re模块

py3study

发布于 2020-01-17 13:00:27

5470

发布于 2020-01-17 13:00:27

文章被收录于专栏：python3python3

1.匹配单个字符

字符	功能
.	匹配任意1个字符（除了\n）
[ ]	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： .

import re

ret = re.match('.', 'ffy')
print(ret.group())
ret = re.match('t.o', 'two')
print(ret.group())
ret = re.match('t.o', 'too')
print(ret.group())
# 输出结果：
f
two
too

View Code

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")
print(ret.group())
# 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")
print(ret.group())
# 大小写h都可以的情况
ret = re.match("[hH]","hello")
print(ret.group())
ret = re.match("[hH]","Hello")
print(ret.group())
ret = re.match("[hH]ello","Hello")
print(ret.group())
# 匹配0到9第一种写法
ret = re.match('速度与激情[0123456789]','速度与激情4')
print(ret.group())
ret = re.match('速度与激情[0-9]','速度与激情5')
print(ret.group())
ret = re.match('速度与激情[1-35-9]','速度与激情6')
print(ret.group())
# 下面这个正则不能够匹配到数字4，因此ret为None
ret = re.match("速度与激情[0-35-9]","速度与激情4")
# print(ret.group())
# 输出结果：
h
H
h
H
Hello
速度与激情4
速度与激情5
速度与激情6

View Code

示例3：\d

import re

ret = re.match('速度与激情\d','速度与激情1')
print(ret.group())
ret = re.match('速度与激情\d','速度与激情2')
print(ret.group())
ret = re.match('速度与激情\d','速度与激情3')
print(ret.group())

# 输出结果
速度与激情1
速度与激情2
速度与激情3

View Code

示例4：\s

import re

re.match(r"速度与激情\s", "速度与激情 ")    # 成功

re.match(r"速度与激情\s", "速度与激情\t")    # 成功

re.match(r"速度与激情\s", "速度与激情a")    # 失败

View Code

示例5：\w

# \w 匹配单词字符，即 a-z,A-Z,0-9,_ ，各国文字 （慎用） ； \W 则相反
re.match(r"速度与激情\w", "速度与激情9")    # 成功

re.match(r"速度与激情\w", "速度与激情a")    # 成功

re.match(r"速度与激情\w", "速度与激情A")    # 成功

re.match(r"速度与激情\w", "速度与激情_")    # 成功

re.match(r"速度与激情\w", "速度与激情哈")    # 成功

re.match(r"速度与激情\w", "速度与激情!")    # 失败

View Code

2.匹配多个字符

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,n}	匹配前一个字符出现从m到n次

示例1：*

# 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
import re
ret = re.match('[A-Z][a-z]*','R')
print(ret.group())
ret = re.match('[A-Z][a-z]*','Rad')
print(ret.group())
# 输出结果
R
Rad

View Code

示例2：+

names = ["name1", "_name", "2_name", "__name__"]

for name in names:
    ret = re.match(r"[a-zA-Z_]+[\w]*", name)
    if ret:
        print("%s合法" %name)
    else:
        print("%s不合法" %name)
        
# 输出结果
name1合法
_name合法
2_name不合法
__name__合法

View Code

示例3：?

import re
ret = re.match('[1-9]?[0-9]','9')
print(ret.group())
ret = re.match('[1-9]?\d','66')
print(ret.group())
ret = re.match('[1-9]?\d','06')
print(ret.group())
# 输出结果
9
66
0

View Code

示例4：{m}

# 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
import re
ret =re.match('[A-Za-z0-9_]{8}','qwea415qy7')
print(ret.group())
ret =re.match('[A-Za-z0-9_]{8,20}','qwea43121weqw5qy7wq123')
print(ret.group())
# 输出结果
qwea415q
qwea43121weqw5qy7wq1

