day15-re与正则表达式

灰太狼 2021-12-03 11:29 246阅读 0赞

### 一、正则表达式 ###

### 二、re模块 ###

### 1.0 正则表达式 ###

1.1 正则表达式与re模块的关系

# 1.正则表达式是一门独立的技术，任何语言均可使用
    # 2.python中要想使用正则表达式需要通过re模块

1.2 正则表达式

京东注册账号手机有校验功能:

<https://reg.jd.com/reg/person?ReturnUrl=https%3A//www.jd.com/>

1.3 有无正则校验的区别

1.3.1 纯python代码

while True:
        phone_number = input('input your phone number ： ')
        if len(phone_number) == 11 \
                and phone_number.isdigit() \
                and (phone_number.startswith('13') \
                     or phone_number.startswith('14') \
                     or phone_number.startswith('15') \
                     or phone_number.startswith('18')):
            print('是合法的手机号码')
        else:
            print('不是合法的手机号码')

1.3.2 正则表达式

import re
    
    while True:
        phone_num = input("input your phone number:>>>")
        if re.match('^(13|14|15|18|19)[0-9]{9}$', phone_num):
            print('这个合法手机')
        else:
            print('不是合法手机')

\# 正则在所有语言中都可以使用 不是python独有的  
\# 匹配大段文本中特定的字符

1.4 正则表达式相关

# 在线测试：*http://tool.chinaz.com/regex/*（与re模块无关，仅仅是测试）
    
    # 应用场景：爬虫、数据分析
    
    # 推荐书籍:正则指引

1.5 字符组

# 在同一个位置可能出现的各种字符组成了一个字符组，在正则表达式中用[]表示(一个字符组每次只能匹配一个字符)
    # 字符分为很多类，比如数字、字母、标点等等。
    # 假如你现在要求一个位置"只能出现一个数字",那么这个位置上的字符只能是0、1、2...9这10个数之一。
    
    # 匹配0-9数字([0123456789]也支持简写[0-9])(如果想匹配横杠,转义即可)
    # 匹配A-Z字母(依据上面的简写规则[A-Z])
    # 匹配a-z字母(依据上面的简写规则[a-z])
    
    ps:这种上面到上面的范围必须是从小到大[a-Z]不行，[A-z]可以(但是内部有几个特殊符号)，因为内部对应的asicc码A在所有字母里面最小，z在所有字母里面最大

1.6 正则表达式符号

<table> 
 <tbody> 
  <tr> 
   <td> <pre>正则</pre> </td> 
   <td> <pre>待匹配字符</pre> </td> 
   <td> <pre>匹配<br>结果</pre> </td> 
   <td> <pre>说明</pre> </td> 
  </tr> 
  <tr> 
   <td> <pre>[0123456789]</pre> </td> 
   <td> <pre>8</pre> </td> 
   <td> <pre>True</pre> </td> 
   <td> <pre>在一个字符组里枚举合法的所有字符，字符组里的任意一个字符<br>和"待匹配字符"相同都视为可以匹配</pre> </td> 
  </tr> 
  <tr> 
   <td> <pre>[0123456789]</pre> </td> 
   <td> <pre>a</pre> </td> 
   <td> <pre>False</pre> </td> 
   <td> <pre>由于字符组中没有"a"字符，所以不能匹配</pre> </td> 
  </tr> 
  <tr> 
   <td>&nbsp; <pre>[0-9]</pre> </td> 
   <td>&nbsp; <pre>7</pre> </td> 
   <td> <pre>True</pre> </td> 
   <td> <pre>也可以用-表示范围,[0-9]就和[0123456789]是一个意思</pre> </td> 
  </tr> 
  <tr> 
   <td>&nbsp; <pre>[a-z]</pre> </td> 
   <td>&nbsp; <pre>s</pre> </td> 
   <td>&nbsp; <pre>True</pre> </td> 
   <td>&nbsp; <pre>同样的如果要匹配所有的小写字母，直接用[a-z]就可以表示</pre> </td> 
  </tr> 
  <tr> 
   <td>&nbsp; <pre>[A-Z]</pre> </td> 
   <td>&nbsp; <pre>B</pre> </td> 
   <td>&nbsp; <pre>True</pre> </td> 
   <td>&nbsp; <pre>[A-Z]就表示所有的大写字母</pre> </td> 
  </tr> 
  <tr> 
   <td>&nbsp; <pre>[0-9a-fA-F]</pre> </td> 
   <td>&nbsp; <pre>e</pre> </td> 
   <td>&nbsp; <pre>True</pre> </td> 
   <td>&nbsp; <pre>可以匹配数字，大小写形式的a～f，用来验证十六进制字符</pre> </td> 
  </tr> 
 </tbody> 
</table>

