【Python之路】特别篇

正则表达式的基础

　　正则表达式并不是Python的一部分。正则表达式是用于处理字符串的强大工具，拥有自己独特的语法以及一个独立的处理引擎，效率上可能不如str自带的方法，但功能十分强大。得益于这一点，在提供了正则表达式的语言里，正则表达式的语法都是一样的，区别只在于不同的编程语言实现支持的语法数量不同。就其本质而言，正则表达式（或 RE）是一种小型的、高度专业化的编程语言，（在Python中）它内嵌在Python中，并通过 re 模块实现。

 

元字符:　　. ^ $ * + ? { [ ] \ | ( )

.　匹配除了换行符外所有字符 (通配符)

?

1 2 3 4

content = 'Abcdefghijklmnopq' test = re.findall(r"b.d",content) print(test) ['bcd']

^　以....开头

?

1 2 3 4

content = 'Abcdefghijklmnopq' test = re.findall(r"^Abcd",content) print(test) ['Abcd']

$　以....结尾

?

1 2 3 4

content = 'Abcdefghijklmnopq' test = re.findall(r"nopq$",content) print(test) ['nopq']

*　匹配0到多次 {0, } 　控制它前面的字符 

?

1 2 3 4

content = 'Abcdefghijklmnopq' test = re.findall(r"A.*e",content) print(test) ['Abcde']

+　匹配1到多次 {1, }

?

1 2 3 4

content = 'abcdefab111111' test = re.findall(r"ab1+",content) print(test) ['ab111111']

?　 匹配0到1次 {0,1}

?

1 2 3 4

content = 'abcdefab111111' test = re.findall(r"ab1?",content) print(test) ['ab', 'ab1']

* + ? 都是按照贪婪模式进行匹配  非贪婪模式 需要在后面加个?

?

1 2 3 4 5 6 7 8 9 10

content = 'abcdefab111111' test = re.findall(r"ab1+?",content) print(test) ['ab1'] re.search(r"a(\d+?)","a2345").group() => a2 re.search(r"a(\d*?)","a2345").group() => a    #如果前后均有限定条件 ?不起作用 re.search(r"a(\d*?)b","a2345b").group() => a2345b

( )　组　　作为一个整体

?

1 2 3 4

content = 'abcdefab111111' test = re.findall(r"(ab1)",content) print(test) ['ab1']

{ }　　重复次数自定义

?

1 2 3 4

content = 'abcdefab111111' test = re.findall(r"ab1{3,9}",content) print(test) ['ab111111']

[ ]　　字符集  表示或

　　    字符集里面元字符会失去意义   除了 -  \  ^ 3个元字符外

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26

content1 = 'wwwwwabdxxxxx' test1 = re.findall(r"a[bc]d",content1) print(test1) #['abd'] content2 = 'wwwwwacdxxxxx' test2 = re.findall(r"a[bc]d",content2) print(test2) #['acd'] *********************************************************************** content = 'wwwwwa.xxxxx' test = re.findall(r"a[.]x",content) print(test) #['a.x'] content = 'wwwww1234xxxxx' test = re.findall(r"[1-9]",content)       #1~9的数字 print(test) #['1', '2', '3', '4'] content = 'wwwww1234xxxxx' test = re.findall(r"[^1-9]",content)       #非1~9的数字 print(test) #['w', 'w', 'w', 'w', 'w', 'x', 'x', 'x', 'x', 'x']

\　作用:

• 后面跟元字符去除特殊功能
• 后面跟普通字符实现特殊功能
• 引用序号对应的字组所匹配的字符串

?

1 2 3

test = re.search(r"(alex)(eric)com\2","alexericcomeric") print(test.group()) #alexericcomeric

\d  匹配任何十进制数, [0-9]

\D  匹配任何非数字字符 [^0-9]

\s   匹配任何空白字符 [ \t\n\r\f\v ]

\S  匹配任何非空白字符 [^ \t\n\r\f\v ]

\w  匹配任何字母数字字符 [a-zA-Z0-9_]

\W 匹配任何非字母数字字符 [^a-zA-Z0-9]

\b  匹配一个单词边界,单词和空格间的位置　　匹配特殊字符(不单止空格)

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40

content = 'wwwww1234xxxxx' test = re.findall(r"\d",content) print(test) # ['1', '2', '3', '4'] content = 'ww&*#$%ww1234xx' test = re.findall(r"\D",content) print(test) # ['w', 'w', '&', '*', '#', '$', '%', 'w', 'w', 'x', 'x'] content = 'asdasd   ' test = re.findall(r"\s",content) print(test) # [' ', ' ', ' '] content = ' asdasd   ' test = re.findall(r"\S",content) print(test) # ['a', 's', 'd', 'a', 's', 'd'] content = 'abc123^&*lm-\_' test = re.findall(r"\w",content) print(test) # ['a', 'b', 'c', '1', '2', '3', 'l', 'm', '_'] content = 'abc123^&*lm-\_' test = re.findall(r"\W",content) print(test) # ['^', '&', '*', '-', '\\'] content = 'I like Sooooo' test = re.findall(r"like\b",content) print(test) # ['like'] ******************************************* test = re.findall(r"abc\b","asdasd abc ") test = re.findall(r"abc\b","asdasd abc*") print(test) # ['abc']

 

match()

