欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

python正则表达式实例

程序员文章站 2024-01-25 08:41:34
re模块:python提供的专门使用正则表达式的相关的函数的模块from re import fullmatch, search, findallfrom fileManager import read_file一、正则表达式1.什么正则表达式正则表达式是一种让字符串处理更简单的工具(本质是做字符串匹配)2.正则表达式的语法fullmatch(正则表达式, 字符串) - 让正则表达式式和字符串进行完全匹配,如果匹配失败结果是Nonejs的正则: /正则表达式/python的正则: r’...

re模块:python提供的专门使用正则表达式的相关的函数的模块

from re import fullmatch, search, findall
from fileManager import read_file

一、正则表达式

1.什么正则表达式

正则表达式是一种让字符串处理更简单的工具(本质是做字符串匹配)

2.正则表达式的语法

fullmatch(正则表达式, 字符串) - 让正则表达式式和字符串进行完全匹配,如果匹配失败结果是None
js的正则: /正则表达式/
python的正则: r’正则表达式’

2.1匹配符号

1)普通字符 - 表示字符本身
re_str = r'abc'
result = fullmatch(re_str, 'abc')
print(result)
2). - 匹配一个任意字符
re_str = r'.abc'
result = fullmatch(re_str, '+abc')
print(result)

# 匹配一个长度是5的字符串,字符串中间三个字符是abc,第一个字符和最后一个字符任意
re_str = r'.abc.'
result = fullmatch(re_str, '(abc+')
print(result)

# 匹配一个长度是3的任意字符串
re_str = r'...'
result = fullmatch(re_str, 'ajs')
print(result)

3)\w - 匹配任意一个数字、字母或者下划线(针对ASCII码表有效)(注意:平时不用)

re_str = r'\wabc'
result = fullmatch(re_str, '8abc')
print(result)
4)\d - 匹配任意一个数字字符
re_str = r'\d\d\d'
result = fullmatch(re_str, '142')
print(result)

re_str = r'\d\dabc\d\d'
result = fullmatch(re_str, '23abc89')
print(result)
5)\s - 匹配任意一个空白字符
re_str = r'\s\d..'
result = fullmatch(re_str, '\n9k/')
print(result)

re_str = r'\d\d\s\d\d'
result = fullmatch(re_str, '78 23')
print(result)
6) \D和\S

\字母 - 小写字母和对应的大写字母的功能相反

re_str = r'\dabc\D'
result = fullmatch(re_str, '8abc-')
print(result)

re_str = r'\Sabc'
result = fullmatch(re_str, '=abc')
print(result)
7) [字符集] - 匹配字符集中出现的任意一个字符

注意:一个[]只能匹配一个字符
a. [abc123] - 匹配 a、b、c、1、2、3 中任意一个字符
b.
[a-z] - 匹配从字符a到字符z之间的任意一个字符(匹配任意一个小写字母)
[A-Z] - 匹配任意一个大写字母
[a-zA-Z] - 匹配任意一个字母
[0-9] - 匹配任意一个数字字符
[\u4e00-\u9fa5] - 匹配任意一个中文字符

re_str = r'[cz+?]123'
result = fullmatch(re_str, '?123')
print(result)

re_str = r'[\u4e00-\u9fa5]123'
result = fullmatch(re_str, '看123')
print(result)

# 练习:判断输入手机号码是否合法
re_str = r'1[3-9]\d\d\d\d\d\d\d\d\d'
result = fullmatch(re_str, '13598902763')
print(result)

# []中-前面的字符编码值必须小于-后面的字符编码
# result = fullmatch(r'[a-0]abc', '0abc')

# []中-如果不在两个字符之间,-就没有特殊功能直接表达它本身
result = fullmatch(r'[-09]abc', '-abc')
print(result)

# 练习:写一个正则表达式,要求可以匹配一个字符串:abc前面是一个数字、字母或者下划线
re_str = r'[a-zA-Z\d_]abc'
result = fullmatch(re_str, '_abc')
print(result)
8)[^字符集] - 取不在字符集中任意一个字符

[^\u4e00-\u9fa5] - 匹配任意一个非中文字符
[^0-9] - 匹配任意一个非数字字符
[^a-zA-Z] - 匹配任意一个非字母字符

print(fullmatch(r'[abc^]123', 'b123'))
print(fullmatch(r'[^abc]123', 'a123'))

