python—模块-re正则表达式

 问题：从下面的文件中取出电话号

 

 

或者是下面这样：

 

 

 用正则表达式就可以简单一点儿，

 

 

re模块

正则表达式就是字符串的匹配规则，在多数编程语言里都有相应的支持，python里对应的模块是re

 

常用的表达式规则

'.'     默认匹配除\n之外的任意一个字符，若指定flag DOTALL,则匹配任意字符，包括换行
'^'     匹配字符开头，若指定flags MULTILINE,这种也可以匹配上(r"^a","\nabc\neee",flags=re.MULTILINE)
'$'     匹配字符结尾， 若指定flags MULTILINE ,re.search('foo.$','foo1\nfoo2\n',re.MULTILINE).group() 会匹配到foo1
'*'     匹配*号前的字符0次或多次， re.search('a*','aaaabac')  结果'aaaa'
'+'     匹配前一个字符1次或多次，re.findall("ab+","ab+cd+abb+bba") 结果['ab', 'abb']
'?'     匹配前一个字符1次或0次 ,re.search('b?','alex').group() 匹配b 0次
'{m}'   匹配前一个字符m次 ,re.search('b{3}','alexbbbs').group()  匹配到'bbb'
'{n,m}' 匹配前一个字符n到m次，re.findall("ab{1,3}","abb abc abbcbbb") 结果'abb', 'ab', 'abb']
'|'     匹配|左或|右的字符，re.search("abc|ABC","ABCBabcCD").group() 结果'ABC'
'(...)' 分组匹配， re.search("(abc){2}a(123|45)", "abcabca456c").group() 结果为'abcabca45'


'\A'    只从字符开头匹配，re.search("\Aabc","alexabc") 是匹配不到的，相当于re.match('abc',"alexabc") 或^
'\Z'    匹配字符结尾，同$ 
'\d'    匹配数字0-9
'\D'    匹配非数字
'\w'    匹配[A-Za-z0-9]
'\W'    匹配非[A-Za-z0-9]
'\s'     匹配空白字符、\t、\n、\r , re.search("\s+","ab\tc1\n3").group() 结果 '\t'

'(?P<name>...)' 分组匹配 re.search("(?P<province>[0-9]{4})(?P<city>[0-9]{2})(?P<birthday>[0-9]{4})","371481199306143242").groupdict("city") 结果{'province': '3714', 'city': '81', 'birthday': '1993'}

 

>>> import re
#.
>>> re.search('.','da854da')
<_sre.SRE_Match object; span=(0, 1), match='d'>
#^
>>> re.search('^a','avcb')
<_sre.SRE_Match object; span=(0, 1), match='a'>
#或者
>>> re.match('av','avcb')
<_sre.SRE_Match object; span=(0, 2), match='av'>
#或者
>>> re.search('\Aab','abc')
<_sre.SRE_Match object; span=(0, 2), match='ab'>

# $要求字符串以b结尾
>>> re.search('b$','avcb')
<_sre.SRE_Match object; span=(3, 4), match='b'>
#如果是match，就是要求以b开头，并以b结尾，就只有一个字符 'b'

#*匹配所有
>>> re.search('a*','Alex')
<_sre.SRE_Match object; span=(0, 0), match=''>
>>> re.search('a*','Alex').group()#代表匹配了0次
''
>>> re.search('a*','alex')
<_sre.SRE_Match object; span=(0, 1), match='a'>
>>> re.search('a*','alex').group()
>>> re.search('a*','aaaaalex')
<_sre.SRE_Match object; span=(0, 5), match='aaaaa'>#代表匹配1次或多次

# ' |'
>>> re.search('alex|Alex','alex')
<_sre.SRE_Match object; span=(0, 4), match='alex'>
>>> re.search('alex|Alex','Alex')
<_sre.SRE_Match object; span=(0, 4), match='Alex'>
>>> re.search('[a|A]lex','Alex')
<_sre.SRE_Match object; span=(0, 4), match='Alex'>

