正则表达式

re功能函数

findall，获取匹配到的所有数据

import re

text = "dsf130429191912015219k13042919591219521Xkk"
res = re.findall('\d{6}\d{4}\d{2}\d{2}\d{3}[\dX]', text)
print(res)

# ['130429191912015219', '13042919591219521X']

match，从起始位置开始匹配，匹配成功返回一个对象，未匹配成功返回None

import re

text = "大小逗2B最逗3B欢乐"
res = re.match('逗\dB',text)
print(res)

#  None

import re

text = "逗2B最逗3B欢乐"
res = re.match('逗\dB',text)
print(res.group())

# <re.Match object; span=(0, 3), match='逗2B'>
# 逗2B

search，浏览整个字符串去匹配第一个，未匹配成功返回None

import re

text = "大小逗2B最逗3B欢乐"
res = re.search("逗\dB", text)
print(res)
print(res.group())

# <re.Match object; span=(2, 5), match='逗2B'>
# 逗2B

sub，替换匹配成功的位置

import re

text = "逗2B最逗3B欢乐逗5B"
res = re.sub("逗\dB", "alex", text)
print(res)

# alex最alex欢乐alex

import re

# 最后的参数表示前前几个
text = "逗2B最逗3B欢乐逗5B"
res = re.sub("逗\dB", "john", text, 2)   
print(res)

# john最john欢乐逗5B

split，根据匹配成功的位置分割

import re

text = "逗2B最逗3B欢乐"
res = re.split("\dB", text)
print(res)

# ['逗', '最逗', '欢乐']

import re

# 最后的参数表示前前几个
text = "逗2B最逗3B欢乐"
res = re.split("\dB", text, 1)
print(res)

# ['逗', '最逗3B欢乐']

finditer

import re

text = "dsf130429191912015219k13042919591219521Xkk"
res = re.finditer('\d{6}(?P<year>\d{4})(?P<month>\d{2})(?P<day>\d{2})[\dX]', text)
for item in res:
    print(item.group())

"""
130429191912015
130429195912195
"""

import re

text = "dsf130429191912015219k13042919591219521Xkk"
res = re.finditer('\d{6}(?P<year>\d{4})(?P<month>\d{2})(?P<day>\d{2})[\dX]', text)
for item in res:
    print(item.groupdict())

"""
{'year': '1919', 'month': '12', 'day': '01'}
{'year': '1959', 'month': '12', 'day': '19'}
"""

3.2 正则表达式相关

1. 字符相关

alex 匹配文本中的alex

import re

text = '你好alex,阿斯顿发alexhaha 阿士大夫能接受的alexff'
res = re.findall("alex", text)
print(res)		# ['alex', 'alex', 'alex']

[abc] 匹配a或b或c 字符。

import re

text = '你好alex,阿斯顿发alexhaha 阿士大夫能接受的alexff'
res = re.findall('[aex]', text)
print(res)		# ['a', 'e', 'x', 'a', 'e', 'x', 'a', 'a', 'a', 'e', 'x']

import re

text = '你好alex,阿斯顿发alexhaha 阿士大夫能接受的alexab'
res = re.findall('a[lb]', text)
print(res)		# ['al', 'al', 'al', 'ab']

[^abc] 匹配除了abc意外的其他字符。

import re

res = re.findall('[^alexhb]', text)
print(res)	# ['你', '好', ',', '阿', '斯', '顿', '发', ' ', '阿', '士', '大', '夫', '能', '接', '受', '的']

[a-z] 匹配a~z的任意字符（ [0-9]也可以）。

import re

text = "alexrootrootadmin"
res = re.findall("[a-z]",text)
print(res)	 # ['a', 'l', 'e', 'x', 'r', 'o', 'o', 't', 'r', 'o', 'o', 't', 'a', 'd', 'm', 'i', 'n']

. 代指除换行符以外的任意字符。

import re

text = "alexraotrootadmin"
res = re.findall('r.o', text)
print(res)	# ['rao', 'roo']

import re

text = "alexraotrootadmin"
# . 表示匹配任何字符（除了换行符） + 表示至少匹配一次这个字符 
res = re.findall('r.+o', text)	
print(res)	# ['raotroo']

import re

text = "alexraotrootadmin"
# . 表示匹配任何字符（除了换行符） + 表示至少匹配一次这个字符 ?是使量词 + 变为非贪婪  ，即匹配尽可能少的字符，而不是尽可能多。
res = re.findall('r.+?o', text)	
print(res)	# # ['rao', 'roo']

\w 代指字母或数字或下划线（汉字）。

import re

text = "北京johnalex齐北  京johnalex6"
res = re.findall('(john\w+(x|6))',text)
print(res)	# [('johnalex', 'x'), ('johnalex6', '6')]

