Python正则表达式

原创

虫无涯

修改于 2024-01-15 12:33:39

37720

代码可运行

文章被收录于专栏：全栈测试技术

运行总次数：0

代码可运行

本文写作思路和建议： 1、本文主要阐述了Python正则表达式的概念、常用操作、使用方法，方便快速了解正则表达式的应用； 2、学习之前建议对字符串进行深入的了解，比如字符串的常用操作等，因为正则表达式一般主要操作对象就是对于字符串的处理; 3、为了方便查看结果，文章开始就使用了python的re模块中match()方法，在文中后边会详细说明这个方法的使用技巧，前边使用只是为了输出我们需要的结果信息。

1 正则表达式的定义

正则表达式一般操作对象为字符串；
通常的可以理解为正则表达式为记录文本规则的代码或工具；
应用场景为比如查找符合某些复杂规则的字符串。

以下是关于正则的一些基本使用和操作。

2 行定位符

行定位符用来描述子串的边界；
主要使用“ ^ ”表示行开始，使用" $ "为行结尾；
比如针对以下字符串的造作，我们匹配行开始(注意这里的re模块的使用后续会详细说明，这里先用一下)：

import re

str_01 = "python is my favourite programing language！"
str_02 = "who is my favourite programing language of python! "
pat = r"^python"
str_result_01 = re.match(pat, str_01, re.I)
str_result_02 = re.match(pat, str_02, re.I)

print(str_result_01.string)  # 输出为：python is my favourite programing language！
print(str_result_02)  # 没有匹配到，输出为：None

3 元字符

除了前边的“^”和"$"外，正则表达式还有很多元字符；
比如格式：\bqw\w*\b；
上边的这个格式应该如何理解呢：

① 这个格式表示用于匹配以字母qw开头的单词； ② 先从某个单词开始处（\b）,然后匹配字母qw，接着是任意的字母或字符(\w*)，最后是单词结束处(\b)；

针对上边这个格式，我们简单看一个示例，我们的匹配需求如下：

如匹配格式： \bqw\w*\b，那么下边的都可以匹配qw123213和qwerererer；不能匹配123qw和werqw。

代码如下：

import re

pat_01 = r"\bqw\w*\b"
str_list = ["qw123213", "qwerererer", "123qw", "werqw"]
for i in range(4):
    str_result = re.match(pat_01, str_list[i], re.I)
    print(str_result)

# 输出为：
# <re.Match object; span=(0, 8), match='qw123213'>
# <re.Match object; span=(0, 10), match='qwerererer'>
# None
# None

以下是常用的元字符：

代码	说明
.	匹配除换行符以外的任意字符
\w	匹配字母、数字、下划线或汉字
\W	匹配除字母、数字、下划线或汉字以外的字符
\s	匹配单个空白符（包括tab键和换行符）
\S	匹配除单个空白符（包括tab键和换行符）以外的所有字符
\d	匹配数字
\b	匹配单词的开始或结束，单词的分界符通常是空格、标点符号或者换行
^	匹配字符串的开始
$	匹配字符串的结尾

4 限定符

限定符就是指定数量的字符；
之前提到的可以匹配任意字符的元字符，那如果要匹配特定数量的数字，就要使用限定符了；
以下是常用限定符：

限定符	说明
?	匹配前边的字符零次或一次
+	匹配前边的字符一次或多次
*	匹配前边的字符零次或多次
{n}	匹配前边的字符n次
{n,}	匹配前边的字符最少n次
{n,m}	匹配前边的字符最少n次，最多m次

关于限定符我们来看以下示例：

我们的需求是列表中有几组字符串，遍历列表后，把是6位数字的进行匹配，打印看结果是否能匹配到。

详细代买如下：

import re

pat_02 = r"^\d{6}$"

str_list = ["123456", "12345678", "123456789", "345678"]
for i in range(4):
    str_result = re.match(pat_02, str_list[i], re.I)
    print(str_result)

# 输出为：
# <re.Match object; span=(0, 6), match='123456'>
# None
# None
# <re.Match object; span=(0, 6), match='345678'>

5 字符类

正则表达式可以匹配数字和字母，因为这些有对应的元字符；

但是如果没有元字符的字符如何匹配呢？

以下是列举了一些没有元字符的字符匹配方式，方法就是直接在方括号中括起来即可：

【aeiou】，匹配任何一个英文元音字母【.?!】，匹配标点符号（" . " 或" ? "或" ! "）【0-9】，和"\d"一样，0-9任意一个数字【a-z0-9A-Z】，等同于"\w"

关于上边提到的我们看个示例：

import re

pat_03 = r"[a]"
str_list = ["aeiou1233", "23aeiou34", "a2e3i44o56u"]
for i in range(3):
    str_result = re.match(pat_03, str_list[i], re.I)
    print(str_result)

# 输出为：
# <re.Match object; span=(0, 1), match='a'>
# None
# <re.Match object; span=(0, 1), match='a'>

6 排除字符

" ^ "表示行的开始，如果放在方括号中表示排除；
如【^a-zA-Z】表示匹配一个不是字母的字符（请注意这里的方括号是英文的法，因为打不出来，所以用中文代替）;
示例如下：

import re

pat_04 = r"[^a-zA-Z]"
str_list = ["abcdfg234324", "12354454", "a2e3i44o56u"]
for i in range(3):
    str_result = re.match(pat_04, str_list[i], re.I)
    print(str_result)

