python中正则表达式的使用详解(相当全面)

文章目录

• python中的正则表达式
• • 正则表达式定义和作用
  • 正则表达式 – 匹配单个字符
  • (1) 预定义字符集
  • (2) 字符组 [] 匹配出字符组当中列举的字符(从字符组里面挑一个)
  • (3)匹配多个字符，量词放在要匹配的字符之后
  • (4)匹配分组 ()表达整体
  • (5)search反向引用
  • (6)命名分组
  • (7)正则函数

python中的正则表达式

正则表达式定义和作用

#正则表达式是什么?
它是约束字符串匹配某种形式的规则
#正则表达式有什么用?
1.检测某个字符串是否符合规则.比如:判断手机号,身份证号是否合法
2.提取网页字符串中想要的数据.比如:爬虫中,提取网站天气,信息,股票代码,星座运势等具体关键字
正则只能匹配字符串格式，不能判断逻辑，判断逻辑要通过代码去实现

#在线测试工具 http://tool.chinaz.com/regex/
该网站，可以在线验证正则表达式是否达到目的

正则表达式所包含的元素种类
#正则表达式由一些 [普通字符] 和一些 [元字符] 组成:
(1)普通字符包括大小写字母和数字
(2)元字符具有特殊含义,大体种类分为如下:
1.预定义字符集,字符组
2.量词
3.边界符
4.分组

正则表达式 – 匹配单个字符

导入模块

import re
“”“lst = re.findall(正则表达式,字符串)”“”
该方法返回的是个列表，把所有满足条件的字符放到列表，将列表返回

finditer返回的是迭代器，遍历打印出来的re.Match对象

. 匹配除了换行符外的任意单个字符

(1) 预定义字符集

#\d 匹配数字
strvar = “sdjfklj234&*(&1”
lst = re.findall(“\d”,strvar)
print(lst)

#\D 匹配非数字
strvar = “YWERsdf78_&”
lst = re.findall(“\D”,strvar)
print(lst)

#\w 匹配字母或数字或下划线，python这里包含中文，正则表达式网站这个匹配规则匹配不到中文 (正则函数中,支持中文的匹配)
strvar = “sadf234_^&*%KaTeX parse error: Expected group after ‘^’ at position 1: ^̲%你好”
lst = re.findall(“\w”,strvar)
print(lst)

\w 在正则表达式网站匹配不到中文

#\W 匹配非字母或数字或下划线
strvar = “sadf234_^&*%KaTeX parse error: Expected group after ‘^’ at position 1: ^̲%你好”
lst = re.findall(“\W”,strvar)
print(lst)

#\s 匹配任意的空白符 ( ” ” \t \n \r )
strvar = ” \r “
lst = re.findall(“\s”,strvar)
print(lst)

#\S 匹配任意非空白符
strvar = ” \r 123_*(“
lst = re.findall(“\S”,strvar)
print(lst)

#\n 匹配一个换行符
strvar = “””
今天国庆假期结束了,兄弟们满载 而归,玩的 很困,尽 快调 整.
“””
lst = re.findall(r”\n”,strvar)
print(lst)

正则表达式前面无脑加r，基本不会有问题

不加转义也可以

#\t 匹配一个制表符
lst = re.findall(r”\t”,strvar)
print(lst)

(2) 字符组 [] 匹配出字符组当中列举的字符(从字符组里面挑一个)

逐个去匹配

#lst = re.findall(“[123]”,“a1b2c3d4”)
#print(lst)

print(re.findall('a[abc]b','aab abb acb adb')) # aab abb acb print(re.findall('a[0123456789]b','a1b a2b a3b acb ayb')) # a1ba2b a3b#优化写法 0123456789=> 0-9不要随便加空格print(re.findall('a[0-9]b','a1b a2b a3b acb ayb')) print(re.findall('a[abcdefg]b','a1b a2b a3b acb ayb adb')) # acb adb

