python 正则表达式

1. 检测工具

https://regex101.com/  这个不要钱

https://www.regexbuddy.com/download.html  需要钱钱买license

是真的好用

 

 

 

2. 单字符匹配

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
. 匹配任意一个字符（除了\n）
 
[] 匹配[]内列举的字符
 
\d 匹配数字0-9
 
\D 匹配非数字，不是数字的都行
 
\s 匹配空白，即 空格，\t tab键,\n 换行
 
\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, 即非字母，非数字，非下划线

 

?
1
2
3
4
5
[hr] 即可以匹配单个字符h，又可以匹配单个字符r,
 
[a-h] 可以匹配单个a , 可以匹配单个b, 可以匹配单个c, 可以匹配单个d, 可以匹配单个e, 可以匹配单个f, 可以匹配单个g, 可以匹配单个h
 
[A-Z0-9]  匹配所有的大写字母和所有的数字

 


 

3. 匹配多个字符

?
1
2
3
4
5
6
7
8
9
* 匹配前一个字符任意次，即可有可无
 
+ 匹配前一个字符1次或者无限次，即至少一次
 
? 匹配前一个字符出行1次或者0次，即要么有1次，要么没有
 
{m}  匹配前一个字符m次
 
{m,n} 匹配前一个字符出现从m次到n次，m<n

 


 

举个栗子

?
1
2
3
4
5
6
7
8
9
^[a-zA-Z_]+\w*  匹配变量名
 
[0-9]?[0-9] 匹配0-99
 
\d{3}  连续出现4次数据
 
\d{8,20}   连续8到20位数字
 
\.   只能匹配.    \代表转义字符，如果只写.，代表匹配任意字符

 


 

4. 匹配开头

?
1
2
3
4
5
6
7
8
9
^  匹配后面一个字母开头；在中括号内 [^a]取反， 匹配不是a的字符
 
$ 匹配前面一个字母结尾
 
  
 
^[a-z]\d$    以小写字母开头，以数字结尾
 
[^he]   匹配不包含h，不包含e的单个字母

 


 

5. re模块

在python中需要通过正则表达式对字符串进行匹配的时候，可以使用re模块，这个模块里面有match(pattern,String,flag)方法, 如果匹配成功，返回object对象，如果匹配不成功，返回None。

举个栗子

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
import re
if __name__ == '__main__':
    str = 'ddddffffff%'
    patobj = re.match('\w+', str)
    # group() 返回匹配的内容,这里返回ddddffffff
    print(patobj.group())
 
    str2 = 'hekkko@163.com'
    patobj2 = re.match('^\w{4,20}@163\.com$', str2)
    print(patobj2.group())
 
 
执行结果
PycharmProjects/pythonProject/p3/repat.py
ddddffffff
hekkko@163.com
 
Process finished with exit code 0

 

6.匹配分组之 |

|匹配左右任意一个表达式

?
1
2
#匹配0-100
^[0-9]?[0-9]$|^100$<br><br>import re<br>if __name__ == '__main__':<br>　　str3 = '100'<br>    patobj3 = re.match('^[0-9]?[0-9]$|^100$', str3)<br>    print(patobj3.group())<br><br>    str4 = '99'<br>    patobj4 = re.match('^[0-9]?[0-9]$|^100$', str4)<br>    print(patobj4.group())<br><br>result<br>PycharmProjects/pythonProject/p3/repat.py<br>100<br>99<br><br>Process finished with exit code 0

 

 

 

7.匹配分组之()

（）看成一个整体，进行整体匹配，  (ab)将括号中字符ab作为一个分组

?
1
import re<br>if __name__ == '__main__':<br>    str5 = 'helll@163.com'<br>    patobj5 = re.match('^\w{4,20}@(163|126|qq)\.(com)$', str5)<br>    print(patobj5.group())<br>    print(patobj5.group(1)) #正则表达式里面第一个小括号的匹配内容 <br>    print(patobj5.group(2)) #正则表达式里面第二个小括号的匹配内容<br><br><br>C:\Users\GINAGZLI\.virtualenvs\p3-uIsbL7fV\Scripts\python.exe C:/Users/‘’‘’‘’/PycharmProjects/pythonProject/p3/repat.py<br>helll@163.com<br>163<br>com<br><br>Process finished with exit code 0
?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
import re
if __name__ == '__main__':
    str6 = '010-11111111'
    str7 = '1234-2222222'
    patobj6 = re.match('(\d{3,4})-(\d{7,8})', str6)
    patobj7 = re.match('(\d{3,4})-(\d{7,8})', str7)
    print('qu hao', patobj6.group(1))
    print('dian hua hao ma', patobj6.group(2))
    print('qu hao', patobj7.group(1))
    print('dian hua hao ma', patobj7.group(2))
 
