正则表达式
一、正则基础
1、为什么使用正则
需求
判断一个字符串是否是手机号
解决
编写一个函数，给函数一个字符串，如果是手机号则返回True，否则返回False
代码
<span class="hljs-function"><span class="hljs-keyword">def</span> <span class="hljs-title">isPhone</span><span class="hljs-params">(phone)</span>:</span>
<span class="hljs-comment"># 长度为11</span>
<span class="hljs-comment"># 全部都是数字字符</span>
<span class="hljs-comment"># 以1开头</span>
<span class="hljs-keyword">pass</span>
<span class="hljs-keyword">if</span> isPhone(<span class="hljs-string">"13812345678"</span>):
print(<span class="hljs-string">"是手机号"</span>)
<span class="hljs-keyword">else</span>:
print(<span class="hljs-string">"不是手机号"</span>)注意
如果使用正则会让这个问题变得简单
2、re模块简介
python自1.5版本开始增加了re模块，该模块提供了perl风格的正则表达式模式，re模块是python语言拥有了所有正则表达式的功能
- 如下四个方法经常使用
- match()
- search()
- findall()
- finditer()
二、re模块中常用函数
1、match()函数
原型
def match(pattern, string, flags=0)功能
尝试从字符串string的起始位置匹配一个pattern模式，如果不在起始位置匹配成功的话就返回None
参数
参数 | 说明 |
|---|---|
pattern | 匹配的正则表达式(一种字符串的模式) |
string | 要匹配的字符串 |
flags | 标识位，用于控制正则表达式的匹配方式 |
flags
值 | 说明 |
|---|---|
re.I | 是匹配对大小写不敏感 |
re.L | 做本地化识别匹配 |
re.M | 多行匹配，影响到^和$ |
re.S | 使.匹配包括换行符在内的所有字符 |
re.U | 根据Unicode字符集解析字符，影响\w、\W、\b、\B |
re.X | 通过给予我们功能灵活的格式以便更好的理解正则表达式 |
代码
<span class="hljs-keyword">import</span> re
ret = re.match(<span class="hljs-string">"www"</span>,<span class="hljs-string">"www.zutuanxue_com.wang"</span>)
print(ret, type(ret), ret.span())
print(re.match(<span class="hljs-string">"www"</span>,<span class="hljs-string">"wwW.zutuanxue_com.www.wang"</span>, re.I))
print(re.match(<span class="hljs-string">"www"</span>,<span class="hljs-string">"zutuanxue_com.www.wang"</span>))
print(re.match(<span class="hljs-string">"www"</span>,<span class="hljs-string">"zutuanxue_com.wang"</span>))2、searce()函数
原型
def search(pattern, string, flags=0)功能
扫描整个字符串string，并返回第一个pattern模式成功的匹配
参数
参数 | 说明 |
|---|---|
pattern | 匹配的正则表达式(一种字符串的模式) |
string | 要匹配的字符串 |
flags | 标识位，用于控制正则表达式的匹配方式 |
flags
值 | 说明 |
|---|---|
re.I | 是匹配对大小写不敏感 |
re.L | 做本地化识别匹配 |
re.M | 多行匹配，影响到^和$ |
re.S | 使.匹配包括换行符在内的所有字符 |
re.U | 根据Unicode字符集解析字符，影响\w、\W、\b、\B |
re.X | 通过给予我们功能灵活的格式以便更好的理解正则表达式 |
代码
<span class="hljs-keyword">import</span> re
ret = re.search(<span class="hljs-string">"www"</span>, <span class="hljs-string">"zutuanxue_com.www.wang.www"</span>)
print(ret, type(ret), ret.span())3、findall()函数
原型
def findall(pattern, string, flags=0)功能
扫描整个字符串string，并返回所有匹配的pattern模式结果的字符串列表
参数
参数 | 说明 |
|---|---|
pattern | 匹配的正则表达式(一种字符串的模式) |
string | 要匹配的字符串 |
flags | 标识位，用于控制正则表达式的匹配方式 |
flags
值 | 说明 |
|---|---|
re.I | 是匹配对大小写不敏感 |
re.L | 做本地化识别匹配 |
re.M | 多行匹配，影响到^和$ |
re.S | 使.匹配包括换行符在内的所有字符 |