# （...）分组匹配
#分别取到alex  123，方法一
>>> re.search('[a-z]+[0-9]+','alex123')
<_sre.SRE_Match object; span=(0, 7), match='alex123'>
>>> re.search('[a-z]+[0-9]+','alex123').group()
'alex123'
#第二种方法
>>> re.search('([a-z]+)([0-9]+)','alex123').groups()
('alex', '123')

# \d
>>> re.search('\d+','alex231231')
<_sre.SRE_Match object; span=(4, 10), match='231231'>
>>> re.search('\d+','alex231231fds231')
<_sre.SRE_Match object; span=(4, 10), match='231231'>#只能匹配一次，在遇到就不会管 了

# \w
>>> re.search('\w+','alex231231fds231')
<_sre.SRE_Match object; span=(0, 16), match='alex231231fds231'>
>>> re.search('\w+','alex2@#31231fds231')
<_sre.SRE_Match object; span=(0, 5), match='alex2'>
>>> re.search('\w','alex2@#31231fds231')
<_sre.SRE_Match object; span=(0, 1), match='a'>

# \s 
>>> re.findall('\s','alex\njack\tdd\rmack')
['\n', '\t', '\r']

#（？P<name>...）分组匹配
>>> re.search('(?P<province>\d{3})(?P<city>\d{3})(?P<born_year>\d{4})',s).groups()
('130', '704', '2000')
>>> res.groupdict()
{'province': '130', 'city': '704', 'born_year': '2000'}

 

 

 

 

re的匹配语法有以下几种

• re.match 从头开始匹配
• re.search 匹配包含
• re.findall 把所有匹配到的字符放到以列表中的元素返回
• re.split 以匹配到的字符当做列表分隔符
• re.sub 匹配字符并替换
• re.fullmatch 全部匹配

re.match(pattern, string, flags=0)

从起始位置开始根据模型去字符串中匹配指定内容，匹配单个

• pattern 正则表达式
• string 要匹配的字符串
• flags 标志位，用于控制正则表达式的匹配方式

#re.match
>>> import re
>>> s = 'abc1d3c'
>>> re.match('[0-9]',s)# 从头开始匹配，匹配一个字符
>>> print(re.match('[0-9]',s))#相当于函数，没有匹配到，就会返回None
None
>>> re.match('[0-9]','1bdfd')
<_sre.SRE_Match object; span=(0, 1), match='1'>
>>> re.match('[0-9]','115bdfd')
<_sre.SRE_Match object; span=(0, 1), match='1'>

 

上面用match无法匹配到需要的字符，下面是search，这个是全局搜索，找到就返回

re.search(pattern, string, flags=0)

根据模型去字符串中匹配指定内容，匹配单个

#re.search
>>> import re
>>> s = 'abc1d3c'
>>> re.search('[0-9]',s)
<_sre.SRE_Match object; span=(3, 4), match='1'># （3，4）是索引，指的是从3到4
>>> re.search('[0-9]',s).group()#加上group就能拿到结果
'1'

 

所以正确的做法应该是线判断一下返回值没有，有的话再取

match_res = re.search('[0-9]', s)
if match_res:
    print(match_res.group())#拿到匹配结果

 

但是上面两种都不能把数字都拿到，所以用到findall

re.findall(pattern, string, flags=0)

match and search均用于匹配单值，即：只能匹配字符串中的一个，如果想要匹配到字符串中所有符合条件的元素，则需要使用 findall。

#re.findall
>>> import re
>>> re.findall('[0-9]',s)
['1', '3

 

其中，findall返回的是列表，而search返回的是对象

re.split(pattern, string, maxsplit=0, flags=0)

#re.split （以数字分开）
>>> s = 'alex22jack23rian31'
>>> s.split()
['alex22jack23rian31']
>>> re.split('\d',s)
['alex', '', 'jack', '', 'rian', '', '']
>>> re.split('\d+',s)
['alex', 'jack', 'rian', '']
#和findall是相反的效果
>>> re.findall('\d+',s)
['22', '23', '31']

>>> s = 'alex22jack23rian31#mack-oldboy'
>>> re.split('\d+|#|',s)#根据数字或者#或者-分割
['alex', 'jack', 'rian', '', 'mack-oldboy']

