python正则表达式实例

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