2.2检测符号

1)\b - 检测是否是单词的边界

单词边界:字符串开头、字符串结尾、凡是能区分出两个不同单词的符号
注意:检测类的符号不影响匹配的长度,只是在匹配成功的时候做进一步的检测

message = 'how are you?i am fine!thank you!'
re_str = r'\d\d.\b\d\d'
print(fullmatch(re_str, '56=89'))
2)^ - 检测^所在的位置是否是字符串开头
re_str = r'\d^abc'
print(fullmatch(re_str, '1abc'))

re_str = r'^\d\d\d'
print(fullmatch(re_str, '678'))

re_str = r'^\d\d\d'
print(fullmatch(re_str, '678'))
print(search(re_str, 'shdj39极客时间238u丄282='))

3)$ - 检测$所在的位置是否是字符串结尾
re_str = r'\d\d$'
print(search(re_str, '时代峰峻78暗示法23沙发89'))

2.3.匹配次数

1)* - 匹配0次或多次

字符* - 字符出现0次或多次

re_str = r'a*'
print(fullmatch(re_str, 'aaa'))

re_str = r'\d*'
print(fullmatch(re_str, '478923'))

re_str = r'123[a-z]*'
print(fullmatch(re_str, '123ukl'))
2)+ - 匹配1次或多次(至少1次)
re_str = r'a+'
print(fullmatch(re_str, 'a'))
3)? - 匹配0次或1次
re_str = r'\d?abc'
print(fullmatch(re_str, '0abc'))

# 练习:写一个正则表达式可以匹配任意一个整数字符串
# '23874', '-234', '+2348977'
re_str = r'[-+]?\d+'
print(fullmatch(re_str, '+23874'))
4){}

{N} - 匹配N次
{M,N} - 匹配M到N次
{M,} - 匹配至少M次
{,N} - 匹配最多N次(0~N次)

re_str = r'\d{4}abc'
print(fullmatch(re_str, '6723abc'))

re_str = r'a{2,5}123'
print(fullmatch(re_str, 'aaaaa123'))

re_str = r'a{2,}123'
print(fullmatch(re_str, 'aaaaaaaaaaa123'))

re_str = r'a{,2}123'
print(fullmatch(re_str, 'aa123'))

5)贪婪和非贪婪

在匹配次数不确定的情况下,匹配模式分为两种:贪婪和非贪婪
a.贪婪:默认都是贪婪的(在能匹配到的前提下匹配次数尽可能多)
    *、+、?, {M,N}、{M,}、{,N}

b.非贪婪:(在能匹配到的前提下匹配次数尽可能少)在匹配次数不确定的时候,次数后面加问号,匹配就是非贪婪的
    *?、+?、??、{M,N}?、{M,}?、{,N}?

re_str = r'\d{2,}'
print(search(re_str, '护士227382abc你好!'))

re_str = r'\d{2,}?'
print(search(re_str, '护士227382abc你好!'))

# 练习:获取疫情信息中所有的国家的名字
content = read_file('data.json')
re_str = r'"provinceName":"(.+?)",'
print(findall(re_str, content))

二、分支和分组

1.分支: |

正则1|正则2|正则3…

# 写一个正则匹配一个字符串:123abc 和 456abc
re_str = r'123abc|456abc'
print(fullmatch(re_str, '456abc'))

re_str = r'123|345abc'
print(fullmatch(re_str, '123abc'))   # None
print(fullmatch(re_str, '123'))
print(fullmatch(re_str, '345abc'))

2.分组: ()

1)整体操作
# abc出现3次
re_str = r'(abc){3}'
print(fullmatch(re_str, 'abcabcabc'))

# 写一个正则匹配一个字符串:123abc 和 456abc
re_str = r'(123|456)abc'
print(fullmatch(re_str, '456abc'))

# 两个数字两个字母的结构重复4次: 34hj56kl67uj23Bm
re_str = r'(\d\d[a-zA-Z]{2}){4}'
print(fullmatch(re_str, '34hj56kl67uj23Bm'))
2)重复:

\M - 重复前面第M个分组匹配到的内容(M从1开始)

re_str = r'(\d\d)=\1abc'
print(fullmatch(re_str, '67=67abc'))

re_str = r'(\d\d)-([a-z]{3})-\2-\1'
print(fullmatch(re_str, '23-bnm-bnm-23'))
3)捕获

findall

3.转义符号: 在具有特殊功能或者特殊意义的符号前加,让功能消失

re_str = r'\.\d\d'
print(fullmatch(re_str, '.23'))

re_str = r'abc\+\d\d'
print(fullmatch(re_str, 'abc+34'))

注意:独立存在有特殊功能的符号在[]中功能会自动消失

re_str = r'[-+.]abc'
print(fullmatch(re_str, '.abc'))

