16 正则表达式

 

第17节 正则表达式

一、作业解答

def fib():
    a=0
    b=1
​
    while True:
        a,b=b,a+b   #python特殊的语句，a=b;b=a+b 中间自动用变量保存临时值
        yield a
​
myfib=fib()
n=10
for i in myfib:
    if n>100:
        break
    print(i)
    n+=1

二、正式课

（一）正则表达式的概念

正则表达式是一个工具，用于匹配字符串，或用来提取字符串

1、判断一个字符串 是否匹配给定的格式（判断用户帐号是否满足格式）

2、从一个字符串中 按指定格式提取信息（抓取页面中的链接）

例子1 findall方法：

1、findall方法：在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表

import re
​
mymail=re.findall(r'^[a-zA-Z0-9]+@[a-zA-Z0-9]+\.com$','284939@qq.com')
print(mymail)
​
结果为：['284939@qq.com']

>>> st
'python111python222'
>>> re.findall('python',st)
['python', 'python']
>>> re.findall(r'333',st)
[]

例子2 match方法 ：

re.match 尝试从字符串的起始位置匹配一个模式，匹配成功返回的是一个匹配对象（这个对象包含了我们匹配的信息），如果不是起始位置匹配成功的话，match()返回的是空，

1.可以通过group()提取匹配到的内容

2.可以通过span()提取匹配到的字符下标

注意：match只能匹配到一个

>>> st
'python111python222'
>>> re.match(r'python',st)
<_sre.SRE_Match object; span=(0, 6), match='python'>
>>> re.match(r'111',st)
>>> a = re.match(r'python',st)
>>> a.group()
'python'
>>> a.span()
(0, 6)
​

例子3 search方法：

re.search 扫描整个字符串,匹配成功返回的是一个匹配对象（这个对象包含了我们匹配的信息）

注意：search也只能匹配到一个，找到符合规则的就返回，不会一直往后找

re.match与re.search的区别：

re.match只匹配字符串的开始位置找，如果字符串开始不符合正则表达式，则匹配失败，

re.search：匹配整个字符串，如果一直找不到则，返回是空的，没有结果

>>> st
'python111python222'
>>> re.search(r'111',st)
<_sre.SRE_Match object; span=(6, 9), match='111'>
>>> re.search(r'python',st)
<_sre.SRE_Match object; span=(0, 6), match='python'>
>>> b = re.search(r'python',st)
>>> b.group()
'python'
>>> b.span()
(0, 6)

例子4 sub方法 ：作用是替换

>>> st
'python111python222'
>>> re.sub(r'1','3',st)
'python333python222'

两层转译：r 转译一次 \.com 转译一次

注意：如果正则表达戒使用了括号，那么 findall 函数匹配的结果只会是括号中的内容，而不是完整的匹配

一个函数：findall

一些元字符：. * ? + [] \ ^ $ 有特殊的作用

通过（）改变findall 的行为

（二）元字符

1. 通配元字符 . 点代表任意字符，将获取的内容全部提取出来加入列表。

import re
my_string='冯娅同1学是粉3丝会会4长，冯娅8正在6走路。'
my_s=re.findall(r'.',my_string)
print(my_s)
​
结果：['冯', '娅', '同', '1', '学', '是', '粉', '3', '丝', '会', '会', '4', '长', '，', '冯', '娅', '8', '正', '在', '6', '走', '路', '。']

import re
my_string='冯娅同1学是粉3丝会会4长，冯娅8正在6走路。'
my_s=re.findall(r'冯娅..',my_string)
print(my_s)
​
结果：['冯娅同1', '冯娅8正']
后面两个点，表示后面的两个字符，有几个点，表示加几个字符，前面加也是一样的，有几个点匹配几个字

2、锚点元字符

(1) ^ 代表行首

import re
my_string='冯娅同1学是粉3丝会会4长，冯娅8正在6走路。'
my_s=re.findall(r'^冯娅',my_string)
print(my_s)
​
结果：['冯娅'] 只匹配以'冯娅'行首开头的，行中的不以匹配。

 

(2) $ 代表行尾

import re
my_string='冯娅同1学是粉3丝会会4长，冯娅8正在6走路'
my_s=re.findall(r'走路$',my_string)
print(my_s)
​
结果：['走路']

