python笔记：第十一章正则表达式

独木难支

1.模块re

• 以一定规则，快速检索文本，或是实现一些替换操作
  
• 默认下，区分大小写
  

2.常见的匹配字符表

字符描述\d代表任意数字，就是阿拉伯数字 0-9 这些\D代表非数字的字符。与\d完全相反\w代表字母，数字，下划线。也就是 a-z、A-Z、0-9、_\W跟 \w 相反 ，代表不是字母，不是数字，不是下划线的字符。\n代表一个换行。\r代表一个回车。\f代表换页。\t代表一个 Tab 。\s代表所有的空白字符，也就是上面这四个：\n、\r、\t、\f。\S跟 \s 相反，代表所有不是空白的字符。\A代表字符串的开始。\Z代表字符串的结束。^匹配字符串开始的位置。$匹配字符创结束的位置。.代表所有的单个字符，除了 \n \r[...]代表在 [] 范围内的字符，比如 [a-z] 就代表 a到z的字母[^...]跟 [...] 唱反调，代表不在 [] 范围内的字符{n}匹配在 {n} 前面的东西，比如: o{2} 不能匹配 Bob 中的 o ，但是能匹配 food 中的两个o。{n,m}匹配在 {n,m} 前面的东西，比如：o{1,3} 将匹配fooooood中的前三个o。{n，}匹配在 {n,} 前面的东西，比如：o{2,} 不能匹配“Bob”中的“o”，但能匹配fooooood中的所有o。*和 {0,} 一个样，匹配 * 前面的 0 次或多次。 比如 zo* 能匹配“z”、“zo”以及“zoo”。+和{1，} 一个样，匹配 + 前面 1 次或多次。 比如 zo+”能匹配“zo”以及“zoo”，但不能匹配“z”。？和{0,1} 一个样，匹配 ？前面 0 次或 1 次。a|b匹配 a 或者 b。（）匹配括号里面的内容。

1. a = 'C|C++|C#|Python|Java'
2. # 判断字符串 a 中是否含有 Python
3. print(a.index('Python')>-1)   #  True
4. print('Python' in a)   #  True
6. import re
8. re.findall('Python', a)  #  在字符串 a 中，找到所有的'Python'字符串
9. print(re.findall("Python", a))  #  ['Python']

复制代码

2.1/d /D

1. import re
2. a = 'C0C++1C#2Python3Java'
3. # 检索所有数字
4. r = re.findall('\d', a)  #  \d 匹配所有数字  元字符的一种
5. print(r)  # ['0', '1', '2', '3']
7. r = re.findall('\D', a)  #  \d 匹配所有非数字  元字符的一种
8. print(r)  # ['0', '1', '2', '3']
9. # ['C', 'C', '+', '+', 'C', '#', 'P', 'y', 't', 'h', 'o', 'n', 'J', 'a', 'v', 'a']

复制代码

2.2[]  表示或

1. #  []  表示或
2. import re
3. s = 'abc, acc, adc, aec, afc, ahc'
4. r = re.findall('a[cf]c', s) # 匹配中间是 c 或 f 的字符串
5. print(r)  # ['acc', 'afc']
7. # [^]   表示否定
8. r = re.findall('a[^cf]c', s) # 匹配中间不是 c 和 f 的字符串
9. print(r)  # ['abc', 'adc', 'aec', 'ahc']
11. #  [c-f]   匹配c 到 f 的所有字符
12. r = re.findall('a[c-f]c', s) # 匹配 c 到 f 的字符
13. print(r)  # ['acc', 'adc', 'aec', 'afc']

复制代码

2.3\w \W

1. # 概括字符集
2. # \w   \W
3. import re
4. a = 'C0C++\n1C# 2Python3*Java_'
6. r = re.findall('\w', a) # 匹配数字和字母  相当于  [A-Za-z0-9_]
7. print(r)  
8. # ['C', '0', 'C', '1', 'C', '2', 'P', 'y', 't', 'h', 'o', 'n', '3', 'J', 'a', 'v', 'a', '_']
10. r = re.findall('\W', a)  # 非单词字符  
11. print(r)  #  ['+', '+', '\n', '#', ' ', '*']
13. # \s  空白字符
14. r = re.findall('\s', a)
15. print(r)  # ['\n', ' ']

