2018-09-11

作者: fanzl | 来源:发表于2018-09-11 20:53 被阅读0次

一、正则表达式基本语法

正则表达式就是用来检测字符串是否满足某种规则的工具
例如：
1.账号是手机号/邮箱/多少位，由什么东西组成等.......
2.网络聊天中，脏话替换成*

1，匹配

1）“.”：匹配任意字符

匹配一个字符串，只有一位字符，任意字符

re_str=r'.'
result=fullmatch(re_str,'a')
result=fullmatch(re_str,'aas')  #None----需要3个“ . ”
print(result)

匹配一个字符串，前三位是abc，最后一位是任意字符

re_str=r'abc.'
result=fullmatch(re_str,'abcf')   # <_sre.SRE_Match object; span=(0, 4), match='abcf'>
result=fullmatch(re_str,'abdf')   # None
print(result)

2）“\w”：匹配字母数字下划线

匹配一个字符串，前三位是abc，最后一位是字母数字下划线

re_str=r'abc\w'
result=fullmatch(re_str,'abc2')   #<_sre.SRE_Match object; span=(0, 4), match='abc2'>
result=fullmatch(re_str,'abc!')   #None
print(result)

3）“ \s ”：匹配空白字符（空白指空格，制表符，回车等所有能产生空白的字符）

re_str=r'\w\w\w\s.'
result=fullmatch(re_str,'a2_\n!')
print(result)

4）“ \d ”：匹配数字字符

前三位是数字，最后一位是任意字符

re_str=r'\d\d\d.'
result=fullmatch(re_str,'123&')
print(result)

5）“\W”：匹配非字母数字下划线

6）“ \S ”：匹配非空白字符（空白指空格，制表符，回车等所有能产生空白的字符）

7）“ \D ”：匹配非数字字符

2，检测（匹配时不占位）

1）“ \b ”：检测是否是单词边界（单词开头和结尾，单词间的标点、空格等）

匹配中遇到\b先不管，匹配成功后再回头看\b位置是否是单词边界
匹配一个字符串，前四位是when，第五位是空白，空白后是where，并且第四位后边是单词边界

re_str=r'when\b\swhere'
result=fullmatch(re_str,'when where')
print(result)

2）“ ^ ”：检测字符串是否以给定的正则表达式开头,匹配时不占位

匹配一个字符串，是否以两位数字开头

re_str=r'^\d\d'
result=fullmatch(re_str,'22')
result=search(re_str,'22sdvcs')
print(result)

3）“ $ ”：检测字符串是否以给定的正则表达式结束,匹配时不占位

匹配一个字符串，是否以 a数字结束

re_str=r'a\d$'
result=fullmatch(re_str,'a2')
result=search(re_str,'sdvarva7')
print(result)

4）“ \B ”：检测是否是非单词边界,匹配时不占位

3匹配次数

1）“ [] ”：匹配中括号中出现的任意字符

注意：一个中括号只匹配一个字符
匹配一个3位的字符串，第一位是‘abc’中一个，后两位是数字

re_str=r'[ab+]\d\d'
result=fullmatch(re_str,'+34')
print(result)

“ - ” 在正则中的中括号中的应用：如果将-放到两个字符中间代表谁到谁(利用ASCII码排序，不能从大到小)。如果想表示‘-’本身，就放在开头或结尾

要求一个字符串中的第一个是1~8中的一个，后面两位是两个小写字母
[-18],[18-]:代表的字符是‘1’，‘8’，‘-’三个字符

re_str=r'[1-8][a-z][a-z]'
result=fullmatch(re_str,'3ab')
print(result)

2）“ [^字符集] ”：匹配不在中括号中出现的任意字符

匹配一个四位字符串，第一位不是大写字母，后三位是abc

re_str=r'[^A-Z]abc'
result=fullmatch(re_str,'（abc')
print(result)

3）“ * ”：匹配0次或多次

匹配一个字符串，最后一位是b，b的前面有0个或多个a

re_str=r'a*b'  #'b','ab','aab','aaab','aaaab'
result=fullmatch(re_str,'aaaab')
print(result)

