Python使用正则表达式

企业开发 2023-06-24 20:23:23 阅读次数: 0
  • 正则表达式（Regular Expression），又称规则表达式，是一个计算机科学的概念，通常被用来检索和替换符合某些规则的文本。

1. 正则表达式语法

  • 正则表达式就是记录文本规则的代码。

1. 行定位符

  • 行定位符就是用来描述字符串的边界。“^”表示行的开始，“$”表示行的结尾。
^tm     # 表示匹配行头为“tm”的字符串。
# tm equal Tomorrow Moon匹配，Tomorrow Moon equal tm不匹配。

tm$     # 匹配以“tm”为行尾的字符串。
# tm equal Tomorrow Moon不匹配，Tomorrow Moon equal tm匹配。

tm     # 匹配任意位置出现了“tm”的字符串
# tm equal Tomorrow Moon匹配，Tomorrow Moon equal tm匹配。

2. 元字符

\bmr\w*\b     # 匹配以字母mr开头的单词，先是从某个单词开始处（\b），然后匹配字母mr，接着是任意数量的字母或数字（\w*），最后是单词结束处（\b）。
# 该表达式可以匹配“mrsoft”、“mrbook”、“mr123456”等。

常用元字符

代码 说明
. 匹配除换行符以外的任意字符。
\w 匹配字母或数字或下划线或汉字。
\s 匹配任意的空白符。
\d 匹配数字。
\b 匹配单词的开始或结束。
^ 匹配字符串的开始。
$ 匹配字符串的结束。

3. 重复

  • “\w*”用于匹配任意数量的字母或数字。如果想匹配特定数量的数字，如何表示呢？正则表达式为我们提供了限定符（指定数量的字符）来实现该功能。
^\d{
    
    8}$       # 匹配8位QQ号

常用限定符

限定符 说明 举例
? 匹配前面的字符0次或1次。 colou?r，该表达式可以匹配colour和color。
+ 匹配前面的字符1次或多次。 go+gle，该表达式可以匹配的范围从gogle到goo…gle。
* 匹配前面的字符0次或多次。 go*gle，该表达式可以匹配的范围从ggle到goo…gle。
{n} 匹配前面的字符最少n次。 go{2}gle，该表达式只匹配google。
{n,} 匹配前面的字符最少n次。 go{2,}gle，该表达式可以匹配的范围从google到goo…gle。
{n,m} 匹配前面的字符最少n次，最多m次。 employe{0, 2}，该表达式可以匹配employ、employe和employee共3种情况。

4. 字符类

  • 正则表达式查找数字或字母是很简单的，因为已经有了这些字符集合的元字符（如\d、\w），但是如果要匹配没有预定义元字符的字符集合（比如元音字母a, e, i, o,u），应该怎么办？
  • 很简单，只需要在方括号里列出它们就行了，像[aeiou]就匹配任何一个英文元音字母，[.?!]匹配标点符号“.”、“?”或“!”。也可以轻松地指定一个字符范围，像[0-9]代表的含义与\d就是完全一致的：代表一位数字；同理，[a-z0-9A-Z_]也完全等同于\w（如果只考虑英文的话）。
  • 想要匹配给定字符串中任意一个汉字，可以使用[\u4e00-\u9fa5]；如果要匹配连续多个汉字，可以使用[\u4e00-\u9fa5]+。

5. 排除字符

  • 上一节是匹配符合指定字符集合的字符串。现在反过来，匹配不符合指定字符集合的字符串。正则表达式提供了“^”字符。这个元字符在前面出现过，表示行的开始，在这里将会放到方括号中，表示排除的意思。
[^a-zA-Z]    # 匹配一个不是字母的字符

6. 选择字符

  • 试想一下，如何匹配身份证号码呢？首先需要了解一下身份证号码的规则。身份证号码长度为15位或18位。如果是15位，则全为数字；如果是18位，前17位是数字，最后一位是校验位，可能是数字或字符X。
  • 上面描述中，包含着条件选择的逻辑，这就需要使用选择字符（|）来实现。该字符可以理解为“或”，匹配身份证的表达式可以写成如下：
(^\d{
    