 

（3）\b 表示单词的边界

import re
my_string='hello world i am happy today,happyend'
my_s=re.findall(r'\bhappy\b',my_string)
print(my_s)
​
结果：['happy']

 

(4) {} 用花括号控制次数。

import re
my_string='abbbbbbbbc'
my_s=re.findall(r'ab{8}c',my_string)
print(my_s)
​
结果：['abbbbbbbbc']  ｛8｝里面的8表示b重复的次数
import re
my_string='abbbbbbbbc'
my_s=re.findall(r'ab{2,8}c',my_string)
print(my_s)
​
｛2，8｝可以匹配2-8个b
import re
my_string='abbbbbbbbc'
my_s=re.findall(r'ab{2,}',my_string)
print(my_s)
​
结果：['abbbbbbbb'] 说明：右无穷，
import re
my_string='abbbbbbbbc'
my_s=re.findall(r'ab{,10}',my_string)
print(my_s)
​
结果：['abbbbbbbb'] 说明：左无穷，

重复元字符 ?

贪婪模式：

import re
my_string='abbbbbbbbc'
my_s=re.findall(r'ab*',my_string)
print(my_s)
​
结果：['abbbbbbbb'] 说明：*代表任意多个{0,} 有多少b匹配多少个
import re
my_string='abbbbbbbbc'
my_s=re.findall(r'ab+',my_string)
print(my_s)
​
结果：['abbbbbbbb'] 说明：+代表一个或多个 {1,} 至少有一个b

import re
my_string='abbbbbbbbc'
my_s=re.findall(r'ab?',my_string)
print(my_s)
​
结果：[] 说明：?代表 一个或没有 {0,1}

 

非贪婪模式：

import re
my_string='abbbbbbbbc'
my_s=re.findall(r'ab*?',my_string)
print(my_s)
​
结果：['a']

import re
my_string='abbbbbbbbc'
my_s=re.findall(r'ab+?',my_string)
print(my_s)
​
结果：['ab']

import re
my_string='abbbbbbbbc'
my_s=re.findall(r'ab??',my_string)
print(my_s)
​
结果：['a']

 

选择元字符

| 代表 可以写两个正则表达式

字符组：范围[...N-M...] 反向字符类[^]

import re
my_string='abbbb11232142143342332bbbbc'
my_s=re.findall(r'[0-9]{2,8}',my_string)
print(my_s)
​
结果：['11232142', '14334233']

import re
my_string='12345'
my_s=re.findall(r'[^1]',my_string)
print(my_s)
​
结果：['2', '3', '4', '5']

转义元字符 \

元字符（有特殊含义）

字符字面值（无特殊含义）

某些普通字符（无特殊含义）

特殊功能符（有特殊含义）

(6) * + ？的使用

import re
my_string='happy happyend happynewyear hahaha fdfsd'
my_s=re.findall(r'happy|hahah|fd',my_string)
print(my_s)
​
结果:['happy', 'happy', 'happy', 'hahah', 'fd']
​
mystr='abbbbb1234'
mymail=re.findall(r'[0-9]',mystr)
print(mymail)
​
结果：['1', '2', '3', '4'] #没有用大括号，表示匹配一个字符，
​
mymail=re.findall(r'[0-9]{3}',mystr)
print(mymail)
​
结果：['123'] #大括号里表示要匹配多少个数字。
​
mystr='abc abd abe'
mymail=re.findall(r'ab[bd]',mystr)
print(mymail)
​
结果：['abd']  前面是ab,后面匹配一个字符，是[bd]中的一个

中括号代表的是 内容 大括号代表的是 数次

[0-9] 所有的数字

[a-z] 所有的小写字母

[A-Z] 所有的大写字母

[A-Za-z0-9] 所有的字母和数字

[^nm] 反向字符，除了nm以外的所有内容

（三）预定义字符组

预定义字符类	说明	对等字符类
\d	任意数字字符	[0-9]
\D	任意非数字字符	[^0-9]
\s	任意空白符	[\t\n\x0B\f\r]
\S	任意非空白符	[^\t\n\x0B\f\r]
\w	任意字符数字字符	[a-zA-Z0-9]
\W	任意非字符数字字符	[^a-zA-Z0-9]