4）“ + ”：匹配1次或多次（至少一次）

判断一个字符串是否是无符号整数

re_str=r'[1-9]+\d*'
result=fullmatch(re_str,'9870')
print(result)

5）“ ？ ”：匹配0次或1次

判断一个字符串是否是无符号整数

re_str=r'@?\d+'
result=fullmatch(re_str,'9870')
print(result)

判断一个字符串是否是整数

re_str=r'[+-]?[1-9]+\d*'
result=fullmatch(re_str,'9870')
print(result)

6）“ {N} ”：匹配N次

re_str=r'\d{3}'   #匹配三位数字字符串
result=fullmatch(re_str,'987')
print(result)

7）“ {N,} ”：至少匹配N次

re_str=r'\d{3,}'   #至少匹配三位数字字符串
result=fullmatch(re_str,'98764')
print(result)

8）“ {,N} ”：最多匹配N次

re_str=r'\d{,5}'   #最多匹配5位数字字符串
result=fullmatch(re_str,'64234')
print(result)

9）“ {M,N} ”：至少匹配M次，最多匹配N次

re_str=r'\d{3,5}'   #最多匹配5位数字字符串
result=fullmatch(re_str,'64234')
print(result)

注意：次数相关的操作都是约束符号前的前一个字符

练习：

用户名必须由字母、数字或下划线构成且长度在6~20个字符之间
QQ号是5~12的数字且首位不能为0

user=input('请输入用户名：')
if fullmatch(r'\w{6,20}',user):
    print('用户名可用')

qq=input('请输入qq：')
if fullmatch(r'[1-9]\d{4,11}',qq):
  print('qq可用')

4,分之和分组

1) | 分之(相当于逻辑运算中的or)

匹配一个字符串是三个字母或者是三个数字

re_str = r'[a-zA-Z]{3}|\d{3}'
print(fullmatch(re_str, 'abc'))

'\d{3}[a-z]{2}'是分之中的第一个条件， '[A-F]{3}'是分之的第二个条件

re_str = r'\d{3}[a-z]{2}|[A-F]{3}'
print(fullmatch(re_str, 'ABC'))

注意：正则中的分之有短路操作：如果使用|去连接多个条件，前面的条件已经匹配出结果，那么就不会使用后面的条件再去匹配了

练习：写一个正则表达式，能够匹配出字符串中所有的数字（包括整数和小数）

# 'abc12.5hhh60,30.2kkk9nn0.12'
# 100, 89.89, 20.12, 0.23
# re_str = r'[1-9]\d*[.]?\d*|0[.]\d+'

re_str = r'[1-9]\d*|\d+[.]\d+'
re_str = r'\d+[.]\d+|[1-9]\d*'
print(findall(re_str, 'abc12.5hhh60,30.2kkk9nn0.12'))

2) 分组

a.分组
通过加()来对正则条件进行分组
两位数字两位字母出现3次 ac23bn45hj34

re_str = r'([a-z]{2}\d{2}){3}'
print(fullmatch(re_str, 'ac23bn45hj34'))

匹配一个字符串，按照一个数字一个字母的规律出现一次或者多次

re_str = r'(\d[a-z])+'
print(fullmatch(re_str, '9a2s3k4k9o'))

b.重复
可以通过\数字来重复匹配前面的分组中匹配的结果。数字的值代表前面的第几个分组

re_str = r'(\d{2}[A-Z])=%\1\1'
print(fullmatch(re_str,'23B=%23B23B'))

re_str = r'(\d{3})-(\w{2})\1{2}\2'
print(fullmatch(re_str,'123-aa123123aa'))

c.捕获
按照完整的正则表达式去匹配，只捕获()中的内容。只有在findall中有效

re_str = r'a(\d{3})b'
print(fullmatch(re_str, 'a786b'))
print(findall(re_str, 'a786b'))

