【Python】正则表达式
正则表达式
正则表达式,全称是 Regular Expression, 正则表达式, 即: 正确的, 符合特定规则的式子.用来校验和匹配数据,正则不独属于任意的一门语言, Java, Python…都支持, 且: 正则规则都是一样的, 不同的是 写法不一样.
python中正则使用步骤:
# 1.导包import re
# 2. 正则校验.re.match()re.search()re.compile().sub()
# 3. 获取匹配结果.result = re.group()
正则规则如下:
. 代表: 任意的1个字符\. 取消.的特殊含义, 就是一个普通的. 校验邮箱的时候用, 例如: zhangsan@163.coma 代表: 就是1个普通的字符a[abc] 代表: a,b,c其中的任意1个字符[^abc] 代表: 除了a,b,c外, 任意的1个字符\d 代表: 所有的数字, 等价于 [0-9]\D 代表: 所有的非数字, 等价于 [^0-9]\s 代表: 空白字符, \n, 空格, \t等...\S 代表: 非空白字符, 即: 上述取反.\w 代表: 非特殊字符, 即: 字母, 数字, _ 下划线, 汉字\W 代表: 特殊字符, 即: 上述取反.^ 代表: 开头 '^[^abc].*'$ 代表: 结尾? 数量词, 至少0次,至多1次+ 数量词, 至少1次, 至多n次* 数量词, 代表前边的内容, 至少出现 0次, 至多出现 n次{n} 恰好n次, 多一次少一次都不行.{n,} 至少n次, 至多无所谓{n,m} 至少n次, 至多m次, 包括n和m| 或者的意思.() 分组\num \分组编号, 表示引入某组的内容.(?P<分组名>) 给分组起名字(?P=分组名) 使用指定分组的内容
具体代码示例:
正则替换
import reif __name__ == '__main__':# 案例1: 把下述的符合正则规则的内容, 用*来替换.# 1. 定义 旧字符串.old_str = '你可以这样: 桀1桀2桀, 哈3哈, 呵A呵, 嘿嘿, 嘻嘻, 略略略, 嘤嘤嘤...'# 2. 定义 正则规则(字符串形式)reg_exp = '桀|哈|呵|嘿|嘻'# 3. 把符合正则规则的内容, 用*来替换.# 分解版写法.# 3.1 获取正则对象.# re_obj = re.compile(reg_exp)# 3.2 具体的替换过程.# result = re_obj.sub('*', old_str)# 合并版写法, 正则规则 新内容 旧内容# result = re.compile(reg_exp).sub('*', old_str)# 上述格式的语法糖, 正则规则 新内容 旧内容result = re.sub(reg_exp, '*', old_str)# 4 打印结果print(result)print('-' * 21)# 案例2: 回顾字符串的replace()函数.s1 = '抽烟只抽煊赫门, 一生只爱一个人. 其他烟: 中华, 煊赫门, 天叶, 煊赫门...'# result = s1.replace('煊赫门', '*') # 不写次数, 默认替换所有.# result = s1.replace('煊赫门', '*', 1) # 只替换1次(个)result = s1.replace('煊赫门|中华|天叶', '*')print(f'result: {result}')
校验单个字符
if __name__ == '__main__':# 演示: . 代表: 任意的1个字符, \n除外result = re.match('csdn.', 'csdna') # csdnaresult = re.match('csdn.', 'csdn\t') # csdn\tresult = re.match('csdn.', 'csdn\n') # 未匹配# 演示: \. 代表: 1个普通的. 即: 取消.的特殊含义# 细节: 为了防止打印异常信息, 你可以写成: r'csdn\.' 或者 'csdn\\.'result = re.match('csdn\\.', 'csdna') # 未匹配result = re.match('csdn\\.', 'csdn.') # csdn.result = re.match('csdn\\.', 'csdn.abc') # csdn.# 演示: a 代表: 1个字符aresult = re.match('a', 'abc') # aresult = re.match('a', 'xyz') # 未匹配# 演示: [abc] 代表: a, b, c中任意的1个字符, 即: 要么a, 要么b, 要么cresult = re.match('csdn[abc]', 'csdnabc') # csdnaresult = re.match('csdn[abc]', 'csdnbc') # csdnbresult = re.match('csdn[abc]', 'csdnd') # 未匹配# 演示: [^abc] 代表: 除了a,b,c外, 任意的1个字符result = re.match('csdn[^abc]', 'csdnabc') # 未匹配result = re.match('csdn[^abc]', 'csdnbc') # 未匹配result = re.match('csdn[^abc]', 'csdnd') # csdnd# 演示: \d 代表: 任意的1个整数, 等价于 [0-9]result = re.match('abcdefg[0-9]', 'abcdefg1') # abcdefg1result = re.match('abcdefg[0-9]', 'abcdefg3a') # abcdefg3result = re.match(r'abcdefg\d', 'abcdefg3a') # abcdefg3result = re.match(r'abcdefg\d', 'abcdefga') # 未匹配# 演示: \D 代表: 任意的1个非整数, 等价于 [^0-9]result = re.match(r'abcdefg\D', 'abcdefga') # abcdefgaresult = re.match(r'abcdefg\D', 'abcdefg3a') # 未匹配# 演示: \w 代表: 非特殊字符, 即: 大小写英文字符, 数字, _, 汉字result = re.match(r'abcdefg\w', 'abcdefga') # abcdefgaresult = re.match(r'abcdefg\w', 'abcdefgB') # abcdefgBresult = re.match(r'abcdefg\w', 'abcdefg1') # abcdefg1result = re.match(r'abcdefg\w', 'abcdefg_') # abcdefg_result = re.match(r'abcdefg\w', 'abcdefg!') # 未匹配# 演示: \W 代表: 特殊字符, 即: \w 取反.result = re.match(r'abcdefg\W', 'abcdefg!') # abcdefg!result = re.match(r'abcdefg\W', 'abcdefg_') # 未匹配# 演示: \s 代表: 空白字符, 例如: 空格, \t...result = re.match(r'abcdefg\s', 'abcdefg') # 未匹配result = re.match(r'abcdefg\s', 'abcdefg ') # abcdefgresult = re.match(r'abcdefg\s', 'abcdefg\t') # abcdefgresult = re.match(r'abcdefg\s', 'abcdefg\n') # abcdefg\nresult = re.match(r'abcdefg\s', 'abcdefga') # 未匹配# 演示: \S 代表: 非空白字符, 即: \s取反.# 自己测试.# 打印校验到的数据.if result:print(f'匹配到: {result.group()}')else:print('未匹配!')
校验多个字符
import re# main中测试
if __name__ == '__main__':# 演示: ? 代表: 前边的内容, 出现0次 或者 1次result = re.match('csdn.?', 'csdn')result = re.match('csdn.?', 'csdn ')result = re.match('csdn.?', 'csdnabcABC')result = re.match('csdn.?', 'csdn\nABC') # csdn# 演示: * 代表: 前边的内容, 至少出现0次, 至多出现n次(无数次)result = re.match('csdn[abc]*', 'csdn\nABC') # csdnresult = re.match('csdn[abc]*', 'csdnabcABC') # csdnabcresult = re.match('csdn[abc]*', 'csdn ') # csdnresult = re.match('csdn[abc]*', 'csdn') # csdn# 演示: + 代表: 前边的内容, 出现1次 或者 多次.result = re.match('csdn[abc]+', 'csdn') # 未匹配result = re.match('csdn[abc]+', 'csdn ') # 未匹配result = re.match('csdn[abc]+', 'csdn\nABC') # 未匹配result = re.match('csdn[abc]+', 'csdnabcABC') # csdnabc# 演示: a{n} 代表: a恰好出现n次, 多一次少一次都不行.result = re.match('csdn[abc]{2}', 'csdnabcABC') # csdnabresult = re.match('csdn[abc]{2}', 'csdnacb') # csdnacresult = re.match('csdn[abc]{2}', 'csdna') # 未匹配# 演示: a{n,} 代表: a至少出现n次, 至多无所谓.result = re.match('csdn[abc]{2,}', 'csdna') # 未匹配result = re.match('csdn[abc]{2,}', 'csdnacb') # csdnacbresult = re.match('csdn[abc]{2,}', 'csdnabcABC') # csdnabc# 演示: a{n,m} 代表: a至少出现n次, 至多出现m次, 包括n 和 mresult = re.match('csdn[abc]{2,3}', 'csdnabcde') # csdnabcresult = re.match('csdn[abc]{2,3}', 'csdna') # 未匹配# 打印结果.print(f'匹配到: {result.group()}' if result else '未匹配!')
