正则表达式re模块---day18
1.匹配单个字符
import re lst = re.findall(正则表达式,要匹配的字符串) 返回的是列表,按照正则表达式匹配到的内容都扔到列表中
# ### 1.预定义字符集 # \d 匹配数字 lst = re.findall("\d","sdafsdfas4657**(&^&*^%a123124") print(lst) #['4', '6', '5', '7', '1', '2', '3', '1', '2', '4'] #\D 匹配非数字 lst = re.findall("\D","asdas4356765(*^%") print(lst)#['a', 's', 'd', 'a', 's', '(', '*', '^', '%'] #\w 匹配字母或数字或下划线 (正则函数中,支持中文的匹配) lst = re.findall("\w","asdf56*()*%^__89中文") print(lst) #['a', 's', 'd', 'f', '5', '6', '_', '_', '8', '9', '中', '文'] # \W 匹配非字母或数字或下划线 lst = re.findall("\W","ssdf34&**($#56_中文") print(lst) #['&', '*', '*', '(', '$', '#'] # \s 匹配任意的空白符 \n \t \r " " lst = re.findall("\s"," \n\r\t") print(lst)#[' ', ' ', ' ', ' ', ' ', ' ', ' ', ' ', ' ', '\n', '\r', '\t'] # \S 匹配任意非空白符 lst = re.findall("\S"," aa bb \n \t \r ") print(lst) #['a', 'a', 'b', 'b'] # \n 匹配一个换行符 strvar =""" 我是大哥大 """ lst =re.findall(r"\n",strvar) print(lst) #['\n', '\n'] strvar =""" 他 是一个 神秘的 男孩 """ lst = re.findall(r"\t",strvar) print(lst) #[]
# ### 2.字符组 必须匹配中括号里列举的字符[] lst = re.findall("[abc]","sdfghjguchuatfhvb") print(lst) #['c', 'a', 'b'] #中括号里面的字符一个一个找 print(re.findall('a[abc]b','aab abb acb adb')) #aab abb acb print(re.findall('a[0123456789]b','a1b a2b a3b acb ayb'))#a1b a2b a3b #优化:-是一个特殊的字符,代表的是一个范围0-9 0123456789 print(re.findall('a[0-9]b','a1b a2b a3b acb ayb')) #a1b a2b a3b print(re.findall('a[a-g]b','a1b a2b a3b acb ayb adb')) #acb adb print(re.findall('a[ABCDEFG]b','a1b a2b a3b aAb aDb aYb')) # aAb aDb #优化:[A-G] 如果想要表达所有的26个大写字母[A-Z] print(re.findall('a[A-G]b','a1b a2b a3b aAb aDb aYb')) #aAb aDb print(re.findall('a[0-9a-zA-Z]b','a-b aab aAb aWb aqba1b'))#aab aAb aWb aqb a1b #注意:[0-z] 数字 小写 大写还有特殊字符 比如@.. 参照ascii表 print(re.findall('a[0-z]b','a@b aab aAb aWb aqba1b')) #a@b aab aAb aWb aqb a1b # ^ 在字符组当中,代表除了 放到字符组的左边第一个位置 print(re.findall('a[^-+*/]b',"a%b ccaa*bda&bd")) #a%b a&b #如果想要匹配 ^或 -,在原来的字符前面加上\,让字符的含义失效 lst =re.findall(r"e[\^\-]f","e^f e-f") #\^ \- 失去了原来转义 print(lst) #e^f e-f #匹配 \ 再原来的基础上再加一个\ lst = re.findall(r'a\\c',"a\c") print(lst) #['a\\c'] print(lst[0]) #a\c res = re.findall(r'a\\b',r'a\b') print(res) #['a\\b'] print(res[0]) #a\b res = re.findall(r'a\\n',r'a\n') print(res) #['a\\n'] print(res[0]) #a\n #\b -> 转义字符 backspace # a[\^\\]b a^b a\b res = re.findall(r'a[\^\\]b',r'a^b a\b') #\^ \\ \让字符的含义失效 print(res) #['a^b', 'a\\b'] print(res[1]) # a\b
2.多个字符的匹配
