涡阳网站建设,自己网站制作,wordpress extended super admins,网站网站做任务佣金违法0x01 正则表达式概念及符号含义
掌握正则表达式#xff0c;只需要记住不同符号所表示的含义#xff0c;以及对目标对象模式#xff08;或规律#xff09;的正确概括。
1、基础内容
字符匹配
在正则表达式中#xff0c;如果直接给出字符#xff0c;就是精确匹配。\d 匹…0x01 正则表达式概念及符号含义
掌握正则表达式只需要记住不同符号所表示的含义以及对目标对象模式或规律的正确概括。
1、基础内容
字符匹配
在正则表达式中如果直接给出字符就是精确匹配。\d 匹配一个数字\D 匹配一个非数字\w 匹配一个字母、数字或下划线_\W 匹配任何非单词字符,等价于“[^A-Za-z0-9_]\s 匹配任何空白字符包括空格、制表符、换页符等等,等价于[ \f\n\r\t\v]\S 匹配任何非空白字符\n 匹配一个换行符\r 匹配一个回车符\t 匹配一个制表符
数量匹配
.匹配除“\n之外的任何单个字符*匹配前面的子表达式零次或多次匹配前面的子表达式一次或多次?匹配前面的子表达式零次或一次{n}n是一个非负整数匹配确定的n次{n,m}m和n均为非负整数其中nm最少匹配n次且最多匹配m次{n,}n是一个非负整数至少匹配n次{,m} 匹配前面的正则表达式最多m次
范围匹配
x|y 匹配x或y[xyz] 字符集合,匹配所包含的任意一个字符[^xyz] 负值字符集合,匹配未包含的任意字符[a-z] 字符范围,匹配指定范围内的任意字符[^a-z] 负值字符范围,匹配任何不在指定范围内的任意字符来看一个稍微复杂的例子\d{3,4}\s\d{3,8} 我们来从左到右解读一下
\d{3,4}表示匹配3到4个数字例如010、0755\s可以匹配一个空格也包括Tab等空白符所以\s表示至少有一个空格例如匹配 等\d{3,8}表示3-8个数字例如1234567。
综合起来上面的正则表达式可以匹配以任意个空格隔开的带区号的电话号码。 如果要匹配010-12345、0755-26776666这样的号码呢 由于-是特殊字符在正则表达式中要用\转义所以上面的正则是\d{3,4}\-\d{3,8}。 但是仍然无法匹配010 - 12345因为带有空格。所以我们需要更复杂的匹配方式。
2、进阶内容
要做更精确地匹配可以用[]表示范围比如
[0-9a-zA-Z\_]可以匹配一个数字、字母或者下划线[0-9a-zA-Z\_]可以匹配至少由一个数字、字母或者下划线组成的字符串比如a1000_ZPy3000等等[a-zA-Z\_][0-9a-zA-Z\_]*可以匹配由字母或下划线开头后接任意个由一个数字、字母或者下划线组成的字符串也就是Python合法的变量[a-zA-Z\_][0-9a-zA-Z\_]{0, 19}更精确地限制了变量的长度是1-20个字符前面1个字符后面最多19个字符。A|B可以匹配A或B所以(P|p)ython可以匹配Python或者python。^表示行的开头^\d表示必须以数字开头。$表示行的结束\d$表示必须以数字结束。
你可能注意到了py也可以匹配python但是加上^py$就变成了只能匹配以py开头的字符串 所以如果某个字符串为I love python那么就无法匹配到因为它不是以py开头。
3、正则表达式使用场景
判断某个字符串是否匹配特定的模式切分字符串提取特定模式的字符串将指定模式的字符串进行替换
0x02 Python中正则表达式模块re
1、判断某个字符串是否匹配特定的模式
前面区号电话号码的例子
# 导入re模块
import re# 匹配
result re.match(r\d{3,4}\-\d{3,8}$,020-12345)
print(result)# 不匹配
result2 re.match(r\d{3,4}\-\d{3,8}$,020 12345)
print(result2)# match()方法判断是否匹配如果匹配成功返回一个Match对象否则返回None。
# 常见的判断方法就是# 带判断的字符串
test 020-12345
if re.match(r\d{3,4}\-\d{3,8}$, test):print(match)
else:print(not match)
小练习判断给定的邮箱地址是否是NETEC邮箱
假设NETEC公司的邮箱格式为姓.名字数字netec.com.cn。其中数字不是必须的只有相同名字的员工有多个时才会存在数字并且姓名拼音或英文都会使用小写字母而不会使用大写字母
email lee.jack3netec.com.cnpattern r^[a-z]{1,}\.[a-z]\d*netec.com.cn$if re.match(pattern,email):print(是NETEC邮箱)
else:print(不是NETEC邮箱)
2、切分字符串
用正则表达式切分字符串比用固定的字符更灵活请看正常的切分代码
result3 a b c.split( )
print(result3)
无法识别连续的空格用正则表达式试试:
result4 re.split(r\s, a b c)
print(result4)
无论多少个空格都可以正常分割。加入,试试
result5 re.split(r[\s\,], a,b,, c d)
print(result5)
再加入;试试
result6 re.split(r[\s\,\;], a,b;; c d)
print(result6)
3、提取特定模式的字符串
除了简单地判断是否匹配之外正则表达式还有提取子串的强大功能。 用()表示的就是要提取的分组Group。比如^(\d{3,4})-(\d{3,8})$ 分别定义了两个组可以直接从匹配的字符串中提取出区号和本地号码
m re.match(r^(\d{3,4})-(\d{3,8})$, 0755-12345)