字符

<table> 
 <tbody> 
  <tr> 
   <td> <pre>元字符</pre> </td> 
   <td>&nbsp; <pre>匹配内容</pre> </td> 
  </tr> 
  <tr> 
   <td>.&nbsp;</td> 
   <td>匹配除换行符以外的任意字符</td> 
  </tr> 
  <tr> 
   <td>\w</td> 
   <td>匹配字母或数字或下划线(word)</td> 
  </tr> 
  <tr> 
   <td>\s</td> 
   <td>匹配任意的空白符(space)</td> 
  </tr> 
  <tr> 
   <td>\d</td> 
   <td>匹配数字(digit)</td> 
  </tr> 
  <tr> 
   <td>\n</td> 
   <td>匹配一个换行符(line)</td> 
  </tr> 
  <tr> 
   <td>\t</td> 
   <td>匹配一个制表符(tab)</td> 
  </tr> 
  <tr> 
   <td>\b</td> 
   <td>匹配一个单词的结尾(back)</td> 
  </tr> 
  <tr> 
   <td>^</td> 
   <td>匹配字符串的开始</td> 
  </tr> 
  <tr> 
   <td>$</td> 
   <td>匹配字符串的结尾</td> 
  </tr> 
  <tr> 
   <td>\W</td> 
   <td> <pre>匹配非字母或数字或下划线</pre> </td> 
  </tr> 
  <tr> 
   <td>\D</td> 
   <td> <pre>匹配非数字</pre> </td> 
  </tr> 
  <tr> 
   <td>\S</td> 
   <td> <pre>匹配非空白符</pre> </td> 
  </tr> 
  <tr> 
   <td>a|b</td> 
   <td> <pre>匹配字符a或字符b</pre> </td> 
  </tr> 
  <tr> 
   <td>()</td> 
   <td> <pre>匹配括号内的表达式，也表示一个组</pre> </td> 
  </tr> 
  <tr> 
   <td>[...]</td> 
   <td> <pre>匹配字符组中的字符</pre> </td> 
  </tr> 
  <tr> 
   <td>[^...]</td> 
   <td> <pre>匹配除了字符组中字符的所有字符</pre> </td> 
  </tr> 
 </tbody> 
</table>

量词：

<table> 
 <tbody> 
  <tr> 
   <td> <pre>量词</pre> </td> 
   <td> <pre>用法说明</pre> </td> 
  </tr> 
  <tr> 
   <td>*</td> 
   <td>重复零次或更多次</td> 
  </tr> 
  <tr> 
   <td>+</td> 
   <td>重复一次或更多次</td> 
  </tr> 
  <tr> 
   <td>?</td> 
   <td>重复零次或一次</td> 
  </tr> 
  <tr> 
   <td>{n}</td> 
   <td>重复n次</td> 
  </tr> 
  <tr> 
   <td>{n,}</td> 
   <td>重复n次或更多次</td> 
  </tr> 
  <tr> 
   <td>{n,m}</td> 
   <td>重复n到m次</td> 
  </tr> 
 </tbody> 
</table>