# ### 正则表达式 多个字符的匹配 import re # 量词练习 ''' ?匹配0个或者1个 ''' print(re.findall("a?b","abbzab abb aab")) #ab b ab ab b ab ''' +匹配1个或者多个''' print(re.findall("a+b","b ab aaaaaab abb"))# ab aaaaaab ab ''' *匹配0个或者多个''' print(re.findall("a*b","b ab aaaaaab abbbbbbb"))#b ab aaaaaab ab b b b b b b b ''' {m,n}匹配m个至n个''' #(1) 1<= x <= 3 print(re.findall("a{1,3}b","aaab ab aab abbb aaz aabb"))#aaab ab aab ab aab #(2) 前面修饰的a,必须是2个字符 print(re.findall("a{2}b","aaab ab aab abbb aaz aabb"))#aab aab aab #(3) 前面修饰的a,至少是2个字符,加个逗号即可 print(re.findall("a{2,}b","aaab ab aab abbb aaz aabb"))# aaab aab aab # ### 2.贪婪模式 与 非贪婪模式 ''' 贪婪模式 与 非贪婪模式: 贪婪模式:默认向更多次匹配,底层用的是回溯算法 非贪婪模式:默认向更少次匹配,用一个?号来进行修饰(修饰在量词的身后) 回溯算法:从左向右进行匹配,一直到最后,直接最后再也匹配不到了,回头,寻找最后一个 .匹配任意字符,除了换行符\n ''' strvar = "刘能和刘老根和刘铁棍子777子888" lst = re.findall("刘.",strvar) print(lst) #['刘能', '刘老', '刘铁'] #贪婪模式 lst = re.findall("刘.?",strvar) #0个或者1个,贪婪模式往更多匹配 print(lst) #['刘能', '刘老', '刘铁'] lst = re.findall("刘.+",strvar) #一个或多个 贪婪模式往更多匹配 print(lst) #['刘能和刘老根和刘铁棍子777子888'] lst = re.findall("刘.*",strvar) #0个或者多个 贪婪模式往更多匹配 print(lst) #['刘能和刘老根和刘铁棍子777子888'] lst = re.findall("刘.{1,21}",strvar) #往最多匹配 print(lst) #['刘能和刘老根和刘铁棍子777子888'] lst = re.findall("刘.*子",strvar) # 0个或者多个 往最多匹配 print(lst) #['刘能和刘老根和刘铁棍子777子'] #非贪婪模式 量词后面有?号就表示非贪婪模式 lst= re.findall("刘.??",strvar) #0个或一个 往更少匹配 print(lst) #['刘','刘','刘'] # .表示匹配任意字符,第一个?修饰. 表示匹配0次或者一个,第二个问号表示非贪婪模式,也就是往最少的0匹配 lst = re.findall("刘.+?",strvar) #1个或多个,往更少匹配 print(lst) #['刘能', '刘老', '刘铁'] lst = re.findall("刘.*?",strvar) #0个或多个 往更少匹配 print(lst) #['刘','刘','刘'] lst = re.findall("刘.{1,21}?",strvar) #1-21个,往更少匹配 print(lst) #['刘能', '刘老', '刘铁'] lst = re.findall("刘.*?子",strvar) #0个或多个 往更少匹配 print(lst) #["刘能和刘老根和刘铁棍子"] lst = re.findall("刘.+?子",strvar) #1个或多个 往更少匹配 print(lst) #["刘能和刘老根和刘铁棍子"] # ### 3.边界符 \b ^ $ ''' \b backspace 本身就是一个转义字符 边界符 卡单词 word 卡住左边界 \bw 以w开头 卡住右边界 d\b 以d结尾 ''' strvar ="word pwd scf" lst = re.findall(r".*d\b",strvar) #贪婪模式 0个或者多个 往更多匹配 print(lst) #['word pwd'] lst = re.findall(r".*?d\b",strvar) #非贪婪模式,往更少匹配 print(lst) #["word","pwd"] lst = re.findall(r"\bw",strvar) print(lst) #['w'] lst = re.findall(r'\bw.',strvar) print(lst) #['wo'] lst = re.findall(r"\bw.