print(m)
print(m.group(0)) # 匹配的整个字符串
print(m.group(1)) # 匹配的第一个小括号的内容即第一个匹配的子串
print(m.group(2)) # 匹配的第二个小括号的内容即第二个匹配的子串
一个复杂的例子,提起给定时间字符串中的小时、分钟、秒
t 19:05:30
m re.match(r^(0[0-9]|1[0-9]|2[0-3]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$, t)
print(m.groups())
print(m.group(1))
print(m.group(2))
print(m.group(3))
其实上面也有更简便的写法
t 19:05:30
m re.match(r^(0[0-9]|1[0-9]|2[0-3]|[0-9])\:([0-5]?[0-9])\:([0-5]?[0-9])$, t)
print(m.groups())
print(m.group(1))
print(m.group(2))
print(m.group(3))
4、将指定模式的字符串进行替换
result re.sub([ae],X,abcdefghi)
print(result)result re.subn([ae],X,abcdef)
print(result)
5、贪婪匹配 vs 非贪婪匹配
正则匹配默认是贪婪匹配也就是匹配尽可能多的字符。举例如下匹配出数字后面的0
result7 re.match(r^(\d)(0*)$, 102300).groups()
print(result7)
由于\d采用贪婪匹配直接把后面的0全部匹配了结果0*只能匹配空字符串了。 必须让\d采用非贪婪匹配也就是尽可能少匹配才能把后面的0匹配出来 加个?就可以让\d采用非贪婪匹配
result8 re.match(r^(\d?)(0*)$, 102300).groups()
print(result8)
6、正则表达式的编译
当我们在Python中使用正则表达式时re模块内部会干两件事情
编译正则表达式如果正则表达式的字符串本身不合法会报错用编译后的正则表达式去匹配字符串。
如果一个正则表达式要重复使用几千次出于效率的考虑我们可以预编译该正则表达式 接下来重复使用时就不需要编译这个步骤了直接匹配
# 编译
re_telephone re.compile(r^(\d{3,4})-(\d{3,8})$)# 直接使用
print(re_telephone.match(010-12345).groups())# 直接使用
print(re_telephone.match(010-8086).groups())
编译后生成Regular Expression对象由于该对象自己包含了正则表达式 所以调用对应的方法时不用给出正则字符串。
7、re模块中常用的几个函数
1compile()
compile() 编译正则表达式模式返回一个对象的模式这样某个模式编译一次就可以在程序中多次使用
import re
tt Tina is a good girl, she is cool, clever, and so on...
rr re.compile(r\w*oo\w*)
print(rr.findall(tt)) #查找所有包含oo的单词
2match()
match() 决定RE是否在字符串刚开始的位置匹配。//注这个方法并不是完全匹配。
当pattern结束时若string还有剩余字符仍然视为成功。想要完全匹配可以在表达式末尾加上边界匹配符$
print(re.match(com,comwww.runcomoob).group())
3search()
re.search函数会在字符串内查找模式匹配,只要找到第一个匹配然后返回如果字符串没有匹配则返回None。
print(re.search(\dcom,www.4comrunoob.5com).group())
4findall()
findall() 遍历匹配可以获取字符串中所有匹配的字符串返回一个列表。
p re.compile(r\d)
print(p.findall(o1n2m3k4))
5finditer()
finditer() 搜索string返回一个顺序访问每一个匹配结果Match对象的迭代器。找到 RE 匹配的所有子串并把它们作为一个迭代器返回。
iter re.finditer(r\d,12 drumm44ers drumming, 11 ... 10 ...)
for i in iter:
print(i)
print(i.group())
print(i.span())
6split()
split() 按照能够匹配的子串将string分割后返回列表。 可以使用re.split来分割字符串如re.split(r\s, text)将字符串按空格分割成一个单词列表。
print(re.split(\d,one1two2three3four4five5))
7sub()
sub() 使用re替换string中每一个匹配的子串后返回替换后的字符串。
import re
text JGood is a handsome boy, he is cool, clever, and so on...
print(re.sub(r\s, -, text))
8subn()
subn() 使用re替换string中每一个匹配的子串后返回替换后的字符串并返回替换次数
print(re.subn([1-2],A,123456abcdef))
print(re.sub(g.t,have,I get A, I got B ,I gut C))
print(re.subn(g.t,have,I get A, I got B ,I gut C))