1.6.1 了解：

# \w,\s,\d与\W,\S,\D相反的匹配关系(对应的两者结合就是匹配全局)
    # \t 匹配制表符
    # \b 匹配结尾的指定单词

1.6.2 掌握：

# ^:以什么什么开头
    # ^[a-z]
    # ^[0-9]
    # $:以什么什么结尾

**ps:^与$连用能够精准匹配固定长度的目标字符,^只能出现在开头()，$只能出现结尾**

# |:或
    # ab|abc优先匹配前面的正则表达式ab，匹配上就不再用后面的abc，可以通过调换顺序修改优先级
    # ^:出现在[]中的^表示除了^后面的其他都匹配
    # [^a]除了a其他都匹配
    # [^a-z]除了小写字母a-z其他都匹配

上面的是匹配单个字符的符号，接下来是匹配个数的限制符号

1.6.3 量词：

# +:我想要匹配13838384388,\d一次只能匹配到一个数字，要想一次讲号码全部匹配上需要用到\d+，+表示重复一次或者多次，并且正则中默认都是贪婪匹配，越多越好
    # *:匹配0次或多次
    # ?:匹配0次或一次

ps:

# 1.对于这个0次也能匹配出来的结果，暂时不用考虑
    # 2.*,+,?的工作区间可以用坐标轴的形式表示出来
    # * {n}:明确指定个数
    
    注意:量词需要写在匹配符号的后面，并且只约束紧挨着它的那个正则表达式

1.7 例子：

\* 逐个匹配出后面的道:轨道 通道 地道 魔道 人道 \# .\*?道  
\* 匹配人名:海燕海娇海东  \# 海.\{1\}

1.8 分组:

\* 一次性匹配a1b2c3

# 用\[a-z][0-9]会匹配到三个结果
    
    # 想法:重复写三次，但是太麻烦，加量词的话只能限制离得最近的正则表达式
    
    # 这个时候就可以用分组(\[a-z][0-9])+

\* 匹配身份证号

# 1.^[1-9]\d{13,16}[0-9x]$:不完善的地方在于默认是x的情况只在18位才可能出现，但是这个表达式没有做这一层的限制
    # 2.^[1-9]\d{14}(\d{2}[0-9x])?$
    # 3.^([1-9]\d{16}[0-9x]|[1-9]\d{14})$
    # ^([1-9][0-9]{16}[0-9X]|[1-9][0-9]{14})$

1.9 转义符:

# 通过r或者\，对\n和\s换行符等进行转义
    
    # "\n",要写成'\\\n'，"\\\n",要写成'\\\\\\\\n'
    # 利用r可以让整个字符串都不再转义(r就是real，真实不转义)

1.10 贪婪匹配与非贪婪匹配

#  <.*>:从字符串起始位置开始找<,然后从字符串的末尾开始找>,找到之后，把<>和里面的内容一起拿出来
    #  <.*?>:从字符串起始位置开始找<,找到之后，然后接着往下找，找到离它最近的>,然后把匹配的结果返回
    # .*?x：就是取前面任意长度的字符，直到一个x出现

### 2.0 re模块使用 ###

2.1 三个内置方法

# findall
    # search
    # match

2.2 三种方法的使用

findall:

import re
    name = re.findall('r', 'ryan jessic jenny ammi richard') 
    # 第一个参数'r'是正则表达式，第二个参数'ryan jessic jenny ammi richard'是待匹配的文本内容
    print(name)
    # ['r', 'r', 'r']findall就是找到全部的意思，结果是以列表的形式返回3个'r'

search:

import re
    name = re.search('r', 'ryan jessic jenny ammi richard')
    print(name)
    print(name.group())
    # search 是搜索的意思，找到第一个相匹配的字符就会停止，然后返回一个对象的位置信息
    # <re.Match object; span=(0, 1), match='r'>
    # 可以通过.group()方法获得匹配的字符串
    # r

name = re.search('q', 'ryan jessic jenny ammi richard')

# 如果字符串没有匹配,就返回None,此时调用.group()就会直接报错
    # None
    # AttributeError: 'NoneType' object has no attribute 'group'
    
    if name:  # 通过name=None=False 来避免执行下面的
    print(ret.group())

match:

import re
    name = re.match('y', 'ryan jessic jenny ammi richard')
    print(name)
    print(name.group())
    效果同search,不过仅在字符串'开始'处进行匹配,比如'r',如果使用第二个字符'y'就会报错
    # None
    # AttributeError: 'NoneType' object has no attribute 'group'