复制代码

2.4{}  表示匹配次数

1. # 数量词  
2. #  {4}   4 表示每次匹配次数
3. import re
4. a = 'python 11 java 22 php'
5. r = re.findall('[a-z]{3}', a)
6. print(r)  # ['pyt', 'hon', 'jav', 'php']
8. # {3, 6}  表示匹配次数在 3到6 之间
9. r = re.findall('[a-z]{3,6}', a)
10. print(r)  # ['python', 'java', 'php']

复制代码

2.5贪婪 非贪婪

1. # 贪婪 非贪婪
2. # python 默认为贪婪模式  尽可能 多匹配 和 多次匹配
3. # 非贪婪模式  表达式后面加 ？ 匹配最少的次数
4. r = re.findall('[a-z]{3,6}?', a)
5. print(r)  # ['pyt', 'hon', 'jav', 'php']

复制代码

2.6*  +

1. # * 匹配 0 次或者无限多次
2. a = 'pytho0python1pythonn2'
3. r = re.findall('python*', a) # 与 * 紧挨的字符n 匹配0次或是无限多次
4. print(r) # ['pytho', 'python', 'pythonn']
6. r = re.findall('pytho*', a) # 与 * 紧挨的字符n 匹配0次或是无限多次
7. print(r) # ['pytho', 'pytho', 'pytho']
9. r = re.findall('pythonn*', a) # 与 * 紧挨的字符n 匹配0次或是无限多次
10. print(r) # ['python', 'pythonn']
12. # + 匹配一次或无限多次
13. import re
14. r = re.findall('python+', a) # 与 * 紧挨的字符n 匹配1次或是无限多次
15. print(r) # ['python', 'pythonn']
17. # 不加 ?  
18. r = re.findall('python{1,2}', a) # 匹配n 出现一次到两次
19. print(r) # ['python', 'pythonn']
21. # 加了 ?  
22. r = re.findall('python{1,2}?', a) # 匹配n 出现一次
23. print(r) # ['python', 'python']

复制代码

2.7^ $  边界符

1. # 边界匹配
2. import re
3. qq = '1000001'
5. r = re.findall('\d{4,8}', qq) # 匹配4 到8 位的QQ号
6. print(r)  # ['1000001']
8. qq = '10000000001'
9. r = re.findall('\d{4,8}', qq) # 匹配4 到8 位的QQ号
10. print(r)  # ['1000001']     没有达到目的
12. # ^ $ 边界符  
13. # ^ 规定以什么开始
14. # $ 规定以什么结束
15. r = re.findall('^\d{4,8}$', qq) # 匹配4 到8 位的QQ号
16. print(r)  # []   没有匹配到
18. r = re.findall('^0000', qq) # 匹配从 0 开始的字符串
19. print(r)  # []   没有匹配到

复制代码

2.8()  分组

1. # ()  一个括号对应一组
2. import re
3. a = 'pythonpythonpythonJs'
5. r = re.findall('(python){3}(JS)', a)
6. print(r)  # []
8. # re.I 不区分大小写  第三个参数
9. r = re.findall('(python)(JS)', a, re.I)
10. print(r)  # [('python', 'Js')]
12. # 接受多个第三个参数时，用|隔开
13. r = re.findall('(python)(JS)', a, re.I | re.S)
14. print(r)  # [('python', 'Js')]

复制代码

2.9. 匹配除换行符\n 以外的其他所有字符

1. # . 匹配出换行符\n 以外的其他所有字符
2. a = 'python\nCC'
3. r = re.findall('python.', a, re.I)
4. print(r)  # []   无法匹配\n
6. r = re.findall('python.', a, re.S)   #  让 . 可以匹配换行符
7. print(r)  # ['python\n']   

复制代码

2.10re.sub 替换操作

1. # re.sub 替换操作
2. import re
3. language = 'PythonC#JavaC#PHPC#'
4. r = re.sub('C#', 'GO', language)
5. print(r)   # PythonGOJavaGOPHPGO
7. r = re.sub('C#', 'GO', language, 1)
8. print(r)   # PythonGOJavaC#PHPC#   只替换了一个
10. r = re.sub('C#', 'GO', language, 0)
11. print(r)   # PythonGOJavaGOPHPGO
13. # re.sub 的第二个参数可以是函数
14. def convert(value):
15.     pass
16. r = re.sub('C#', convert, language)
17. print(r)  # PythonJavaPHP
20. def conver(value):
21.     matched = value.group()
22.     return '!!' + matched + '!!'
24. r = re.sub('C#', convert, language)
25. print(r)   # Python!!C#!!PHP!!C#!!