*?",strvar) #非贪婪模式 0个或者更多 往更少匹配 print(lst) #['w'] #正则表达式中写字符时,要谨慎,下面例子必须匹配到一个空格时,才结束 lst = re.findall(r"\bw.*? ",strvar) print(lst) #['word '] #?后面加了空格 所以必须匹配到第一个空格 lst = re.findall(r"\bw\S*",strvar) print(lst) #['word'] # \S 非空白符 lst = re.findall(r'\bw.*?d',strvar) #非贪婪模式 0个或者更多 往更少匹配 print(lst) #['word'] # ^ $ ''' ^ 必须以..开头 $ 必须以..结尾 如果出现了 ^ $,要把这个字符串看成一个整体 ''' strvar = '大哥大嫂大爷' print(re.findall("大.",strvar))#['大哥', '大嫂', '大爷'] print(re.findall('^大.',strvar)) #['大哥'] print(re.findall('大.$',strvar)) # ['大爷'] print(re.findall('^大.$',strvar)) # [] print(re.findall('^大.*?$',strvar)) #['大哥大嫂大爷'] 只要有这种,就按最少的匹配 print(re.findall('^大.*?大$',strvar)) #[] 以大开头,还要以大结尾 print(re.findall('^大.*?爷$',strvar)) #['大哥大嫂大爷'] print(re.findall("^g.*? ",'giveme 1gfive gay')) #['giveme '] #?后面有空格 print(re.findall('five$','aassfive')) #['aassfive'] print(re.findall(('^giveme$','giveme')) #['giveme'] print(re.findall('^giveme$','giveme giveme')) #[] print(re.findall(('giveme','giveme giveme')) #['giveme','giveme'] print(re.findall('^g.*e','giveme 1gfive gay'))##['giveme 1gfive'] 以g开头尽可能多的匹配e
3.匹配分组
# ### 正则表达式 匹配分组 import re # ### 1.分组练习(用圆括号) 要所有的姓名 print(re.findall('.*?_good','wusir_good alex_good secret男_good')) #['wusir_good', ' alex_good', ' secret男_good'] #() 显示括号里面匹配到的内容 只显示 print(re.findall('(.*?)_good','wusir_good alex_good secret男_good')) #['wusir', ' alex', ' secret男'] # ?: 不至显示括号里面的内容 都显示 print(re.findall('(?:.*?)_good','wusir_good alex_good secret男_good')) # ['wusir_good', ' alex_good', ' secret男_good'] # ### 2. | 代表或 a|b 匹配字符a 或 匹配字符b #基本语法 strvar = 'abcddd' lst =re.findall('a | b',strvar) print(lst) #['a', 'b'] #注意事项 # 匹配abc 或 abcd ''' 为了避免优先匹配前面的字符串,导致字符串匹配不完整 把较难匹配到的字符串写在前面,容易匹配到的字符串放到后面 ''' strvar = 'abc24234234ddabcd234234' # lst = re.findall("abc|abcd",strvar) #注意 #print(lst) #['abc', 'abc'] abcd没匹配到 ,所以需要改成下面这样 lst = re.findall("abcd|abc",strvar) print(lst) #["abc","abcd"] # ### 3.练习 ''' . 除了\n,能够匹配到任意字符 \ 功效:让有意义的字符变得无意义,或者让无意义的字符变得有意义 \. 让点原来的特殊意义失效,只是单纯的表达一个点字符 ''' #(1) 匹配小数 strvar = "5.33 3.13 34 34. .98 9.99 sdfsdf ......" #整数.小数 lst =re.findall("\d+\.\d+",strvar) print(lst) # 5.33 3.13 9.99 #(2)匹配小数和整数 #整数.小数 34 43234 . #\d #\d+\.\d+ lst = re.findall(r"\d+\.