2.3 其他方法的使用

.split()

import re
    name = re.split('y', 'ryan jessic jenny ammi richard')
    print(name)
    
    name = re.split('es', 'ryan jessic jenny ammi richard')
    print(name)
    
    name = re.split('[er]', 'ryan jessic jenny ammi richard')
    print(name)
    
    
    # ['r', 'an jessic jenn', ' ammi richard'] 用y切
    # ['ryan j', 'sic jenny ammi richard'] 用es这个
    # ['', 'yan j', 'ssic j', 'nny ammi ', 'icha', 'd'],用r切一遍,再用e切一遍

.sub()

import re
    name = re.sub('y','520','ryan jessic jenny ammi richard')
    print(name)
    # r520an jessic jenn520 ammi richard  #把所有的'y'替换成'520'

import re
    name = re.sub('y','520','ryan jessic jenny ammi richard',1)
    print(name)
    # 最后一个'1'表示只替换第1个

.subn()

name = re.subn('a','520','ryan jessic jenny ammi richard')
    print(name)  
    # ('ry520n jessic jenny 520mmi rich520rd', 3) 返回一个元祖,并显示一共替换了几个

.compile()

import re
    res = re.compile('\d{4}')  # 匹配三个数字,存入变量中
    name = res.search('041ajdsfklja328lkjfalkj3983jlj88ljdsjf')
    print(name)
    print(name.group())
    
    # <re.Match object; span=(23, 27), match='3983'>
    # group结果:3983

.finditer()

import re
    
    name = re.finditer('\d', '041ajdsfklja328lkjfalkj3983jlj88ljdsjf')
    print(name)
    # 返回一个迭代器
    # <callable_iterator object at 0x10c79b240>
    
    print(next(name))
    # <re.Match object; span=(0, 1), match='0'>
    # 查看第1个相关信息
    
    print(next(name).group())
    # 查看第2个结果:4

print([i.group() for i in name])
    # 查看剩余的结果

2.4 分组优先机制

import re
    res = re.search('^[1-9]\d{14}(\d{2}[0-9x])?$',110105199812067023)
    print(res.group())
    print(res.group(1)) # 获取正则表达式括号阔起来分组的内容
    print(res.group(2)) # search与match均支持获取分组内容的操作 跟正则无关是python机制
    
    # 而针对findall它没有group取值的方法，所以它默认就是分组优先获取的结果
    ret = re.findall('www.(baidu|oldboy).com', 'www.oldboy.com')
    print(ret) # ['oldboy'] 这是因为findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可
    
    ret = re.findall('www.(?:baidu|oldboy).com', 'www.oldboy.com') # ?:取消分组优先
    print(ret) # ['www.oldboy.com']

2.4.2 <name>起名

import re
    
    ret = re.search("<(?P<tag_name>\w+)>\w+</(?P=tag_name)>","<h1>hello</h1>")
    
    # 还可以在分组中利用?<name>的形式给分组起名字
    # 获取的匹配结果可以直接用group('名字')拿到对应的值
    
    print(ret.group('tag_name')) #结果 ：h1
    print(ret.group()) #结果 ：<h1>hello</h1>
    
    # 注意?P=tag_name相当于引用之前正则表达式，并且匹配到的值必须和前面的正则表达式一模一样

2.4.3 匹配整数

ret=re.findall(r"\d+","1-2*(60+(-40.35/5)-(-4*3))")
    print(ret) #['1', '2', '60', '40', '35', '5', '4', '3']
    
    ret=re.findall(r"\d+\.\d*|(\d+)","1-2*(60+(-40.35/5)-(-4*3))")
    print(ret) #['1', '2', '60', '', '5', '4', '3']
    ret.remove("")
    print(ret) #['1', '2', '60', '5', '4', '3']

转载于:https://www.cnblogs.com/Ryan-Yuan/p/11202452.html