    15}$)|(^\d{
    
    18}$)|(^\d{
    
    17})(\d|X|x)$  # 该表达式的意思是可匹配15位数字，或者18位数字，或者17位数字和最后一位，最后一位可以是数字或者X或者x。

7. 转义字符

  • 正则表达式中的转义字符（\）和Python中的大同小异，都是将特殊字符（如“.”、“?”、“\”等）变为普通的字符。举一个IP地址的实例，用正则表达式匹配如127.0.0.1这样格式的IP地址。如果直接使用点字符，格式为：
[1-9]{
    
    1,3}.[0-9]{
    
    1,3}.[0-9]{
    
    1,3}.[0-9]{
    
    1,3}
  • 上面这种显然是不对的，因为“.”可以匹配一个任意字符。这时，不仅是127.0.0.1这样的IP，连127101011这样的字符串也会被匹配出来。所以在使用“.”时，需要使用转义字符（\）。修改后的正则表达式如下：
[1-9]{
    
    1,3}\.[0-9]{
    
    1,3}\.[0-9]{
    
    1,3}\.[0-9]{
    
    1,3}
  • 括号在正则表达式中也算是一个元字符。

8. 分组

  • 通过上面第6个例子，我们已经对小括号的作用有一定的了解了。小括号字符的第一个作用就是可以改变限定符的作用范围，如“|”、“*”、“^”等。
(thir|four)th   # 该表达式的含义是匹配单词thirth或fourth，如果不使用小括号，那么就变成了匹配单词thir和fourth了。
  • 小括号的第二个作用是分组，也就是子表达式。例如(.[0-9]{1,3}){3}，就是对分组([0-9]{1,3})进行重复操作。

9. 在Python中使用正则表达式语法

  • 在Python中使用正则表达式时，是将其作为模式字符串使用的。例如，将匹配不是字母的一个字符的正则表达式表示为模式字符串，可以使用下面的代码：
'[^a-zA-Z]'
  • 如果将匹配以字母m开头的单词的正则表达式转换为模式字符串，则不能直接在其两侧添加引号定界符，例如，下面的代码是不正确的：
'\bm\w*\b'
  • 需要将其中的“\”进行转义，转换后的代码为：
'\\bm\\w*\\b'
  • 由于模式字符串可能包括大量的特殊字符和反斜杠，所以需要写为原生字符串，即在模式字符串前加r或R。例如，上面的模式字符串采用原生字符串表示就是：
r'\bm\w*\b'
  • 在编写模式字符串时，并不是所有的反斜杠都需要进行转换。例如，前面编写到的正则表达式“^\d{8}$”中的反斜杠就不需要转义，因为其中的\d并没有特殊的意义。不过，为了编写方便，自己所写的正则表达式建议都采用原生字符串表示。

2. 使用re模块实现正则表达式操作

  • 前面介绍了正则表达式的语法，下面将介绍如何在Python中使用正则表达式。Python提供了re模块，用于实现正则表达式的操作。在实现时，可以使用re模块提供的方法（如search()、match()、findall()等）进行字符串的处理，也可以先使用re模块的compile()方法将模式字符串转换为正则表达式对象，然后再使用该正则表达式对象的相关方法来操作字符串。
  • re模块在使用时，需要用import语句引入：
import re
  • 如果使用的时候没有引入，会抛出模块未定义的异常：
    在这里插入图片描述

1. 匹配字符串

  • 匹配字符串可以使用re模块提供的match()、search()、findall()等方法。

1. 使用match()方法进行匹配

  • match()方法用于从字符串的开始处进行匹配，如果在其实位置匹配成功，则返回Match对象，否则返回None。语法如下：
re.match(pattern,string,[flags])
# pattern：表示模式字符串，由要匹配的正则表达式转换而来。
# string：表示要匹配的字符串。
# flags：可选参数，表示标志位，用于控制匹配方式，如是否区分字母大小写。常用的标志如下表所示。
标志 说明
A或ASCII 对于\w、\W、\b、\B、\d、\D、\s和\S只进行ASCII匹配（仅适用于Python3.x）。
I或IGNORECASE 执行不区分字母大小写的匹配。
M或MULTILINE 将^和$用于包括整个字符串的开始和结尾的每一行（默认情况下，仅适用于整个字符串的开始和结尾处）。
S或DOTALL 使用“.”字符串匹配所有字符，包括换行符。
X或VERBOSE 忽略模式字符串中未转义的空格和注释。