\d+|\d+",strvar) print(lst) #['5.33', '3.13', '34', '34', '98', '9.99'] #用分组形式来做 ''' findall 这个函数优先显示括号里面的内容, 如果不想显示括号内容,使用?:,显示实际匹配到的内容 ''' strvar = "5.33 3.13 34 34. .98 9.99 sdfsdf ......" lst = re.findall(r"\d+(?:\.\d+)?",strvar) #\d+(?:\.\d+) 指的是出现0次或者一次,意思就是不带小数点的和带一个小数点的 print(lst) #['5.33', '3.13', '34', '34', '98', '9.99'] #匹配135或171的手机号 strvar = "asdfasd234 13591199444 17188886666 19145547744" lst = re.findall("(?:135|137|171)\d{8}",strvar) print(lst) #卡主开头和结尾,数字必须是11位 strvar ='13591199444' lst = re.findall("^(?:135|171)[0-9]{8}$",strvar) print(lst) # ### search 函数 ''' findall 把所有匹配到的字符串都搜出来,返回列表 不能把分组内容和匹配的内容同时显示出来 search 只要搜索到一个结果就返回,返回对象 可以把分组内容和匹配的内容同时显示出来 group : 对象.group() 直接获取匹配到的内容 groups:对象.groups() 直接获取分组里面的内容 ''' # 匹配www.baidu.com 或者 www.oldboy.com strvar = 'www.baidu.com' lst = re.findall("(?:www)\.(?:baidu|oldboy)\.(?:com)",strvar) print(lst) #['www.baidu.com'] obj = re.search("(www)\.(baidu|oldboy)\.(com)",strvar) print(obj) #<_sre.SRE_Match object; span=(0, 13), match='www.baidu.com'> #获取的是匹配到的数据 print(obj.group()) # www.baidu.com #获取的是分组里面的数据 print(obj.groups()) #('www', 'baidu', 'com')
4.命名分组
# ### 正则表达式 命名分组 import re strvar = "<div>明天就放假了,很开心</div>" #当不清楚字符串中含有什么内容时,可以用.*?进行取代 lst = re.findall(r"<(.*?)>(.*?)<(.*?)>",strvar) print(lst) #[('div', '明天就放假了,很开心', '/div')] #(1) 反向引用 # \1 代表反向引用,将第一个括号匹配的字符串,在\1位置处在引用一次 lst = re.findall(r"<(.*?)>(.*?)</\1>",strvar) #省略了再写.*? 直接用\1引用第一个括号里面的内容,引用的是跟括号1里面一样的内容, #\1位置还需要别的内容需自己再添加,如要匹配的是/div,所有还需要自己再加一个/ print(lst) ##[('div', '明天就放假了,很开心', '/div')] # \1 代表第一个括号, \2代表第二个括号 strvar = "a1b2cab" obj = re.search(r"(.*?)\d(.*?)\d(.*?)\1\2",strvar) print(obj) #返回匹配到的字符串 res = obj.group() print(res) ##"a1b2cab" #返回匹配到的分组内容 res = obj.groups() print(res) ##('a', 'b', 'c') #(2) 命名分组 ''' #2.命名分组(给小组起名) 3)(?p<组名>正则表达式) 给这个组起一个名字 大写的P 4)(?p=组名) 引用之前组的名字,把该组名匹配到的内容放到当前位置 ''' #方法一 strvar = "a1b2cab" obj = re.serach(r"(?P<tag1>.*?)\d(?P<tag2>.*?)\d(?P<tag3>.*?)\1\2",strvar) print(obj.group()) #a1b2cab #方法二 strvar = "a1b2cab" obj = re.search(r"(?P<tag1>.*?)\d(?P<tag2>.*?)\d(?P<tag3>.*?)(?P=tag1)(?P=tag2)",strvar) print(obj.group()) #a1b2cab #总结:目前可以用\1\2以及命名分组(?P=tag1)形式引用前面匹配到的内容
-------------------------------------------
个性签名:代码过万,键盘敲烂!!!
如果觉得这篇文章对你有小小的帮助的话,记得在右下角点个“推荐”哦,博主在此感谢!