View Code

3.匹配开头结尾

字符	功能
^	匹配字符串开头
$	匹配字符串结尾

示例1：$

# 匹配出163的邮箱地址，且@符号之前有4到20位，例如hello@163.com
import re
email_list = ["laoWang@163.com", "laoWang@163.comheihei", ".com.laowang@qq.com"]
for email in email_list:
    ret = re.match('[\w]{4,20}@163\.com',email)
    if ret:
        print("%s 是符合规定的邮件地址,匹配后的结果是:%s" % (email, ret.group()))
    else:
        print("%s 不符合要求" % email)

# 输出结果
laoWang@163.com 是符合规定的邮件地址,匹配后的结果是:laoWang@163.com
laoWang@163.comheihei 是符合规定的邮件地址,匹配后的结果是:laoWang@163.com
.com.laowang@qq.com 不符合要求

View Code

# 完善后
# 匹配出163的邮箱地址，且@符号之前有4到20位，例如hello@163.com
import re
email_list = ["laoWang@163.com", "laoWang@163.comheihei", ".com.laowang@qq.com"]
for email in email_list:
    ret = re.match('[\w]{4,20}@163\.com$',email)
    if ret:
        print("%s 是符合规定的邮件地址,匹配后的结果是:%s" % (email, ret.group()))
    else:
        print("%s 不符合要求" % email)

# 输出结果
laoWang@163.com 是符合规定的邮件地址,匹配后的结果是:laoWang@163.com
laoWang@163.comheihei 不符合要求
.com.laowang@qq.com 不符合要求

View Code

4.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
\num	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：|

匹配出0-100之间的数字
import re

ret = re.match("[1-9]?\d","8")
print(ret.group())  # 8

ret = re.match("[1-9]?\d","78")
print(ret.group())  # 78

# 不正确的情况
ret = re.match("[1-9]?\d","08")
print(ret.group())  # 0

# 修正之后的
ret = re.match("[1-9]?\d$","08")
if ret:
    print(ret.group())
else:
    print("不在0-100之间")

# 添加|
ret = re.match("[1-9]?\d$|100","8")
print(ret.group())  # 8

ret = re.match("[1-9]?\d$|100","78")
print(ret.group())  # 78

ret = re.match("[1-9]?\d$|100","08")
# print(ret.group())  # 不是0-100之间

ret = re.match("[1-9]?\d$|100","100")
print(ret.group())  # 100

View Code

示例2：( )

# 匹配出163、126、qq邮箱
import re

ret = re.match("\w{4,20}@163\.com$", "test@163.com")
print(ret.group())  # test@163.com

ret = re.match("\w{4,20}@(163|126|qq)\.com$", "test@126.com")
print(ret.group())  # test@126.com

ret = re.match("\w{4,20}@(163|126|qq)\.com$", "test@qq.com")
print(ret.group())  # test@qq.com

ret = re.match("\w{4,20}@(163|126|qq)\.com$", "test@gmail.com")
if ret:
    print(ret.group())
else:
    print("不是163、126、qq邮箱")  # 不是163、126、qq邮箱

View Code

示例3：\

# 匹配出<html>hh</html>
import re
# 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>')
print(ret.group())
# 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</htm>')
print(ret.group())
# 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>")
print(ret.group())

# 因为2对<>中的数据不一致，所以没有匹配出来
test_label = "<html>hh</htmlbalabala>"
ret = re.match(r"<([a-zA-Z]*)>\w*</\1>", test_label)
if ret:
    print(ret.group())
else:
    print("%s 这是一对不正确的标签" % test_label)

# 输出结果
<html>hh</html>
<html>hh</htm>
<html>hh</html>
<html>hh</htmlbalabala> 这是一对不正确的标签

View Code

示例4：\number

# 匹配出<html><h1>hello</h1></html>
import re

labels = ["<html><h1>hello</h1></html>", "<html><h1>hello</h2></html>"]

for label in labels:
    ret = re.match(r"<(\w*)><(\w*)>.*</\2></\1>", label)
    if ret:
        print("%s 是符合要求的标签" % ret.group())
    else:
        print("%s 不符合要求" % label)

# 输出结果
<html><h1>hello</h1></html> 是符合要求的标签
<html><h1>hello</h2></html> 不符合要求

View Code

示例5：(?P<name>) (?P=name)