re.U | 根据Unicode字符集解析字符，影响\w、\W、\b、\B |
re.X | 通过给予我们功能灵活的格式以便更好的理解正则表达式 |
代码
<span class="hljs-keyword">import</span> re
ret = re.findall(<span class="hljs-string">"www"</span>, <span class="hljs-string">"zutuanxue_com.www.wang.wwwqqww1fffwwe"</span>)
print(ret, type(ret))
<span class="hljs-comment"># ww1 ww2 ww3 ww4 wwa wwb wwc ww@</span>
print(re.findall(<span class="hljs-string">""</span>, <span class="hljs-string">"zutuanxue_com.www.wang.wwwqqww1fffwwe"</span>))4、finditer()函数
原型
def finditer(pattern, string, flags=0)功能
与findall()类似，返回一个迭代器
参数
参数 | 说明 |
|---|---|
pattern | 匹配的正则表达式(一种字符串的模式) |
string | 要匹配的字符串 |
flags | 标识位，用于控制正则表达式的匹配方式 |
flags
值 | 说明 |
|---|---|
re.I | 是匹配对大小写不敏感 |
re.L | 做本地化识别匹配 |
re.M | 多行匹配，影响到^和$ |
re.S | 使.匹配包括换行符在内的所有字符 |
re.U | 根据Unicode字符集解析字符，影响\w、\W、\b、\B |
re.X | 通过给予我们功能灵活的格式以便更好的理解正则表达式 |
代码
<span class="hljs-keyword">import</span> re
ret = re.finditer(<span class="hljs-string">"www"</span>, <span class="hljs-string">"zutuanxue_com.www.wang.wwwqqww1fffwwe"</span>)
print(ret, type(ret))
<span class="hljs-keyword">for</span> x <span class="hljs-keyword">in</span> ret:
print(x, type(x), x.span())三、正则表达式元字符
1、匹配单个字符与数字
匹配 | 说明 |
|---|---|
. | 匹配除换行符以外的任意字符，当flags被设置为re.S时，可以匹配包含换行符以内的所有字符，如果没有设置并且还匹配所有字符需要[.\n] |
[] | 里面是字符集合，匹配[]里任意一个字符 |
[0123456789] | 匹配任意一个数字字符 |
[0-9] | 匹配任意一个数字字符 |
[a-z] | 匹配任意一个小写英文字母字符 |
[A-Z] | 匹配任意一个大写英文字母字符 |
[A-Za-z] | 匹配任意一个英文字母字符 |
[A-Za-z0-9] | 匹配任意一个数字或英文字母字符 |
[^zutuanxue_com] | []里的^称为脱字符，表示非，匹配不在[]内的任意一个字符 |
\d | 匹配任意一个数字字符，相当于[0-9] |
\D | 匹配任意一个非数字字符，相当于[^0-9] |
\w | 匹配字母、下划线、数字中的任意一个字符，相当于[0-9A-Za-z_] |
\W | 匹配非字母、下划线、数字中的任意一个字符，相当于[^0-9A-Za-z_] |
\s | 匹配空白符(空格、换页、换行、回车、制表)，相当于[ \f\n\r\t] |
\S | 匹配非空白符(空格、换页、换行、回车、制表)，相当于[^ \f\n\r\t] |
impor re
print(re.findall(<span class="hljs-string">r"ww\d"</span>, <span class="hljs-string">"zutuanxue_com.www.wang.wwwqqww1fww\nffwweeeww3"</span>))
print(re.findall(<span class="hljs-string">r"ww."</span>, <span class="hljs-string">"zutuanxue_com.www.wang.wwwqqww1fww\nffwwe"</span>, re.S))2、匹配锚字符
匹配 | 说明 |
|---|---|
^ | 行首匹配，和[]里的^不是一个意思 |
$ | 行尾匹配 |
<span class="hljs-keyword">import</span> re
print(re.search(<span class="hljs-string">r"^zutuanxue_com"</span>,<span class="hljs-string">"zutuanxue_com is a good man"</span>))
print(re.search(<span class="hljs-string">r"^zutuanxue_com"</span>,<span class="hljs-string">"a zutuanxue_com is a good man"</span>))
print(re.search(<span class="hljs-string">r"man$"</span>,<span class="hljs-string">"zutuanxue_com is a good man"</span>))
print(re.search(<span class="hljs-string">r"^man$"</span>,<span class="hljs-string">"man"</span>))
