python：正则表达式学习

今天药忘吃喽~ 2022-05-10 10:28 173阅读 0赞

### **1、re模块** ###

在Python中需要通过正则表达式对字符串进行匹配的时候，可以使用一个模块，名字为re。

实例

#coding=utf-8
    
    # 导入re模块
    import re
    # 使用match方法进行匹配操作
    # result = re.match(正则表达式,要匹配的字符串)
    result = re.match("itcast","itcast.cn sex") #匹配成功，返回匹配对象，否则返回None，不是""
    # 如果上一步匹配到数据的话，可以使用group方法来提取数据,必须是itcast开头
    print(result.group())

运行结果：

itcast

### 2、单字符匹配 ###

![70][]

#coding=utf-8
    import re
    ret = re.match(".S","ASa")  #AS
    print(ret.group())
    ret = re.match("[0123456789]\w","7Hello Python") #7H
    print(ret.group())
    ret = re.match("嫦娥\d号","嫦娥2号发射成功") #嫦娥2号
    print(ret.group())
    ret = re.match("\D\D\S","嫦娥2号发射成功")  #嫦娥2
    print(ret.group())

### 3、原生字符串 ###

`Python中字符串前面加上 r 表示原生字符串`

与大多数编程语言相同，`正则表达式里使用"\"作为转义字符`，这就可能造成反斜杠困扰。假如你需要匹配文本中的字符"\\"，那么使用编程语言表示的正则表达式里将需要4个反斜杠"\\\\"：前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。

Python里的原生字符串很好地解决了这个问题，有了原始字符串，你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观。

#coding=utf-8
    import re
    mm = "c:\\a\\b\\c"
    print(mm) #c:\a\b\c
    print(re.match("c:\\\\",mm).group()) #c:\
    print(re.match("c:\\\\a",mm).group())
    print(re.match(r"c:\\a",mm).group()) #c:\a
    print(re.match(r"c:\a",mm).group())   
    #Traceback (most recent call last):
    # File "<stdin>", line 1, in <module>
    # AttributeError: 'NoneType' object has no attribute 'group'

### 4、表示数量 ###

![70 1][]

import re
    print(re.match("[A-Z][a-z]*", "Mcewf").group())
    print(re.match("[a-zA-Z_]+[\w]*", "_name1_").group()) #匹配出，变量名是否有效
    print(re.match("[1-9]?[0-9]*", "0").group())#匹配出，0到99之间的数字
    print(re.match("[a-zA-Z0-9_]{6}", "1ad12f23s34455ff66").group()) #匹配前一个字符出现m次
    print(re.match("[a-zA-Z0-9_]{9,20}", "1ad12f23s34455ff66").group()) #匹配出，8到20位的密码，可以是大小写英文字母、数字、下划线

### 5、表示边界 ###

![70 2][]

import re
    print(re.match("[\w]{4,20}@163\.com$", "xiaoWang@163.com").group()) #匹配163.com的邮箱地址
    print(re.match(r".*\bver\b", "ho ver abc").group())
    print(re.match(r".*\Bver\B", "hocverabc").group())

### 6、匹配分组 ###

![70 3][]

import re
    
    print(re.match("[1-9]?\d$|100", "100").group()) #匹配出0-100之间的数字
    
    print(re.match("\w{4,20}@(163|126|qq)\.com$", "test@qq.com").group()) #test@qq.com
    ret = re.match("([^-]*)-(\d+)","11000-12345678")
    print(ret.group(1)) #11000
    print(ret.group(2)) #12345678 +表示前1个字符至少出现1次
    
    print(re.match(r"<([a-zA-Z]*)>\w*</\1>", "<hvdeftml>hh</hvdeftml>").group()) #匹配出<html>hh</html>
    #如果在第一对<>中是什么，按理说在后面的那对<>中就应该是什么
    print(re.match(r"<(\w*)><(\w*)>.*</\2></\1>", "<html><h1>www.itcast.cn</h1></html>").group()) #匹配出<html><h1>www.itcast.cn</h1></html>
    print(re.match(r"<(?P<name1>\w*)><(?P<name2>\w*)>.*</(?P=name2)></(?P=name1)>", "<html><h1>www.itcast.cn</h1></html>").group())#匹配出<html><h1>www.itcast.cn</h1></html>

### 7、其他 ###

import re
    
    print(re.search(r"\d+", "阅读次数为 9999").group()) #9999  匹配出文章阅读的次数
    
    ret = re.findall(r"\d+", "python = 9999, c = 7890, c++ = 12345") #统计出python、c、c++相应文章阅读的次数\
    print(ret) #['9999', '7890', '12345']
    
    print(re.sub(r"\d+", '265898', "python = 997")) #python = 265898 sub将匹配到的数据进行替换
    print(re.split(r":| ", "“info:xiaoZhang 33 shandong”")) #['“info', 'xiaoZhang', '33', 'shandong”'] split 根据匹配进行切割字符串，并返回一个列表

### 8、python贪婪和非贪婪    ###

正则表达式模式中使用到通配字，那它在从左到右的顺序求值时，会尽量“抓取”满足匹配最长字符串。非贪婪操作符“？”，这个操作符可以用在"\*","+","?"的后面，要求正则匹配的越少越好。

print(re.match(r"aa(\d+)","aa2343ddd").group(1)) #2343
    print(re.match(r"aa(\d+?)","aa2343ddd").group(1)) #2
    
    print(re.match(r"aa(\d+)ddd","aa2343ddd").group(1) ) #2343
    print(re.match(r"aa(\d+?)ddd","aa2343ddd").group(1)) #2343

[70]: /images/20220510/4709a401e5a44865bb886a7f1b214ed4.png
[70 1]: /images/20220510/d66b39f199e34e9aa32db288720a41ff.png
[70 2]: /images/20220510/0e3ba81db76545138ceadd4030986a67.png
[70 3]: /images/20220510/b36403392ef54f5398989b840d9d020a.png