#优化写法 abcdefg => a-g表达所有的小写字母 a-zprint(re.findall('a[a-g]b','a1b a2b a3b acb ayb adb'))print(re.findall('a[a-z]b','a1b a2b a3b acb ayb adb')) # acb adb aybprint(re.findall('a[ABCDEFG]b','a1b a2b a3baAb aDb aYb')) # aAb aDb#优化写法 ABCDEFG => A-G表达所有的大写字母 A-Zprint(re.findall('a[A-G]b','a1b a2b a3baAb aDb aYb')) # aAb aDbprint(re.findall('a[A-Z]b','a1b a2b a3baAb aDb aYb')) # aAb aDb aYb#注意点: 不能直接写A-z中间ascii编码中包含了特殊的符号print(re.findall('a[A-z]b','a1b a2b a3b acb ayb adb a[b'))#匹配所有的字母和数字 不能随便加空格print(re.findall('a[a-zA-Z0-9]b','a1b a2b a3b acb ayb adb a[b'))print(re.findall('a[0-9a-zA-Z]b','a-b aab aAb aWb aqba1b'))#aab aAb aWb aqb a1bprint(re.findall('a[0-9][*#/]b','a1/b a2b a29b a56b a456b')) # a1/b

#^ 在字符组开头的位置出现代表 除了...的意思，非的意思匹配[^字符]之外的任意字符 取反 ，不包含空行 ^[a-z] 表示以字母开头 print(re.findall('a[^-+*/]b',"a%b ccaa*bda&bd")) #a%b a&b

#匹配^-\等特殊字符时 ,需要前面加上\进行转义
strvar = “a^c a-c a\c”
lst = re.findall(r”a[^-\]c”,strvar)
print(lst)
print(lst[-1])

不转义报错

加转义正常

#注意点:为了防止转义,在正则表达式中或者要匹配的字符串中,无脑加r实现匹配
\b在正则里面表示边界符

strvar = r”a\b”
lst = re.findall(r”a\b”,strvar)
print(lst[0])

列表中显示两个\。单独打印出来是一个

(3)匹配多个字符，量词放在要匹配的字符之后

#(1) 量词 有” />

‘’‘2) + 匹配1个或者多个a ‘’’
print(re.findall(‘a+b’,‘b ab aaaaaab abb’)) # ab aaaaaab ab

‘’‘3) * 匹配0个或者多个a ‘’’
print(re.findall(‘a*b’,‘b ab aaaaaab abbbbbbb’)) # b ab aaaaaab ab b b b b b b

‘’‘4) {m,n} 匹配m个至n个a 至少m个，至多n个 ‘’’
#1 <= a <= 3
print(re.findall(‘a{1,3}b’,‘aaab ab aab abbb aaz aabb’)) #aaab ab aab ab aab

#{2} 代表必须匹配2个a
print(re.findall(‘a{2}b’,‘aaab ab aab abbb aaz aabb’)) # aab aab aab
#{2,} 代表至少匹配2个a
print(re.findall(‘a{2,}b’,‘aaab ab aab abbb aaz aabb’)) # aaab aab aab

#(2) 贪婪匹配 和 非贪婪匹配
正则表达式匹配，默认都是贪婪匹配

“””
贪婪匹配 : 默认向更多次匹配 (回溯算法)
非贪婪匹配: 默认向更少次匹配 (配合” />

#贪婪匹配(模式)
strvar = “刘能和刘老根和刘罗锅111子222子”
lst = re.findall(“刘.”,strvar)
print(lst) # lst = re.findall(“刘.?”,strvar)
#一个点表示匹配除了\n之外的所有单个字符