# 输出为：
# None
# <re.Match object; span=(0, 1), match='1'>
# None

7 选择字符

使用" | "来表示，意思为"或"
比如我们用这个符号来匹配手机号（11位）或座机号（11位）；

import re

pat_05 = r"(^\d{11}$)|(^\d{8}$)"
str_list = ["13312344321", "02912341234", "1879245"]
for i in range(3):
    str_result = re.match(pat_05, str_list[i], re.I)
    print(str_result)

# 输出为：
# <re.Match object; span=(0, 11), match='13312344321'>
# <re.Match object; span=(0, 11), match='02912341234'>
# None

8 转义字符

转移字符就是将特殊字符变成普通字符；
转移字符使用（\）表示；
比如我们匹配ip地址：

import re

pat_06 = r"[0-9]{1,3}\.[0-9]{1,2}\.[0-9]{1,3}\.[0-9]{1,3}"
str_list = ["127.0.0.1", "172.1.1.1", "192.168.2.1"]
for i in range(3):
    str_result = re.match(pat_06, str_list[i], re.I)
    print(str_result)
    
# 输出为：
# <re.Match object; span=(0, 9), match='127.0.0.1'>
# <re.Match object; span=(0, 9), match='172.1.1.1'>
# None

9 分组

分组我们可以使用小括号；
比如：

(ma|pa)th，匹配math和path

10 re模块实现正则表达式详解

使用以下引入re模块即可：

import re

10.1 匹配字符串

10.1.1 match()方法

从字符串的开始处进行匹配，匹配成功返回Match对象，失败返回None；
语法：

re.match(pattern，s，flags)

说明：

pattern：模式字符串 s：要匹配的字符串 flags：可选，控制匹配方式

一个示例：

# -*- coding:utf-8 -*-

import re

pattern = r"http\w+"
s = "HTTPS://cloud.tencent.com/developer/user/10298071"
s1 = "博客地址HTTPS://cloud.tencent.com/developer/user/10298071"
mymatch = re.match(pattern, s, re.I)
mymatch1 = re.match(pattern, s1, re.I)
print(mymatch)
print(mymatch1)

# 输出为：
# HTTPS://cloud.tencent.com/developer/user/10298071
# None

关于flags常用标志

标志	说明
A或ASCII	只进行ASCII 匹配
I或IGNORECASE	匹配不区分大小写
M或MULTILINE	将^和$用于包括整个字符串的开始和结尾的每一行
S或DOTALL	使用(.)字符匹配所有字符
X或VERBOSE	忽略模式字符串中未转义的空格和注释

10.1.2 search()方法

用于在整个字符串中搜索第一个匹配的值，成功返回对象，失败返回None；
语法：

re.search(pattern，s，flags)

说明：

pattern：模式字符串 s：要匹配的字符串 flags：可选，控制匹配方式

一个示例：

import re

pattern = r"http\w+"
s = "HTTPS://cloud.tencent.com/developer/user/10298071"
s1 = "博客地址HTTPS://cloud.tencent.com/developer/user/10298071"
mymatch = re.search(pattern, s, re.I)
mymatch1 = re.search(pattern, s1, re.I)
print(mymatch)
print(mymatch1)

# 输出为：
# <re.Match object; span=(0, 5), match='HTTPS'>
# <re.Match object; span=(4, 9), match='HTTPS'>

10.1.3 findall()方法

用于在整个字符串中搜索所有符合正则表达式的字符串，成功返回包含匹配结构的列表，失败返回空列表；
语法：

re.findall(pattern，s，flags)

说明：

pattern：模式字符串 s：要匹配的字符串 flags：可选，控制匹配方式

一个示例：

# -*- coding:utf-8 -*-

import re

pattern = r"http\w+"
s = "HTTPS://cloud.tencent.com/developer/user/10298071"
s1 = "博客地址HTTPS://cloud.tencent.com/developer/user/10298071"
mymatch = re.findall(pattern, s, re.I)
mymatch1 = re.findall(pattern, s1, re.I)
print(mymatch)
print(mymatch1)

# 输出为：
# ['HTTPS']
# ['HTTPS']

10.2 替换字符串

sub()方法用于字符串替换；
语法：

re.sub(patern, repl, s, count, flags)

说明：

patern：模式字符串 repl：替换的字符串 s：原始字符串 count：可选，替换的最大次数，默认为0 flags：控制匹配方式

import re

pattern = r"8[345]\d{6}"
s = "文章中编号为：83578910"
result = re.sub(pattern, "98765432", s)
print(result) # 输出为:文章中编号为：98765432

10.3 正则表达式分割字符串

语法：

re.spilt(pattern, s, maxsplit, flags)

说明：

pattern：模式字符串 s：要匹配的字符串 maxsplit：可选，最大的拆分次数 flags：可选，控制匹配方式

import re

pattern = r"[?|&]"
s = "http://www.wertyy.com/login.jsp?username='admin'&password='123456'"

result = re.split(pattern, s)
print("原字符串：", s) 
print("分割后的字符串：", result)

# 输出为：
# 原字符串： http://www.wertyy.com/login.jsp?username='admin'&password='123456'
# 分割后的字符串： ['http://www.wertyy.com/login.jsp', "username='admin'", "password='123456'"]

我正在参与2024腾讯技术创作特训营第五期有奖征文，快来和我瓜分大奖！

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

python