示例一

  • 例如匹配字符串是否以“mr_”开头，不区分字母大小写：
import re

pattern = r'mr_\w+'     # 模式字符串
string = 'MR_SHOP mr_shop'     # 要匹配的字符串
match = re.match(pattern, string, re.I)    # 匹配字符串，不区分大小写
print(match)
string = "项目名称 MR_SHOP mr_shop"
match = re.match(pattern, string, re.I)   # 匹配字符串，不区分大小写
print(match)    # 输出匹配结果
  • 执行结果如下：
<re.Match object; span=(0, 7), match='MR_SHOP'>
None
  • 字符串“MR_SHOP”是以“mr_”开头，所以返回一个Match对象，而字符串“项目名称MR_SHOP”不是以“mr_”开头，所以返回None。这是因为match()方法从字符串的开始位置开始匹配，当第一个字母不符合条件时，则不再进行匹配，直接返回None。
  • Match对象中包含了匹配值的位置和匹配数据。其中，要获取匹配值的起始位置可以使用Match对象的start()方法；要获取匹配值的结束位置可以使用end()方法；通过span()方法可以返回匹配位置的元组；通过string属性可以获取要匹配的字符串。
import re

pattern = r'mr_\w+'     # 模式字符串
string = 'MR_SHOP mr_shop'    # 要匹配的字符串
match = re.match(pattern, string, re.I)    # 匹配字符串，不区分大小写
print('匹配值的起始位置：', match.start())
print('匹配值的结束位置：', match.end())
print('匹配位置的元组：', match.span())
print('要匹配的字符串', match.string)
print('匹配数据：', match.group())
  • 运行结果：
匹配值的起始位置： 0
匹配值的结束位置： 7
匹配位置的元组： (0, 7)
要匹配的字符串 MR_SHOP mr_shop
匹配数据： MR_SHOP

示例二

  • 验证输入的手机号是否合法。
import re

pattern = r'(13[4-9]\d{8})$|(15[01289]\d{8})$'
mobile = '13634222222'
match = re.match(pattern, mobile)     # 进行模式匹配
if match is None:     # 判断是否为None，为真表示匹配失败
    print(mobile, '不是有效的中国移动手机号码。')
else:
    print(mobile, "是有效的中国移动手机号码。")
mobile = '13144222221'
match = re.match(pattern, mobile)    # 进行模式匹配
if match is None:     # 判断是否为None，为真表示匹配失败
    print(mobile, "不是有效的中国移动手机号码。")
else:
    print(mobile, "是有效的中国移动手机号码。")
  • 运行结果：
13634222222 是有效的中国移动手机号码。
13144222221 不是有效的中国移动手机号码。

2. 使用search()方法进行匹配

  • search()方法用于在整个字符串中搜索第一个匹配的值，如果在起始位置匹配成功，则返回Match对象，否则返回None，语法格式如下：
re.search(pattern, string, [flags])
# pattern：表示模式字符串，由要匹配的正则表达式转换而来。
# string：表示要匹配的字符串。
# flags：可选参数，表示标志位，用于控制匹配方式，如是否区分字母大小写。

示例一

  • 搜索第一个以“mr_”开头的字符串，不区分字母大小写。
import re

pattern = r'mr_\w+'     # 模式字符串
string = 'MR_SHOP mr_shop'     # 要匹配的字符串
match = re.search(pattern, string, re.I)    # 搜索字符串，不区分大小写
print(match)    # 输出匹配结果
string = '项目名称 MR_SHOP mr_shop'
match = re.search(pattern, string, re.I)    # 搜索字符串，不区分大小写
print(match)   # 输出匹配结果
  • 运行结果如下：
<re.Match object; span=(0, 7), match='MR_SHOP'>
<re.Match object; span=(5, 12), match='MR_SHOP'>
  • 从上面的运行结果可以看出，search()方法不仅是在字符串的起始位置搜索，其他位置有符合的匹配也可以。