复制代码

2.11将函数作为参数

1. # 将函数作为参数
2. import re
3. s = 'ABC37978D432'
5. def convert(value):
6.     # 拿到具体数字
7.         matched = value.group()
8.         if matched >= 6:
9.         return 9
10.     else:
11.         return 0
12.    
13. r = re.sub('\d', convert, s)
14. print(r)  # ABC09999D000

复制代码

2.12re.match  re.search

1. # re.match
2. # re.search   
3. # 都返回类对象
4. import re
5. s = 'ABC37978D432'
7. r = re.match('\d', s)  #  从字符串的开始位置开始匹配，若不符，则返回None
8. print(r)  # None
9. r = re.search('\d', s) #  在字符串中寻找可以匹配的
10. print(r)  # <re.Match object; span=(3, 4), match='3'>
11. print(r.group())  # 3
12. print(r.span())   # (3, 4)   返回匹配的区间

复制代码

2.13group 分组

1. # group 分组  
2. # group()   默认值为 0   返回正则的完整匹配结果
3. import re
4. s = 'life is short, i use python'
6. r = re.search('life.*python', s)
7. print(r.group())  # life is short, i use python
9. # () 进行分组
10. r = re.search('(life.*python)', s)
11. print(r.group(0))  # life is short, i use python
13. # group(1)
14. r = re.search('life(.*)python', s)
15. print(r.group(1))  #  is short, i use
17. r = re.findall('life(.*)python', s)
18. print(r)  #  is short, i use
20. s = 'life is short, i use python, i love python'
21. r = re.search('life(.*)python(.*)python', s)
22. print(r.group(0))  # life is short, i use python, i love python
23. print(r.group(1))  #  is short, i use
24. print(r.group(2))  # , i love
25. print(r.group(0,1,2)) # ('life is short, i use python, i love python', ' is short, i use ', ', i love ')
26. print(r.groups())  #  (' is short, i use ', ', i love ')

复制代码

一些例子

1. 正则表达式
3. import re
5. line = 'booooooooobbby123'
6. r = re.match(".*(b.*b).*", line)
7. print(r.group(1))       #贪婪模式下，检索到最后符合的内容
8. print(r.group(0))
10. r = re.match(".*?(b.*?b).*", line)      #对  ? 后面的 检索进行非贪婪模式
11. print(r.group(1))  
13. #  +
14. print('~+~~~~~~~~~')
15. r = re.match(".*(b.+b)", line)      #+ 前面内容至少出现一次
16. print(r.group(1))  
19. print('|||||')
20. r = re.match(".*(bbb|bby123)", line)      #  | 或关系 存在一个即可
21. print(r.group(1))  
23. print('|||||')
24. r = re.match(".*(bby123|bbb)", line)      #  | 或关系 存在一个即可
25. print(r.group(1))
27. line2 = '15541861937'
28. regex_str = "(1[2345][0-9]{3})"
29. r = re.match(regex_str, line2)
30. print(r.group(0))
32. #汉字
33. print('[\u4E00-\u9FA5]+~~~~~~~~~~~~~~~~~~~~~')
34. line = '你好吗'
35. r = re.match("[\u4E00-\u9FA5]+", line)
36. print(r.group(0))
38. print('[\u4E00-\u9FA5]+~~~~~~~~~~~~~~~~~~~~~')
39. line = '你  好吗'
40. r = re.match("[\u4E00-\u9FA5]+", line)
41. print(r.group(0))
43. print('[\u4E00-\u9FA5]+~~~~~~~~~~~~~~~~~~~~~')
44. line = 'study in 北京大学'
45. r = re.match(".*([\u4E00-\u9FA5]+大学)", line)
46. print(r.group(1))
48. print('[\u4E00-\u9FA5]+~~~~~~~~~~~~~~~~~~~~~')
49. line = 'study in 北京大学'
50. r = re.match(".*?([\u4E00-\u9FA5]+大学)", line)
51. print(r.group(1))
54. line = 'XXX出生于2001年6月'
55. line = 'XXX出生于2001/6/1'
56. line = 'XXX出生于2001-6-1'
57. line = 'XXX出生于2001-06-01'
58. line = 'XXX出生于2001-06'
60. regex_str = ".*出生于(\d{4}[年/-]\d{1,2}([月/-]\d{1,2}|[月/-]$|$))"

复制代码

来源:https://www.cnblogs.com/lmc7/p/17566641.html
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！