lst = re.findall(“刘.” />

lst = re.findall(“刘.+”,strvar)
print(lst) # [‘刘能和刘老根和刘罗锅111子222子’]
+表示匹配1个或多个字符

lst = re.findall(“刘.*”,strvar)
print(lst) # [‘刘能和刘老根和刘罗锅111子222子’]
*表示匹配0个或多个字符

lst = re.findall(“刘.{1,20}”,strvar)
print(lst) # [‘刘能和刘老根和刘罗锅111子222子’]
{n,m}匹配重复n到m个字符，至少n个，至多m个

lst = re.findall(“刘.*子”,strvar)
print(lst)
贪婪模式，到最后一个子结束

#非贪婪匹配(模式)在量词后面加" />= re.findall("刘.??",strvar)print(lst) # ['刘', '刘', '刘']lst = re.findall("刘.+?",strvar)print(lst) # 刘能 刘老 刘罗lst = re.findall("刘.*?",strvar)print(lst) # ['刘', '刘', '刘']

.*表示0次或多次，加?非贪婪模式匹配就是0次

lst = re.findall("刘.{1,20}" />,strvar) 1次到20次，非贪婪模式就时1次print(lst) # ['刘能', '刘老', '刘罗']lst = re.findall("刘.*?子",strvar) 以 子 结尾，找到一个 子 就结束print(lst)

#(3) 边界符 不好用，一般用^ $替代

"""\b 本身是转义字符 退格,退到光标上一位\b 在正则中还有边界符的意思被非字母数字下划线的符号隔开才有边界。正则表达式需要使用r，不然会被转义"word"卡住左边界:\bw匹配w开头的单词卡住右边界:d\b匹配d结尾的单词"""strvar = "word old fuck"#右边界lst = re.findall(r"d\b",strvar) # ['d', 'd']lst = re.findall(r".*d\b",strvar) # ['word old']lst = re.findall(r".*" />,strvar) # ['word old']print(lst) 

#左边界lst = re.findall(r"\bw",strvar)lst = re.findall(r"\bw.*",strvar)lst = re.findall(r"\bw.*" />,strvar)lst = re.findall(r"\bw.*? ",strvar) # 空格在正则表达式中,不能随意加,是参与匹配的.这个正则表示以w为左边界，非贪婪模式匹配，以第一个空格结束lst = re.findall(r"\bw\S*",strvar)

print(lst)

左右边界同时卡死

#(4) ^ $的使用

"""^ 写在在字符串的开头,表达必须以某个字符开头$ 写在在字符串的结尾,表达必须以某个字符结尾当使用了^ $ 代表要把该字符串看成一个整体"""strvar = "大哥大嫂大爷"print(re.findall('大.',strvar))# ['大哥', '大嫂', '大爷']

print(re.findall(‘^大.’,strvar)) # [‘大哥’]

print(re.findall('大.$',strvar)) # ['大爷']print(re.findall('^大.$',strvar))# []#这个正则只能匹配出两个字符，大开头，爷结尾能匹配到，但原字符串6个字符，所以匹配不到print(re.findall('^大.*" />,strvar)) # ['大哥大嫂大爷']#这种非贪婪与贪婪一样，因为只有一个以大开头的字符串print(re.findall('^大.*?大$',strvar)) # []print(re.findall('^大.*?爷$',strvar)) # ['大哥大嫂大爷']print(re.findall('^g.*? ' , 'giveme 1gfive gay')) # giveme 非贪婪方式匹配以g开头，空格结尾的只匹配一个print(re.findall('five$' , 'aassfive')) # [five]print(re.findall('^giveme$' , 'giveme')) # ['giveme']print(re.findall('^giveme$' , 'giveme giveme')) # []print(re.findall('giveme' , 'giveme giveme')) # ['giveme', 'giveme']print(re.findall("^g.*e",'giveme 1gfive gay')) # ['giveme 1gfive']

(4)匹配分组 ()表达整体

findall匹配分组时，要么显示匹配内容，要么显示分组内容，不能同时显示

正则表达式：环视(Lookaround)