>>> s = 'alex22jack23rian31|mack-oldboy'
>>> re.split('|',s)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "D:\Users\10213\Anaconda3\lib\re.py", line 212, in split
    return _compile(pattern, flags).split(string, maxsplit)
ValueError: split() requires a non-empty pattern match.
#希望以管道符分隔开，但是它本身就是一个语法，这时需要加一个\ 就会当成字符串而不是语法
>>> re.split('\|',s)
['alex22jack23rian31', 'mack-oldboy']

>>> s = 'alex22jack23rian31\mack-oldboy'
>>> s
'alex22jack23rian31\\mack-oldboy'
>>> re.split('\\\\',s)
['alex22jack23rian31', 'mack-oldboy']

>>> s = '9-2*5/3+7/3*99/4*29+10*58/14'
>>> s
'9-2*5/3+7/3*99/4*29+10*58/14'
>>> re.split('[-\*/+]',s)
['9', '2', '5', '3', '7', '3', '99', '4', '29', '10', '58', '14']
>>> re.split('[-\*/+]',s,maxsplit=2)
['9', '2', '5/3+7/3*99/4*29+10*58/14']

 

re.sub(pattern, repl, string, count=0, flags=0)

用于替换匹配的字符串

#re.sub
>>> s = 'alex22jack23rian31\mack-oldboy'
>>> re.sub('\d+','_',s)
'alex_jack_rian_\\mack-oldboy'
>>> re.sub('\d+','_',s,count=2)
'alex_jack_rian31\\mack-oldboy'

re.fullmatch(pattern, string, flags=0)

整个字符串匹配成功就返回re object, 否则返回None

#re.fullmatch
>>> re.fullmatch('alex','alex123')
>>> re.fullmatch('alex124','alex123')
>>> re.fullmatch('alex123','alex123')
<_sre.SRE_Match object; span=(0, 7), match='alex123'>

>> re.fullmatch('\w+@\w+\.(com|cn|edu)','alex@oldboyedu.cn')
_sre.SRE_Match object; span=(0, 17), match='alex@oldboyedu.cn'>

re.compile(pattern, flags=0)

#re.compile
>>> re.compile('\w+@\w+\.(com|cn|edu)')
re.compile('\\w+@\\w+\\.(com|cn|edu)')
#返回了一个对象

>>>pattern =  re.compile('\w+@\w+\.(com|cn|edu)')
#pattern是格式的意思
>>> pattern
re.compile('\\w+@\\w+\\.(com|cn|edu)')
>>> pattern.fullmatch('alex@oldboyedu.cn')
<_sre.SRE_Match object; span=(0, 17), match='alex@oldboyedu.cn'>

#相当于把规则写好，然后给规则返回了一个对象，通过这个对象做#fullmatch，和先写fullmatch再写内容是一样的

Flags标志符

• re.I(re.IGNORECASE): 忽略大小写（括号内是完整写法，下同）
• M(MULTILINE): 多行模式，改变'^'和'$'的行为
• S(DOTALL): 改变'.'的行为,make the '.' special character match any character at all, including a newline; without this flag, '.' will match anything except a newline.
• X(re.VERBOSE) 可以给你的表达式写注释，使其更可读，下面这2个意思一样

#re.I
>>> re.search('a','alex')
<_sre.SRE_Match object; span=(0, 1), match='a'>
>>> re.search('a','Alex')
>>> re.search('a','Alex',re.I)
<_sre.SRE_Match object; span=(0, 1), match='A'>

 

#re.M
>>> re.search('foo.$','fool\nfoo2\n')
<_sre.SRE_Match object; span=(5, 9), match='foo2'>
>>> re.search('foo.$','fool\nfoo2\n',re.M)
<_sre.SRE_Match object; span=(0, 4), match='fool'>
#不加M意思是不管有多少个换行符只看最后的，加上M就把它看成多行，取得是第一行的末尾

 

#re.S
>>> re.search('.','\n')#并没有匹配上
>>> re.search('.','\n',re.S)
<_sre.SRE_Match object; span=(0, 1), match='\n'>#匹配了任意字符

 

#re.X
>>> re.search('. #text','alex',re.X)
<_sre.SRE_Match object; span=(0, 1), match='a'>

 

 

总结：

1.常用的公式

2.5种语法