# 匹配出<html><h1>hello</h1></html>
import re

ret = re.match(r"<(?P<name1>\w*)><(?P<name2>\w*)>.*</(?P=name2)></(?P=name1)>", "<html><h1>hello</h1></html>")
print(ret.group())

ret = re.match(r"<(?P<name1>\w*)><(?P<name2>\w*)>.*</(?P=name2)></(?P=name1)>", "<html><h1>hello</h2></html>")
# print(ret.group())

# 注意：(?P<name>)和(?P=name)中的字母p大写

View Code

5.re模块的高级用法

search

# 匹配出文章阅读的次数
import re

ret = re.search(r"\d+", "阅读次数为 9999")
print(ret.group())  # 9999

View Code

findall

# 统计出python、c、c#、c++相应文章阅读的次数
import re

ret = re.findall(r"\d+", "python = 9999, c = 7890, c# = 9870 c++ = 12345")
print(ret)  # ['9999', '7890', '9870', '12345']

View Code

sub 将匹配到的数据进行替换

# 将匹配到的阅读次数加1
# 方法1：

#coding=utf-8
import re

ret = re.sub(r"\d+", '998', "python = 997")
print(ret)  # python = 998

# 方法2：
import re

def add(temp):
    strNum = temp.group()
    num = int(strNum) + 1
    return str(num)

ret = re.sub(r"\d+", add, "python = 997")
print(ret)  # python = 998

ret = re.sub(r"\d+", add, "python = 99")
print(ret)  # python = 100

View Code

split 根据匹配进行切割字符串，并返回一个列表

# 切割字符串“email:laowang@163.com”
import re
ret = re.split(r':|@','email:laowang@163.com')
print(ret)  # ['email', 'laowang', '163.com']

View Code

6.贪婪和非贪婪

Python里数量词默认是贪婪的（在少数语言里也可能是默认非贪婪），总是尝试匹配尽可能多的字符；

非贪婪则相反，总是尝试匹配尽可能少的字符。

在"*","?","+","{m,n}"后面加上？，使贪婪变成非贪婪。

import re
ret = re.match('.+(\d+-\d+-\d+-\d+)','127-234-345-456')
print(ret.group(1))  # 7-234-345-456
ret = re.match('.+?(\d+-\d+-\d+-\d+)','127-234-345-456')
print(ret.group(1))  # 27-234-345-456

正则表达式模式中使用到通配字，那它在从左到右的顺序求值时，会尽量“抓取”满足匹配最长字符串，在我们上面的例子里面，“.+”会从字符串的启始处抓取满足模式的最长字符，其中包括我们想得到的第一个整型字段的中的大部分，“\d+”只需一位字符就可以匹配，所以它匹配了数字“7”，而“.+”则匹配了从字符串起始到这个第一位数字4之前的所有字符。

解决方式：非贪婪操作符“？”，这个操作符可以用在"*","+","?"的后面，要求正则匹配的越少越好。

import re
print(re.match(r'a(\d+)','a2323qqq').group(1))  # 2323
print(re.match(r'a(\d+?)','a2323qqq').group(1))  # 2
print(re.match(r'a(\d+)qqq','a2323qqq').group(1))  # 2323
print(re.match(r'a(\d+?)qqq','a2323qqq').group(1))  # 2323

View Code

7.r的作用

import re
s = 'c:\\a\\b\\c'
print(re.match('c:\\\\',s).group())  # c:\
print(re.match('c:\\\\a',s).group())  # c:\a
print(re.match(r'c:\\a',s).group())  # c:\a
print(re.match(r'c:\a',s).group())  
# print(re.match(r'c:\a',s).group())  
# AttributeError: 'NoneType' object has no attribute 'group'

说明

Python中字符串前面加上 r 表示原生字符串，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。

本文参与腾讯云自媒体分享计划，分享自作者个人站点/博客。

原始发表：2019-05-09 ，如有侵权请联系 cloudcommunity@tencent.com 删除

编程算法