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

# match，从起始位置开始匹配，匹配成功返回一个对象，未匹配成功返回None     match(pattern, string, flags=0) # pattern： 正则模型 # string ： 要匹配的字符串 # falgs  ： 匹配模式    # re.I(re.IGNORECASE):    忽略大小写（括号内是完整写法，下同） # M(MULTILINE):     多行模式，改变'^'和'$'的行为 # S(DOTALL):     点任意匹配模式，改变'.'的行为   使 . 匹配包括换行在内的所有字符 # L(LOCALE):     使预定字符类 \w \W \b \B \s \S 取决于当前区域设定 # U(UNICODE):  使预定字符类 \w \W \b \B \s \S \d \D 取决于unicode定义的字符属性 # X(VERBOSE):   详细模式。这个模式下正则表达式可以是多行，忽略空白字符，并可以加入注释。以下两个正则表达式是等价的： ************************************* # match对象的方法 .group()    获取匹配到的所有结果 .groups()   获取模型中匹配到的分组结果   .groupdict()    获取模型中匹配到的分组中所有执行了key的组 .group()   　　  返回被RE匹配的字符串 可以加参数group(1) 组号 .start()        返回匹配开始的位置 .end() 　　　　  返回匹配结束的位置 .span()         返回一个元组包含的匹配的位置

demo

search()

?

1 2 3 4

# search 匹配成功有结果,返回match对象 # 查看返回结果用.group() # search,浏览整个字符串去匹配第一个，未匹配成功返回None # search(pattern, string, flags=0)

demo

findall()

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43

# 优先取组里内容返回! # findall，获取非重复的匹配列表；如果有一个组则以列表形式返回，且每一个匹配均是字符串；如果模型中有多个组，则以列表形式返回，且每一个匹配均是元祖； # 空的匹配也会包含在结果中 # findall(pattern, string, flags=0)    data = re.findall("\d+\w\d+",'a2b3c4d5') # ['2b3', '4d5'] # re.findall()  匹配成功一个后,从匹配成功最后位置开始下一次查找 # 空的匹配也会包含在结果中 data = re.findall("",'a2') print(data) # ['', '', ''] *********************************** #有几个括号就取几次 data = re.findall(r'(\dasd)*','1asd2asdp3asd3434') print(data) # ['2asd', '', '3asd', '', '', '', '', ''] # 贪婪匹配 第一段取到1asd2asd 但最后返回 2asd  取最后一个! 如下: a= "alex" data = re.findall(r'(\w)(\w)(\w)(\w)',a) print(data) # [('a', 'l', 'e', 'x')] data = re.findall(r'(\w){4}',a) print(data) # ['x']    => 只是执行了4次,返回还是按一个括号算,取最后匹配的一项 *********************************** test = re.findall("www.(baidu|laonanhai).com","asdsa www.baidu.com") print(test) # ['baidu']    添加 ?: 去掉优先权 test = re.findall("www.(?:baidu|laonanhai).com","asdsa www.baidu.com") print(test) # ['www.baidu.com']

demo

sub()

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

# sub，替换匹配成功的指定位置字符串    sub(pattern, repl, string, count=0, flags=0) # pattern： 正则模型 # repl   ： 要替换的字符串或可执行对象 # string ： 要匹配的字符串 # count  ： 指定匹配个数 # flags  ： 匹配模式 test = re.sub("g.t","have","I get A, I got B , I gut C") print(test) #I have A, I have B , I have C ******************************************** #subn    最后还返回一个替换次数 origin = "ale4 xc 19" data,counts = re.subn("\d+","KKK",origin) print(data,counts) # aleKKK xc KKK 2

compile()

?

1 2 3 4 5

regex = re.compile(r"\w*oo\w*") text = " JGood is ,he is cool" data = regex.findall(text) print(data) #['JGood', 'cool']

split()

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33

# split，根据正则匹配分割字符串 split(pattern, string, maxsplit=0, flags=0) # pattern： 正则模型 # string ： 要匹配的字符串 # maxsplit：指定分割个数 # flags  ： 匹配模式 ***************************************** # 有分组情况下, 把分割的项也添加进去 origin = "hello alex bcd alex lge alex acd 19" r1 = re.split("(alex)", origin, 1) print(r1) # ['hello ', 'alex', ' bcd alex lge alex acd 19'] r2 = re.split("(al(ex))", origin, 1) print(r2) # ['hello ', 'alex', 'ex', ' bcd alex lge alex acd 19'] ***************************************** p = re.compile(r"\d+") test = p.split("one1two2three3four4") print(test) # ['one', 'two', 'three', 'four', ''] # 末尾有空字符串    => one,two2three3four4 => ['one']  two,three3four4 => ..    test = re.split('[bc]','abcd') print(test) # ['a', '', 'd']

demo

finditer()

?

1 2 3 4 5 6 7 8 9 10 11

# 返回结果为迭代对象 p = re.compile(r"\d+") w = p.finditer(' 1 drum44ers druming , 11 ... 10 ...') for match in w:     print(match.group(),match.span()) # 1 (1, 2) # 44 (7, 9) # 11 (23, 25) # 10 (30, 32)

反斜杠的困扰

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，这个例子中的正则表达式可以使用r"\\"表示。

同样，匹配一个数字的"\\d"可以写成r"\d"。有了原生字符串，你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观。

 

常用正则表达式

?

1 2 3 4 5 6 7 8

# IP： ^(25[0-5]|2[0-4]\d|[0-1]?\d?\d)(\.(25[0-5]|2[0-4]\d|[0-1]?\d?\d)){3}$ # 手机号： ^1[3|4|5|8][0-9]\d{8}$ # 邮箱： [a-zA-Z0-9_-]+@[a-zA-Z0-9_-]+(\.[a-zA-Z0-9_-]+)+

 

练习题:计算器

View Code