(” />

import re
#(1)分组
print(re.findall(‘.” />

多个分组时，以元组方式放到列表中

#(2) | 代表或 , a|b 匹配字符a 或者 匹配字符b .

strvar = "abceab"lst = re.findall("a|b",strvar)print(lst)

#注意点:把不容易匹配到的内容放到前面, 把容易匹配到的内容放到后面 更精确的放前面

strvar = "abcdeabc234f"lst = re.findall("abcd|abc",strvar)print(lst)

如果把更精确的放后面，则查不到

#(3) 练习
“””
. 可以匹配任意的字符,除了\n
. 对.进行转义,表达.这个字符本身.

“””

#匹配小数 strvar = "3........4.3 ...3 1.39.8910"lst = re.findall(r"\d+\.\d+",strvar)print(lst)

#匹配小数和整数
lst = re.findall(r”\d+.\d+|\d+”,strvar)
print(lst)

#使用分组改造
‘’‘findall优先显示括号里的内容,需要加上” /> print(lst)

#仅仅整数和小数才能被匹配

分组改造仅匹配整数或小数
re.search(r”^\d+KaTeX parse error: Undefined control sequence: \d at position 4: (\.\̲d̲+)” />

#匹配135或171的手机号 strvar = "13566668888 17366669999 17135178392"lst = re.findall(r"(?:135|171)\d{8}",strvar)print(lst)

#优化,只能匹配出一个手机号

strvar = "13566668888"lst = re.findall(r"^(" />,strvar)print(lst)obj = re.search(r"^(135|171)\d{8}$",strvar)print(obj)print(obj.group())print(obj.groups())

#匹配www.baidu.com 或者 www.oldboy.com
“””
findall : 从左到右,匹配出所有的内容,返回到列表
问题是,匹配到的字符串和分组的内容不能同时显示;

search : 从左到右,匹配到第一组内容就直接返回,找到就不往下继续匹配。返回的是对象
优点是,可以让匹配到的内容和分组里的内容同时显示;
匹配不到内容时,返回的是None。None时，是不能调用group/groups方法的

obj.group() : 获取匹配到的内容
obj.groups(): 获取分组里面的内容，返回的是元祖

如果search匹配不到数据，再调用group/groups方法会报错

“””
#findall

strvar = "www.baidu.comwww.oldboy.comwww.wangwen.com"lst = re.findall(r"(" />,strvar)print(lst)#searchsearch匹配分组，不需要加?:，是通过返回的对象.group()获取匹配到的内容对象.groups()获取分组里面的内容strvar = "www.baidu.comwww.oldboy.comwww.wangwen.com"obj = re.search(r"(www)\.(baidu|oldboy)\.(com)",strvar)print(obj)#获取匹配到的内容print(obj.group())#获取分组里面的内容 (推荐) 获得的是元祖print(obj.groups())#方法二,可以直接通过下标1来获取分组里面的第一个内容;print(obj.group(1))print(obj.group(2))print(obj.group(3))

#search 练习 : 计算”56-7/3″结果 匹配 56 或者 7/3

strvar ="5*6-7/3"#strvar = "www.baidu.comwww.oldboy.comwww.wangwen.com"obj = re.search(r"\d+[*/]\d+",strvar)res1 = obj.group()print(res1 , type(res1)) # 5*6 #计算结果a,b = res1.split("*")res2 = int(a) * int(b)print(res2)#把30替换回原来的字符串中strvar = strvar.replace(res1,str(res2))print(strvar)

#以此类推 …

(5)search反向引用

import restrvar = "明天又要休息了"obj = re.search(",strvar)print(obj)

#获取匹配到的内容
res1 = obj.group()
print(res1)

#获取分组里的内容
res2 = obj.groups()
print(res2)

#如果左右两边括号里面的内容一致，可以使用反向引用的语法 \1把第一个括号里面匹配到的内容再引用一次。\1 \2等不是用来匹配的，只是将前面分组的内容拿过来放到该位置
也可以用\2 \3等等，分别表示第二、第三…个圆括号里面匹配的内容