三、re模块

1. re.compile()

compile(正则表达式) - 编译正则表达式,创建正则表达式对象

re_obj = compile(r'\d{3}')

fullmatch(r'\d{3}', '234')
re_obj.fullmatch('234')

search(r'\d{3}', 'hu23hjk890jhkh78')
re_obj.search('hu23hjk890jhkh78')

2.匹配

1)fullmatch(正则表达式, 字符串)

让整个字符串和正则表达式进行匹配

2)match(正则表达式, 字符串)

匹配字符串开头
如果匹配不到结果是None,如果匹配成功了结果是匹配对象

re_str = r'\d{3}'
print(fullmatch(re_str, '732'))
print(fullmatch(re_str, '732hjas'))   # None
print(match(re_str, '789'))
print(match(re_str, '789j手机打开'))

# 设置同时忽略大小写和单行匹配
print(fullmatch(r'123.[a-z]{3}', '123\nHNA', flags=S|IGNORECASE))
print(fullmatch(r'(?is)123.[a-z]{3}', '123\nHNA'))

3.匹配对象

# result = match(re_str, '789j手机打开')
re_str = r'(\d{2})-([a-z]{3})'
result = match(re_str, '23-sjm回款及时发货')
print(result)
1)获取匹配到的字符串

匹配对象.group() - 获取整个正则表达式匹配到结果

print(result.group())    # 23-sjm

# 匹配对象.group(分组号)  - 获取正则表达式中指定的分组匹配到的结果(分组号从1开始)
print(result.group(1))   # 23
print(result.group(2))   # sjm
2)获取匹配到的子串的范围
# 匹配对象.span()
print(result.span())     # (0, 6)
print(result.span(2))    # (3, 6)
3)获取原字符串

匹配对象.string

print(result.string)

4.查找

1)search(正则表达式,字符串)

在字符串中查找第一个能和正则表达式匹配的子串。如果找到了返回匹配对象,找不到返回None

2) findall(正则表达式,字符串)

获取字符串中所有满足正则表达式的子串。返回一个列表,列表中的元素是字符串

3) finditer(正则表达式,字符串)

获取字符串中所有满足正则表达式的子串。返回一个迭代器,迭代器中的元素是匹配对象

str1 = 'and123=hu123aaa456klk98!ll7hu123oop'
result = search(r'\d+', str1)
print(result)    # <re.Match object; span=(3, 6), match='123'>

result = findall(r'\d+', str1)
print(result)    # ['123', '123', '456', '98', '7', '123']

result = findall(r'\d+[a-z]', str1)
print(result)   # ['123a', '456k', '7h', '123o']

# findall正则中如果有分组,只获取分组匹配到的内容
result = findall(r'(\d+)[a-z]', str1)
print(result)     # ['123', '456', '7', '123']

result = findall(r'(\d+)([a-z])', str1)
print(result)   # [('123', 'a'), ('456', 'k'), ('7', 'h'), ('123', 'o')]

str2 = '9h3jabc===9k2mabc9293h0oabc==!!!'
result = findall(r'(\d[a-zA-Z]){2}abc', str2)
print(result)


result = finditer(r'((\d[a-zA-Z]){2})abc', str2)
# print(list(result))
for x in result:
    print(x.group(1))

5.切割

split(正则表达式, 字符串) - 将字符串中能和正则表达式匹配的子串作为切割点,对字符串进行切割。返回值是列表,列表中的元素是字符串
split(正则表达式, 字符串, 次数) - 指定切割次数

str1 = 'and123=hu123aaa456klk98!ll7hu123oop'
result = split(r'\d+', str1)
print(result)    # ['and', '=hu', 'aaa', 'klk', '!ll', 'hu', 'oop']

result = split(r'\d+', str1, 3)
print(result)     # ['and', '=hu', 'aaa', 'klk98!ll7hu123oop']

6.替换

sub(正则表达式, 字符串1, 字符串2) - 将字符串2中能和正则表达式匹配的子串全部替换成字符串1
sub(正则表达式, 字符串1, 字符串2, 次数) - 限制替换次数

str1 = 'and123=hu123aaa456klk98!ll7hu123oop'
new_str1 = sub(r'\d+', '+', str1)
print(new_str1)

sentence = '你丫是傻 叉吗? 我操你大爷的. F u c k you.'
re_str = r'(?i)[操肏艹草曹]|f\s*u\s*c\s*k|s\s*h\s*i\s*t|傻\s*[比屄逼叉缺吊屌]|煞\s*笔'
new_sentence = sub(re_str, '*', sentence)
print(new_sentence)

本文地址:https://blog.csdn.net/yang_yang_heng/article/details/107150914