\d 代指数字

import re

text = "root-ad32min-add3-admd1in"
res = re.findall("d\d", text)
print(res)		# ['d3', 'd3', 'd1']

import re

text = "root-ad32min-add3-admd1in"
res = re.findall("d\d+", text)
print(res)	# ['d32', 'd3', 'd1']

\s 代指任意的空白符，包括空格、制表符等。

import re

text = "root admin add admin"
res = re.findall("a\w+\s\w+", text)
print(res)		# ['admin add']

2. 数字相关

* 重复0次或更多次

import re

text = "他是大B个，确实是个大2B。"
res = re.findall("大\d*B",text)
print(res)		# ['大B', '大2B']

+ 重复1次或更多次

import re

text = "他是大B个，确实是个大2B，大3B，大66666B。"
res = re.findall("大\d+B",text)
print(res)			# ['大2B', '大3B', '大66666B']

? 重复0次或1次

import re

text = "他是大B个，确实是个大2B，大3B，大66666B。"
res = re.findall("大\d?B",text)
print(res)			# ['大B', '大2B', '大3B']

{n} 重复n次

import re

text = "他是大B个，确实是个大2B，大3B，大66666B。"
res = re.findall('大\d{5}B',text)
print(res)		   # ['大66666B']

{n,} 重复n次或更多次

import re

text = "他是大B个，确实是个大2B，大325B，大66666B。"
res = re.findall('大\d{0,}B',text)
print(res)		 # ['大B', '大2B', '大325B', '大66666B']

{n,m} 重复n到m次

import re

text = "他是大B个，确实是个大2B，大325B，大66666B。"
res = re.findall('大\d{3,5}B',text)
print(res)		#  ['大325B', '大66666B']

3. 括号（分组）

提取数据区域

import re

text = "楼主太牛逼了，在线想要 442662578@qq.com和xxxxx@live.com谢谢楼主，手机号也可15131255789，搞起来呀"
res = re.findall("151312\d{5}",text)
print(res)		# ['15131255789']

import re

text = "楼主太牛逼了，在线想要 442662578@qq.com和xxxxx@live.com谢谢楼主，手机号也可15131255789，搞起来15131266666呀"
res = re.findall("1513(12)(\d{5})",text)
print(res)		# [('12', '55789'), ('12', '66666')]

import re

text = "楼主太牛逼了，在线想要 442662578@qq.com和xxxxx@live.com谢谢楼主，手机号也可15131255789，搞起来呀"
res = re.findall("(151312(\d{5}))",text)
print(res)	  # [('15131255789', '55789')]

获取指定区域 + 或条件

import re

text = "楼主15131root太牛15131alex逼了，在线想要 442662578@qq.com和xxxxx@live.com谢谢楼主，手机号也可15131255789，搞起来呀"
res = re.findall("(15131(\d{6}))",text)
print(res)	# [('15131255789', '255789')]

import re

text = "楼主15131root太牛15131alex逼了，在线想要 442662578@qq.com和xxxxx@live.com谢谢楼主，手机号也可15131255789，搞起来呀"
res = re.findall("(15131(\d{6}|r\w+太))",text)
print(res)	# [('15131root太', 'root太'), ('15131255789', '255789')]

4. 起始和结束

上述示例中都是去一段文本中提取数据，只要文本中存在即可。

但，如果要求用户输入的内容必须是指定的内容开头和结尾，比就需要用到如下两个字符。

^ 开始

$ 结束

import re

text = "啊442662578@qq.com我靠"
email_list = re.findall("^\w+@\w+.\w+$", text, re.ASCII)
print(email_list) # []

import re

text = "442662578@qq.com"
email_list = re.findall("^\w+@\w+\.\w+$", text, re.ASCII)
print(email_list) # ['442662578@qq.com']

这种一般用于对用户输入数据格式的校验比较多，例如：

import re

text = input("请输入邮箱：")
email = re.findall("^\w+@\w+.\w+$", text, re.ASCII)
if not email:
    print("邮箱格式错误")
else:
    print(email)

5. 特殊字符

由于正则表达式中 * . \ { } ( ) 等都具有特殊的含义，所以如果想要在正则中匹配这种指定的字符，需要转义，例如：

# 错误匹配

import re

text = "我是你{5}哈哈"
res = re.findall("你{5}哈哈",text)
print(res)	# []

import re

text = "我是你{5}哈哈"
# 使用 \{ 和 \} 来转义大括号字符。
res = re.findall("你\{5\}哈",text)
print(res)	# ['你{5}哈']

posted @ 2024-12-01 09:44 清风拂山岗(小高同学) 阅读(11) 评论(0) 编辑收藏举报

刷新页面返回顶部

高涛