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,
\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
() 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
-
-
[^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
-
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
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
#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。
group
:和group(0)
是等价的,返回的是整个满足条件的字符串。groups
:返回的是里面的子组。索引从1开始。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())