示例二

  • 验证是否出现危险字符。
import re     # re模块

pattern = r'(黑客)|(抓包)|(监听)|(Trojan)'     # 模式字符串
about = '我是一名程序员，我喜欢看黑客方面的图书，想研究一下Trojan。'
match = re.search(pattern, about)   # 进行模式匹配
if match is None:
    print(about, '@ 安全!')
else:
    print(about, '@ 出现了危险词汇！')
about = '我是一名程序员，我喜欢看计算机网络方面的图书，喜欢开发网站。'
match = re.match(pattern, about)    # 进行模式匹配
if match is None:     # 判断是否为None，为真表示匹配失败
    print(about, '@ 安全!')
else:
    print(about, '@ 出现了危险词汇!')
  • 运行结果如下：
我是一名程序员，我喜欢看黑客方面的图书，想研究一下Trojan。 @ 出现了危险词汇！
我是一名程序员，我喜欢看计算机网络方面的图书，喜欢开发网站。 @ 安全!

3. 使用findall()方法进行匹配

  • findall()方法用于在整个字符串中搜索所有符合正则表达式的字符串，并以列表的形式返回。如果匹配成功，则返回包含匹配结构的列表，否则返回空列表。
  • 语法如下：
re.findall(pattern, string, [flags])
# pattern：表示模式字符串，由要匹配的正则表达式转换而来。
# string：表示要匹配的字符串。
# flags：可选参数，表示标志位，用于控制匹配方式，如是否区分字母大小写。

示例一

  • 搜索以“mr_”开头的字符串：
import re

pattern = r'mr_\w+'     # 模式字符串
string = 'MR_SHOP mr_shop'    # 要匹配的字符串
match = re.findall(pattern, string, re.I)    # 搜索字符串，不区分大小写
print(match)
string = '项目名称 MR_SHOP mr_shop'
match = re.findall(pattern, string)     # 搜索字符串，区分大小写
print(match)    # 输出匹配结果
  • 运行结果：
['MR_SHOP', 'mr_shop']
['mr_shop']

示例二

  • 如果在指定的模式字符传中包含分组，则返回与分组匹配的文本列表。
import re
pattern = r'[1-9]{1,3}(\.[0-9]{1,3}){3}'   # 模式字符串
str1 = '127.0.0.1 192.168.1.66'    # 要匹配的字符串
match = re.findall(pattern, str1)    # 进行模式匹配
print(match)
  • 执行的结果如下：
['.1', '.66']
  • 从上面的结果可以看出，并没有得到匹配的IP地址，这是因为在模式字符串中出现了分组，所以得到的结果是根据分组进行匹配的结果，即“(.[0-9]{1,3})”匹配的结果。如果想获取整个模式字符串的匹配，可以将整个模式字符串使用一对小括号进行分组。然后在获取结果时，只取返回值列表的每个元素（是一个元组）的第1个元素。
import re
pattern = r'([1-9]{1,3}(\.[0-9]{1,3}){3})'    # 模式字符串
str1 = '127.0.0.1 192.168.1.66'    # 要匹配的字符串
match = re.findall(pattern, str1)     # 进行模式匹配
for item in match:
    print(item[0])
  • 运行的结果如下：
127.0.0.1
192.168.1.66

2. 替换字符串——sub()方法

  • sub()方法用于实现字符串替换。语法格式如下：
re.sub(pattern,  repl, string, count, flags)
# pattern：表示模式字符串，由要匹配的正则表达式转换而来。
# repl：表示替换的字符串。
# string：表示要被查找替换的原始字符串。
# count：可选参数，表示模式匹配后替换的最大次数，默认值为0，表示替换所有的匹配。
# flags：可选参数，表示标志位，用于控制匹配方式，如是否区分字母大小写。

示例一

  • 隐藏中奖信息中的手机号码：
import re
pattern = r'1[34578]\d{9}'     # 定义要替换的模式字符串
string = '中奖号码为：84978981 电话为：13611111111'
result = re.sub(pattern, '1XXXXXXXXXX', string)    # 替换字符串
print(result)
  • 运行结果如下：
中奖号码为：84978981 电话为：1XXXXXXXXXX

