正则表达式和re模块

正则表达式

常用元字符：

.          匹配除换行符以外的任意字符

\w       匹配字母或数字或下划线   （a-z和A-Z以及数字和下划线）

\s        匹配任意的空字符

\d        匹配数字

\n        匹配一个换行符

\t         匹配一个制表符

\b        匹配一个单词的结尾

^         匹配一个字符串的开始  

$         匹配一个字符串的结尾，就是以什么什么结尾，^与$连用能够精准匹配固定长度的目标字符,^只能出现在开头()，$只能出现结尾，两者中间写什么，匹配的字符串就必须是什么，多一个不行，少一个也不行

\W      匹配非字母或数字或下划线

\D       匹配非数字

\S       匹配空白符    （包括：\n，\t，\r和空格）

a|b      匹配字符a或字符b

|:或      ab|abc优先匹配前面的正则表达式ab，匹配上就不再用后面的abc，可以通过调换顺序修改优先级

()        匹配括号内的表达式，也表示一个组

[...]     匹配字符组中的字符

[]组合的方式，只要满足中括号中的某一项都算匹配成功

• ^:出现在[]中的^表示除了^后面的其他都匹配，^ 直接写在外面，限制字符串的开头，[^] 除了[]写的字符，其他都要。

  • [^a]除了a其他都匹配

  • [^a-z]除了小写字母a-z其他都匹配，

[^...]    匹配除了字符组中字符的所有字符

 

量词：

*            重复零次或多次

+            重复一次或多次   我想要匹配13838384388,\d一次只能匹配到一个数字，要想一次讲号码全部匹配上需要用到\d+，+表示重复一次或者多次，并且正则中默认都是贪婪匹配，越多越好

?            重复零次或一次

{n}          重复n次

{n,}         重复n次或多次

{n,m}      重复n到m次

1.对于这个0次也能匹配出来的结果，暂时不用考虑

2.*,+,?的工作区间可以用坐标轴的形式表示出来

• {n}:明确指定个数

注意:量词需要写在匹配符号的后面，并且只约束紧挨着它的那个正则表达式

 

分组

• 一次性匹配a1b2c3

  用[a-z][0-9]会匹配到三个结果

  想法:重复写三次，但是太麻烦，加量词的话只能限制离得最近的正则表达式

  这个时候就可以用分组([a-z][0-9])+

• 匹配身份证号

  依据博客一次分析(下面的正则之所以加^和$是因为我们仅仅只想匹配身份证号，教学演示方便，不加照样也能匹配上，只不过前后可以出现很多其他字符)

  1.^[1-9]\d{13,16}[0-9x]$:不完善的地方在于默认是x的情况只在18位才可能出现，但是这个表达式没有做这一层的限制

  2.^[1-9]\d{14}(\d{2}[0-9x])?$

  3.^([1-9]\d{16}[0-9x]|[1-9]\d{14})$

转义符

在正则表达式中，有很多有特殊意义的是元字符，比如\n和\s等，如果要在正则中匹配正常的"\n"而不是"换行符"就需要对""进行转义，变成'\'。

在python中，无论是正则表达式，还是待匹配的内容，都是以字符串的形式出现的，在字符串中\也有特殊的含义，本身还需要转义。

所以如果匹配一次"\n",字符串中要写成'\\n'

所以如果匹配一次"\\n",字符串中要写成'\\\\n'

简便操作,利用r可以让整个字符串都不再转义(了解:r其实就是real的意思，真实不转义)

贪婪匹配与非贪婪匹配

• <.*>:先拿着里面的.*去匹配所有的内容，然后再根据>往回退着找，遇到即停止

• <.*?>:先拿着?后面的>去匹配符合条件的最少的内容,然后把匹配的结果返回

ps:根据匹配的内部原理可以很好的理解

.*?x
就是取前面任意长度的字符，直到一个x出现

 

 re模块

 

#用普通方式
while True:
    phone_number = input('please input your phone number:')
    if len (phone_number) == 11 \
            and phone_number.isdigit() \
            and(phone_number.startswith('13')) \
            or phone_number.startswith('14') \
            or phone_number.startswith('15') \
            or phone_number.startswith('16') \
            or phone_number.startswith('17') \
            or phone_number.startswith('18'):
        print('是合法的手机号码')
    else:
        print('不是合法的手机号码')

#用re模块
import re
phone_number = input('please input your phone number:')
if re.match('^(13|14|15|16|17|18|19)[0-9]{9}$',phone_number):
    print('是合法的手机号码')
else:
    print('不是合法的手机号码')

 

python使用正则必须借助于re模块 或者是支持正则表达式书写的方法

re模块必须要掌握的三个方法

findall

search

match

 

findall：

import re
ret = re.findall('a','eva egon yuan')   #返回所有满足匹配条件的结果，放在列表里
print(ret)

 

search：

import re

ret = re.search('a','eva egon yuan')  #search不会直接返回匹配到的结果，而是返回一个对象
print(ret.group())  #必须调用group才能看到匹配到的结果

注意:
1.search只会依据正则查一次 只要查到了结果 就不会再往后查找
2.当查找的结果不存在的情况下 调用group直接报错

 

match：

res = re.match('a','eva egon jason')
print(res)
print(res.group())

注意:
1.match只会匹配字符串的开头部分
2.当字符串的开头不符合匹配规则的情况下 返回的也是None 调用group也会报错

group 分组：
在正则表达式中，可以对过滤到的字符串进行分组。分组使用圆括号的方式。

1. group：和group(0)是等价的，返回的是整个满足条件的字符串。
2. groups：返回的是里面的子组。索引从1开始。
3. group(1)：返回的是第一个子组，可以传入多个。

text = "apple price is $99,orange price is $10"
ret = re.search(r".*(\$\d+).*(\$\d+)",text)
print(ret.group())
print(ret.group(0))
print(ret.group(1))
print(ret.group(2))
print(ret.groups())

 

 

sub：
用来替换字符串。将匹配到的字符串替换为其他字符串。

text = 'apple price $99 orange price $88'
ret = re.sub('\d+','0',text)
print(ret)
>> apple price $0 orange price $0

 

split：
使用正则表达式来分割字符串。

text = "hello world ni hao"
ret = re.split('\W',text)
print(ret)
>> ["hello","world","ni","hao"]

 

compile：
对于一些经常要用到的正则表达式，可以使用compile进行编译，后期再使用的时候可以直接拿过来用，执行效率会更快。

text = "the number is 20.50"
r = re.compile(r"""
                \d+ # 小数点前面的数字
                \.? # 小数点
                \d* # 小数点后面的数字
                """,re.VERBOSE)
ret = re.search(r,text)
print(ret.group())