]'
email_str = '[email protected]'
email_str = '[email protected]'
# 2. 定义 校验邮箱的 正则表达式.
pattern = r'^[a-zA-Z0-9_]{4,20}@(163|126|qq)\.com$'
# 3. 校验邮箱.
result = re.match(pattern, email_str)
# 4. 打印结果.
if result:
print(f'匹配到: {result.group()}') # [email protected], 等价于 result.group(0), 即: 获取所有匹配到的数据
print(f'匹配到: {result.group(0)}') # [email protected], 效果同上.
print(f'匹配到: {result.group(1)}') # 163
else:
print('未匹配!')
2.6正则获取分组后的数据
- 规则
| 代表: 或者的意思.
() 代表: 分组
\num 代表: 获取第num组的内容
扩展:
(?P<分组名>) 设置分组
(?P=分组名) 获取指定分组的内容
- 代码实现
import re
if __name__ == '__main__':
# 需求: 匹配 qq:qq号 这样的数据, 提取出 qq文字 和 qq号码.
# 1. 定义字符串.
s1 = "qq:1234567"
# 2. 匹配数据.
result = re.match(r'(qq):(\d{6,11})', s1)
# 3. 打印匹配到的数据.
if result:
print(f'匹配到: {result.group()}') # qq:1234567
print(f'匹配到: {result.group(0)}') # qq:1234567
print(f'匹配到: {result.group(1)}') # qq
print(f'匹配到: {result.group(2)}') # 1234567
else:
print('未匹配!')
2.7 引用指定组的内容
- 规则
- 细节:正则默认属于第0组, 之后就按照 左小括号来数, 是第几个, 就是第几组.
| 代表: 或者的意思.
() 代表: 分组
\num 代表: 获取第num组的内容
扩展:
(?P<分组名>) 设置分组名
(?P=分组名) 获取指定分组的内容
- 代码实现
import re
if __name__ == '__main__':
# 需求1: 正则校验 html标签, 简单版.
# 1. 定义html标签字符串.
html_str1 = '<html>AI就业21期</html>'
# 2. 正则校验.
# 假设: 标签规则: 2到4位字母
result = re.match('<[a-zA-Z]{2,4}>.*</[a-zA-Z]{2,4}>', html_str1)
# 上述格式优化版, 加入: 分组思想.
result = re.match(r'<([a-zA-Z]{2,4})>.*</\1>', html_str1)
# 3. 打印匹配结果.
if result:
print(f'匹配到: {result.group()}')
else:
print('未匹配!')
print('-' * 21)
# 需求2: 正则校验 html标签, 升级版.
# 假设: 外部标签规则 2到4位字母, 内部标签规则: h + 1到6的数字
# 1. 定义html标签字符串.
html_str2 = '<html><h1>AI就业21期</h1></html>'
# 2. 正则校验
result = re.match(r'<[a-zA-Z]{2,4}><h[1-6]>.*</h[1-6]></[a-zA-Z]{2,4}>', html_str2)
# 加入分组, 优化上述的代码.
result = re.match(r'<([a-zA-Z]{2,4})><(h[1-6])>.*</\2></\1>', html_str2)
# 扩展: 给分组设置组名.
result = re.match(r'<(?P<A>[a-zA-Z]{2,4})><(?P<B>h[1-6])>.*</(?P=B)></(?P=A)>', html_str2)
# 3. 打印匹配结果.
if result:
print(f'匹配到: {result.group()}')
else:
print('未匹配!')
总结
持续更新中~~~