示例二

  • 替换出现的危险字符串：
import re
pattern = r'(黑客)|(抓包)|(监听)|(Trojan)'    # 模式字符串
about = "我是一名程序员，我喜欢看黑客方面的图书，想研究一下Trojan。"
sub = re.sub(pattern, '@_@', about)    # 进行模式替换
print(sub)
about = '我是一名程序员，我喜欢看计算机网络方面的图书，喜欢开发网站。'
sub = re.sub(pattern, '@_@', about)    # 进行模式替换
print(sub)
  • 运行结果如下：
我是一名程序员，我喜欢看@_@方面的图书，想研究一下@_@。
我是一名程序员，我喜欢看计算机网络方面的图书，喜欢开发网站。

3. 使用正则表达式分割字符串——split()方法

  • split()方法用于实现根据正则表达式分割字符串，并以列表的形式返回。其作用与字符串对象的split()方法类似，所不同的就是分割字符串由模式字符串指定。语法格式如下：
r.split(pattern, string, [maxsplit], [flags])
# pattern：表示模式字符串，由要匹配的正则表达式转换而来。
# string：表示要匹配的字符串。
# maxsplit：可选参数，表示最大的拆分次数。
# flags：可选参数，表示标志位，用于控制匹配方式，如是否区分大小写字母。

示例一

  • 从给定的URL地址中提取出请求地址和各个参数：
import re

pattern = r'[?|&]'    # 定义分隔符
url = 'http://www.mingrisoft.com/login.jsp?username="mr"&pwd="mrsoft"'
result = re.split(pattern, url)    # 分割字符串
print(result)
  • 运行结果如下：
['http://www.mingrisoft.com/login.jsp', 'username="mr"', 'pwd="mrsoft"']
  • 场景模拟：微博的@好友栏目中，输入“@明日科技 @扎克伯格 @盖茨”（好友名称之间用一个空格区分），即可以同时@三个好友。

示例二

  • 输出被@的好友名称。
import re

str1 = '@明日科技 @扎克伯格 @盖茨'
pattern = r'\s*@'
list1 = re.split(pattern, str1)    # 用空格和@或单独的@分割字符串
print('您@的好友有：')
for item in list1:
    if item != '':     # 输出不为空的元素
        print(item)    # 输出每个好友名
  • 运行结果：
您@的好友有：
明日科技
扎克伯格
盖茨

猜你喜欢

转载自blog.csdn.net/ungoing/article/details/130780443
今日推荐
开源日报 | Chrome内置Gemini的意义不在于Gemini；中国AI追随之路的五大误区；ECharts创始人“下海”养鱼；谷歌I/O开发者大会什么都有，只是没有惊喜
微软回应中国区AI团队“打包赴美”传闻
基于大语言模型的开源知识库问答系统 MaxKB GitHub Star 数量突破 5,000 个！
美国拟限制 AI 大模型出口中国和俄罗斯
苹果将与 OpenAI 达成协议，将 ChatGPT 应用于 iPhone
openKylin 社区生态委员会第六次会议圆满召开
阿里云正式发布通义千问 2.5
Python 3.13 发布首个 Beta：实验性自由线程模式和 JIT、改进交互式解释器
Stack Overflow 拿我的代码去训练 AI 大模型，还封了我的账号
Pop!_OS 的 COSMIC 桌面完成 App Store 上架工作
《2024 年一季度互联网投融资运行情况》研究报告
报告：Django 仍然是 74% 开发者的首选
周排行
laravle中orm简单的增删改查
文本分类 特征选取之CHI开方检验
Spark核心编程-WordCount
大数据开发实战系列之电信客服(1)
读书笔记 - 把时间当作朋友 by 李笑来
python 笔记--if else
SpringBoot/Mybatis/Druid, 多数据源MultiDataSource配置思路
排序三个整数
redis集群搭建【2】-Windows中Redis集群搭建
STM32F030驱动TM1650点亮4联数码管
每日归档
更多
2024-05-16(6)
2024-05-15(24)
2024-05-14(0)
2024-05-13(18)
2024-05-12(0)
2024-05-11(38)
2024-05-10(38)
2024-05-09(35)
2024-05-08(42)
2024-05-07(14)

代码天地 © 2018 codetd.com

境外服务器   最新电视剧2022