校验开头和结尾
import reif __name__ == '__main__':# 演示: ^ 代表: 正则表达式的 开头# 需求: 校验字符串必须以 it 开头.result = re.match(r'it\d', 'it123') # it1result = re.match(r'it\d', '1it123') # 未匹配!result = re.search(r'it\d', 'it123') # it1result = re.search(r'it\d', '1it123') # it1# ^代表开头, 即: 如下的代码其实是 全词匹配, 必须从字符串的第1个字符开始校验.result = re.search(r'^it\d', '1it123') # 未匹配!# 演示: $ 代表: 正则表达式的 结尾# 需求: 校验字符串必须以 数字 结尾.result = re.match(r'it\d', 'it123a') # it1result = re.match(r'it\d$', 'it123a') # 未匹配!# 扩展: 校验手机号.# 规则: 1. 必须以1开头. 2.第2位数字可以是3 ~ 9. 3.必须是纯数字. 4.长度必须是11位.result = re.match(r'^1[3-9]\d{9}$', '13112345678a')result = re.match(r'^1[3-9]\d{9}$', '13112345678')# 打印匹配到的结果.print(result.group() if result else '未匹配!')
校验分组
import reif __name__ == '__main__':# 需求1: 在列表中, 打印用户喜欢吃 和 不喜欢吃的水果.# 1. 定义水果列表.fruits = ['apple', 'banana', 'orange', 'pear']# 2. 遍历, 获取每种水果.for fruit in fruits:# 3. 假设用户喜欢吃 香蕉, 梨, 判断即可.result = re.match('banana|pear', fruit)# 4. 打印结果.if result:print(f'喜欢吃: {fruit}')else:print(f'不喜欢吃: {fruit}')
校验邮箱
import reif __name__ == '__main__':# 需求: 匹配出 163, 126, qq等邮箱.# 邮箱规则: 前边是4 ~ 20位的字母, 数字, 下划线 + @标记符 + 域名# 1. 定义邮箱字符串.email_str = 'zhangsan@163com'email_str = 'zhangsan@1634.com'email_str = 'zh@qq.com'email_str = 'zhangsan@163.com'# 2. 定义 校验邮箱的 正则表达式.pattern = r'^[a-zA-Z0-9_]{4,20}@(163|126|qq)\.com$'# 3. 校验邮箱.result = re.match(pattern, email_str)# 4. 打印结果.if result:print(f'匹配到: {result.group()}') # zhangsan@163.com, 等价于 result.group(0), 即: 获取所有匹配到的数据print(f'匹配到: {result.group(0)}') # zhangsan@163.com, 效果同上.print(f'匹配到: {result.group(1)}') # 163else:print('未匹配!')
提取指定的分组的数据
import reif __name__ == '__main__':# 需求: 匹配 qq:qq号 这样的数据, 提取出 qq文字 和 qq号码.# 1. 定义字符串.s1 = "qq:1234567"# 2. 匹配数据.result = re.match(r'(qq):(\d{6,11})', s1)# 3. 打印匹配到的数据.if result:print(f'匹配到: {result.group()}') # qq:1234567print(f'匹配到: {result.group(0)}') # qq:1234567print(f'匹配到: {result.group(1)}') # qqprint(f'匹配到: {result.group(2)}') # 1234567else:print('未匹配!')
引用指定的内容
import reif __name__ == '__main__':# 需求1: 正则校验 html标签, 简单版.# 1. 定义html标签字符串.html_str1 = '<html>csdnpy</html>'# 2. 正则校验.# 假设: 标签规则: 2到4位字母result = re.match('<[a-zA-Z]{2,4}>.*</[a-zA-Z]{2,4}>', html_str1)# 上述格式优化版, 加入: 分组思想.result = re.match(r'<([a-zA-Z]{2,4})>.*</\1>', html_str1)# 3. 打印匹配结果.if result:print(f'匹配到: {result.group()}')else:print('未匹配!')print('-' * 21)# 需求2: 正则校验 html标签, 升级版.# 假设: 外部标签规则 2到4位字母, 内部标签规则: h + 1到6的数字# 1. 定义html标签字符串.html_str2 = '<html><h1>csdnpy</h1></html>'# 2. 正则校验result = re.match(r'<[a-zA-Z]{2,4}><h[1-6]>.*</h[1-6]></[a-zA-Z]{2,4}>', html_str2)# 加入分组, 优化上述的代码.result = re.match(r'<([a-zA-Z]{2,4})><(h[1-6])>.*</\2></\1>', html_str2)# 扩展: 给分组设置组名.result = re.match(r'<(?P<A>[a-zA-Z]{2,4})><(?P<B>h[1-6])>.*</(?P=B)></(?P=A)>', html_str2)# 3. 打印匹配结果.if result:print(f'匹配到: {result.group()}')else:print('未匹配!')