 
C:\Users\GINAGZLI\.virtualenvs\p3-uIsbL7fV\Scripts\python.exe C:/Users/uuuuu/PycharmProjects/pythonProject/p3/repat.py
qu hao 010
dian hua hao ma 11111111
qu hao 1234
dian hua hao ma 2222222
 
Process finished with exit code 0

 

8. 匹配分组之 \

\num 表示引用第num个()里面的pattern

\1 表示引用第一个()里面的pattern

?
1
2
3
4
5
6
7
8
9
10
11
12
13
import re
if __name__ == '__main__':
    str8 = "<html>testPattern</html>"
    # \1表示引用()里面的pattern  也就是这串([a-zA-Z0-9]+)，这里需要用转义字符\\1机器才能按\1办事儿
    patobj8 = re.match("<([a-zA-Z0-9]+)>.*</\\1>", str8)  
    print(patobj8.group())
 
 
 
C:/Users/oooo/PycharmProjects/pythonProject/p3/repat.py
<html>testPattern</html>
 
Process finished with exit code 0<br><br><br><br><br>import re<br>if __name__ == '__main__':<br>    str9 = "<html><h1>testPattern</h1></html>"<br>    # patobj9 = re.match("<([a-zA-Z0-9]+)><\\1>.*</\\1></\\1>", str9)   我不清楚这个错在哪里， 这个匹配不到，不能多次引用同一个么？ 拜托能为我解惑的朋友给留言<br>    patobj9 = re.match("<([a-zA-Z0-9]+)><([a-zA-Z0-9]+)>.*</\\2></\\1>", str9) 这个能匹配到<br>    print(patobj9.group())<br><br><br>

 

9.  匹配分组之别名

?
1
2
3
4
5
6
import re
if __name__ == '__main__':
    str10 = "<html><h1>testPattern</h1></html>"
    #?P<name1>是[a-zA-Z0-9]+的别名 ，(?P=name1)代表引用name1
    patobj10 = re.match("<(?P<name1>[a-zA-Z0-9]+)><(?P<name2>[a-zA-Z0-9]+)>.*</(?P=name2)></(?P=name1)>", str10)
    print(patobj10.group())

 

10. re模块的其他用法

10.1 search 查找

re.search('hello','helloxxxx')能匹配成功，re.search('hello','xhelloxxxx')能匹配成功

match是从正则开头的才能匹配到，比如 re.match('hello','helloxxxx')能匹配成功，re.match('hello','xhelloxxxx')不能匹配成功

search的搜索范围比match大，直接在字符串里面搜索

?
1
2
3
4
import re
if __name__ == '__main__':
    str11 = "dfgsdgad9999dddd"
    patobj11 = re.search('\d+', str11)

 

10.2 findall() 返回一个列表

?
1
2
3
4
5
6
7
8
9
10
11
import re
if __name__ == '__main__':
    str12 = "dfgsdgad9999dddd, 5555,444,fff666,777"
    patobj12 = re.findall('\d+', str12)
    print(patobj12)
 
 
C:\Users\GINAGZLI\.virtualenvs\p3-uIsbL7fV\Scripts\python.exe C:/Users/77777/PycharmProjects/pythonProject/p3/repat.py
['9999', '5555', '444', '666', '777']
 
Process finished with exit code 0

 

 

10.3 sub 替换

sub("正则pattern", new , 要替换的字符串)

返回值是替换后的字符串

?
1
2
3
4
5
6
7
8
9
10
11
12
import re
if __name__ == '__main__':
    str13 = "dfgsdgad9999dddd, 5555,444,fff666,777"
    patobj13 = re.sub('\d+','10000', str13)
    print(patobj13)
 
 
 
C:\Users\ooooo\.virtualenvs\p3-uIsbL7fV\Scripts\python.exe C:/Users/ooooo/PycharmProjects/pythonProject/p3/repat.py
dfgsdgad10000dddd, 10000,10000,fff10000,10000
 
Process finished with exit code 0

 

 