s = <span class="hljs-string">'''zutuanxue_com is a good man
zutuanxue_com is a nice man
zutuanxue_com is a cool man
kaige is a good man
zutuanxue_com is a handsome man
'''</span>
print(<span class="hljs-string">"-----------------------"</span>)
ret = re.finditer(<span class="hljs-string">r"^zutuanxue_com"</span>, s, re.M)
<span class="hljs-keyword">for</span> x <span class="hljs-keyword">in</span> ret:
print(x)3、匹配边界字符
匹配 | 说明 |
|---|---|
\A | 匹配字符串的开始，和^的区别是\A只匹配整个字符串的开头，即使在re.M模式下也不会匹配其他行的行首 |
\Z | 匹配字符串的结尾，和$的区别是\Z只匹配整个字符串的结尾，即使在re.M模式下也不会匹配其他行的行尾 |
\b | 匹配一个单词的边界，指单词和空格的位置 |
\B | 匹配非单词边界 |
<span class="hljs-keyword">import</span> re
print(re.findall(<span class="hljs-string">r"\Azutuanxue_com"</span>, s, re.M))
print(re.findall(<span class="hljs-string">r"ck\b"</span>, <span class="hljs-string">"zutuanxue_com is a good man! ack is a nice mack,nckab"</span>))
ret = re.finditer(<span class="hljs-string">r"ck\B"</span>, <span class="hljs-string">"zutuanxue_com is a good man! ack is a nice manckab"</span>)
<span class="hljs-keyword">for</span> x <span class="hljs-keyword">in</span> ret:
print(x)4、匹配多个字符
说明：以下使用x、y、z均为假设的普通字符，m、n表示一个数字，不是正则表达式的元字符
匹配 | 说明 |
|---|---|
(xyz) | 匹配括号内的xyz，作为一个整体去匹配 |
x? | 匹配0个或者1个x，非贪婪匹配 |
x* | 匹配0个或任意多个x |
x+ | 匹配至少一个x |
x{n} | 确定匹配n个x，n是非负数 |
x{n,} | 至少匹配n个x |
x{n,m} | 匹配至少n个最多m个x |
x|y | |表示或的意思，匹配x或y |
<span class="hljs-keyword">import</span> re
print(re.findall(<span class="hljs-string">r"(very)"</span>, <span class="hljs-string">"zutuanxue_com is a very very good man"</span>))
print(re.findall(<span class="hljs-string">r"a?"</span>, <span class="hljs-string">"11111a2222aa3333aaa44444aaaa55555"</span>))
print(re.findall(<span class="hljs-string">r"a*"</span>, <span class="hljs-string">"11111a2222aa3333aaa44444aaaa55555"</span>))
print(re.findall(<span class="hljs-string">r"a+"</span>, <span class="hljs-string">"11111a2222aa3333aaa44444aaaa55555"</span>))
print(re.findall(<span class="hljs-string">r"a{2}"</span>, <span class="hljs-string">"11111a2222aa3333aaa44444aaaa55555"</span>))
print(re.findall(<span class="hljs-string">r"a{3,}"</span>, <span class="hljs-string">"11111a2222aa3333aaa44444aaaa55555"</span>))
print(re.findall(<span class="hljs-string">r"a{3,5}"</span>, <span class="hljs-string">"11111a2222aa3333aaa44444aaaa55555aaaaa666aaaaaa"</span>))
print(re.findall(<span class="hljs-string">r"((s|S)unck)"</span>, <span class="hljs-string">"zutuanxue_com is a good manzutuanxue_com"</span>))
print(re.findall(<span class="hljs-string">r"(zutuanxue_com|zutuanxue_com)"</span>, <span class="hljs-string">"zutuanxue_com is a good manzutuanxue_com"</span>))