如果\1 \2等位置的数据与前面分组匹配的内容不一致，则匹配不到数据

数据一模一样则可以反向引用

obj = re.search(r",strvar)print(obj)print(obj.group())print(obj.groups())

使用反向引用，要加上元字符串输出r

#\1表示第一个括号匹配的内容，\2表示第二个括号匹配的内容。引用到该位置

strvar = " z3d4pzd a1b2cab "obj = re.search(r"(.*" />,strvar)print(obj)print(obj.group())print(obj.groups())

(6)命名分组

“””
如果正则表达式比较长。使用\1 \2 \3容易数乱。所以用命名分组来引用

3. (” /> #写法一

strvar = " z3d4pzd a1b2cab "obj = re.search(r"(?P.*?)\d(?P.*?)\d(?P.*?)\1\2",strvar)print(obj)print(obj.group())

#写法二

strvar = " z3d4pzd a1b2cab "obj = re.search(r"(" />,strvar)print(obj)print(obj.group())

(7)正则函数

import re
#search 通过正则匹配出第一个对象返回，匹配到后，后面的就不配了。通过group取出对象中的值

strvar = “3+4 64″
obj = re.search(r”(\d+[+]\d+)”,strvar)
print(obj)

#获取匹配到的内容
print(obj.group())
#获取分组当中的内容 (返回元组)
print(obj.groups())

#match 验证用户输入内容 (了解) 匹配的值都是以什么开始，从起始位置开始验证与正则表达式是否匹配

"""search在正则表达式的前面加上^ 等价于 match ,其他用法上一模一样"""strvar = "a17366668888"strvar = "17366668888"#obj = re.search(r"^\d+",strvar)#obj = re.match(r"\d+",strvar)#print(obj.group())print(obj)search匹配数据，也是从头开始，但是匹配不到的舍弃，后面的接着匹配

match开头若是匹配不到就匹配不到，不会往后接着匹配，最终匹配结果为空

search加上^ 表达的效果就与match一样了

#split 切割 返回的是切割后的列表，可以指定切割次数
针对分隔符有多种的情况，特别好用

strvar = “alex|wusir_xboyww@risky”
lst = re.split(“[|_@]”,strvar)
print(lst)

以中括号里面的每个符号做切割。特别适合有多个分隔符做切割的情况

strvar = "alex2341273894wusir234234xboyww11111risky"lst = re.split("\d+",strvar)print(lst)

指定切割次数

# sub替换 。可以将多种字符同时替换，不指定替换次数，将全部替换。返回的是替换后的字符串 当要将多种字符批量替换成一种字符时，比replace高效strvar = "alex|wusir_xboyww@risky""""strvar = strvar.replace("|","&")strvar = strvar.replace("_","&")strvar = strvar.replace("@","&")print(strvar)"""# sub(正则,替换的字符,原字符串[,替换的次数])res = re.sub("[|_@]","&",strvar)res = re.sub("[|_@]","&",strvar,1)print(res)

指定替换次数，替换一次，只将第一个替换

#compile 指定一个统一的匹配规则
“””
正常情况下,正则表达式编译一次,执行一次。如果一条正则多处使用，则会造成系统资源浪费
为了避免反复编译,节省时间空间,可以使用compile统一规则
编译一次,终身受益
使用语法：
1、先编写正则规则patern = re.compile(“正则规则”)
在正则函数处调用：
pattern.正则函数(要匹配的字符串)

2、像原来使用方法一样，将规则放在正则函数的正则表达式处
re.findall(pattern,strvar)

“””
strvar = “asdfs234sdf234”
pattern = re.compile(“\d+”)

print(“”)
obj = pattern.search(strvar)
print(obj.group())

lst = pattern.findall(strvar)
print(lst)

语法2，正常语法