5 转义

1），正则表达式中的转义和字符串中的转义字符没有任何关系。在python中的字符串前加r组织的是字符串转义，不能阻止正则表达式的转义

2），在正则表达式中可以在有特殊意义的符号前加\来表示符号本身

+ , . , * , ? , \ , ( , ) , [ , ] , $ , ^

注意：

a，-只有在中括号中的两个字符之间才有特殊的意义
b,如果特殊符号放到[]中作为字符集的内容，那么除了-在两个字符之间以外，其他的都不需要转义
c,\ 不管在哪都需要转义，^放在中括号前面需要转义

re_str=r'a\+'
print(re.fullmatch(re_str,'a+'))

re_str=r'\+a'
print(re.fullmatch(re_str,'+a'))

re_str=r'a\\'
print(re.fullmatch(re_str,'a\\'))

re_str=r'\(asd\)'
re_str=r'[.\\?*]mbc'
print(re.fullmatch(re_str,'\\mbc'))

二、re模块

1.compile(正则表达式): 将正则表达式转换成正则表达式对象

re_str = r'\d+'
re_object = re.compile(re_str)
print(re_object)

#不转成对象，调用相应的函数
re.fullmatch(re_str, '78hj')

# 转换成对象，调用相应的方法
re_object.fullmatch('78hj')

2.match(正则表达式, 字符串) 和 fullmatch(正则表达式，字符串)

match:判断字符串的开头是否能够和正则表达式匹配
fullmatch: 判断整个字符串是否能够和正则表达式匹配
返回值都是匹配结果，如果匹配成功返回匹配对象，否则返回None

re_str = r'abc\d{3}'
match1 = re.match(re_str, 'abc234abcdef')
match2 = re.fullmatch(re_str, 'abc234')
print(match1)
print(match2)

a.匹配到的范围。匹配结果字符的下标范围:(起始下标,结束下标) ---- 结束下标取不到

(起始下标,结束下标)
print(match1.span())
# 获取起点
print(match1.start())
# 获取终点
print(match1.end())

注意：group参数，用来指定分组对应的相应的结果

re_str = r'(\d{3})\+([a-z]{2})'
match1 = re.match(re_str, '234+hjaaaaaa')
print(match1)
print(match1.span())
# 在匹配结果中，获取第1个分组的范围
print(match1.span(1))
# 在匹配结果中，获取第2个分组的范围
print(match1.span(2))

# 在匹配结果中，获取第2个分组的起始下标
print(match1.start(2))

b. 获取匹配结果对应的字符串

print(match1.group())
print(match1.group(1))
print(match1.group(2))

c. 获取被匹配的原字符串

print(match1.string)

3.search(正则表达式, 字符串)

在字符串中去查找第一个满足正则表达式要求的子串，如果找到了就返回匹配对象，找不到返回None

search1 = re.search(r'\d+aa', 'he9aallo 78aabc wolrd')
print(search1)
if search1:
    print(search1.span())

练习：使用search将一个字符串中所有的数字字符串全部找到....

'工资是10000元，年龄是18岁，身高是：180，颜值100分'

str1 = '工资是10000元，年龄是18岁，身高是：180，颜值100分'
re_str = r'[1-9]\d*'
search1 = re.search(re_str, str1)
while search1:
    print(search1.group())
    end = search1.end()
    str1 = str1[end:]
    search1 = re.search(re_str, str1)

4.split(正则表达式,字符串)

按满足正则表达式的子串去切割字符串
返回值是列表

str1 = '床前明月光,疑是地上霜。举头望明月，低头思故乡!'
result = re.split(r'\W+', str1)
print('mmm',result)

中文输入\w范围

5.sub(正则表达式,替换字符串,被替换的字符串)

返回值是新的字符串

word = '你丫是傻叉吗? 我操你大爷的. Fuck you'
result = re.sub(r'傻叉|操|Fuck|煞笔', '*', word)
print(result)

6.findall(正则表达式, 字符串)

获取字符串中所有满足正则表达式的子串
返回值是列表

注意：分组中的捕获效果在这儿有效

result = re.findall(r'\d([a-z]+)', '安徽省1boy,and你好福建0action')
print(result)