三个双引号定义一个多行的字符串
 strhtml = """
    <p>1 src="vender.e349f038.js"</p>
    <script type="text/javascript" src="runtime~app.e349f038.js"></script>
    <div class="reminders Football close" style="top: 0px; left: 0px;"></div>
    <script type="text/javascript" src="runtime~app.e349f038.js"></script>
    <p>5 type="text/javascript" src="app.e349f038.js"</p>
    """

10.4  split

?
1
2
3
4
5
import re
if __name__ == '__main__':
    str14 = "hi:hello icsics open,world"
    patobj14 = re.split(':|,| ', str14)
    print(patobj14)<br><br>C:\Users\66666\.virtualenvs\p3-uIsbL7fV\Scripts\python.exe C:/Users/555555/PycharmProjects/pythonProject/p3/repat.py<br>['hi', 'hello', 'icsics', 'open', 'world']<br><br>Process finished with exit code 0<br><br>

 

10.5  贪婪和非贪婪

在 *  ？ + {} 后面加个？会把贪婪模式变成非贪婪模式

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
import re
if __name__ == '__main__':
    str14 = "aaa123456"
    patobj14 = re.match('aaa\d+?', str14)
    print(patobj14)
 
 
<re.Match object; span=(0, 4), match='aaa1'>
 
Process finished with exit code 0
 
 
import re
if __name__ == '__main__':
    str14 = "aaa123456"
    patobj14 = re.match('aaa(\d+?)', str14)
    print(patobj14)
 
 
<re.Match object; span=(0, 4), match='aaa1'>
 
Process finished with exit code 0
 
 
 
import re
if __name__ == '__main__':
    str14 = "aaa123456"
    patobj14 = re.match('aaa[\d+?]', str14)
    print(patobj14)
 
 
<re.Match object; span=(0, 4), match='aaa1'>
 
Process finished with exit code 0

 

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
import re
if __name__ == '__main__':
 
    str15 = '< span    id = "tournament"    class ="tab-title-label" > Tournament < / span >'
     
    #下面一句pattern中的?就是非贪婪匹配，只取第一个id的值，
    patobj15 = re.search('id = \".*?\"', str15)
    #这里我不太明白，我以为是下面这样写,但是这样写不对，请明白的朋友给留言解释，先谢过
    #patobj15 = re.search('id = \".*\"?', str15)
    print(patobj15)
 
 
<re.Match object; span=(10, 27), match='id = "tournament"'>
 
Process finished with exit code 0

 

?
1
2
3
4
5
6
7
8
9
10
import re
if __name__ == '__main__':
    str15 = '< span    id = "tournament"    class ="tab-title-label" > Tournament < / span >'
    patobj15 = re.search('id = \"(.*?)\"', str15)
    print(patobj15.group(1))
 
 
tournament
 
Process finished with exit code 0

 

10.6 r的作用

让\只是斜杠的作用

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
import re
if __name__ == '__main__':
    str16 = "<html><h1>testPattern</h1></html>"
    patobj16 = re.match("<([a-zA-Z0-9]+)><([a-zA-Z0-9]+)>.*</\\2></\\1>", str16)  #不加r就这么写  \\2   \\1 ,
    patobj16r = re.match(r"<([a-zA-Z0-9]+)><([a-zA-Z0-9]+)>.*</\2></\1>", str16)  #加r就这么写 \2    \1 , 只对\ 不用转义了， 其他的 比如 \. 还是跟以前一样
    print(patobj16.group())
    print(patobj16r.group())
 
 
 
<html><h1>testPattern</h1></html>
<html><h1>testPattern</h1></html>
 
Process finished with exit code 0

 

 

 

抽空写的，持续6天，写完了，应该比较全了，如果还有要补充的，麻烦朋友们留言。

posted @   筱筱的春天  阅读(79)  评论(0)  编辑  收藏  举报
相关博文：
·  python 协程
·  Python 斐波那契数列 Iterator 版本
·  python正则表达式
·  Python中的正则表达式
·  最全的python正则使用
阅读排行：
· 10年+ .NET Coder 心语 ── 封装的思维：从隐藏、稳定开始理解其本质意义
· 地球OL攻略 —— 某应届生求职总结
· 提示词工程——AI应用必不可少的技术
· Open-Sora 2.0 重磅开源！
· 周边上新：园子的第一款马克杯温暖上架
点击右上角即可分享
微信分享提示
AI IDE Trae