分享一个学习正则表达式的博客,向大佬学习:http://www.cnblogs.com/deerchao/archive/2006/08/24/zhengzhe30fengzhongjiaocheng.html
一、正则表达式的介绍
在实际开发过程中经常会有查找符合某些复杂规则的字符串的需要,比如:邮箱、图片地址、手机号码等,这时候想匹配或者查找符合某些规则的字符串就可以使用正则表达式了。
1.正则表达式的概念:
正则表达式就是记录文本规则的代码
2.正则表达式的样子:
0\d{2}-\d{8} # 这个就是一个正则表达式,表达的意思是匹配的是座机号码
3. 正则表达式的特点:
正则表达式的语法很令人头疼,可读性差
正则表达式通用性强,能够适用于多种编程语言
二、re模块的介绍:
1.re模块的使用过程:
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
导入模块:
# 导入正则模块
import re
使用match方法匹配操作:
match_obj = re.match("正则表达式", "进行匹配的字符串")
如果上一步匹配到数据的话,可以使用group方法来提取数据:
result = match_obj.group()
2.实例代码:
#!/usr/bin/env python
# coding=utf-8
import re
if __name__ == '__main__':
match_obj = re.match("qq:[1-9]\d{4,10}$", "qq:1171284619")
print("正则对象:", match_obj)
if match_obj:
print(match_obj.group())
else:
print("匹配失败")
运行结果:
正则对象: <_sre.SRE_Match object; span=(0, 13), match='qq:1171284619'>
qq:1171284619
三、匹配单个字符:
1.正则表达式的单字符匹配:
代码 | 功能 |
. | 匹配任意1个字符(\n除外) |
[] | 匹配[]中列举的字符 |
\d | 匹配数字,即 0-9 |
\D | 匹配非数字,即不是数字 |
\s | 匹配空白, 即 空格、tab键 |
\S | 匹配非空白 |
\w | 匹配非特殊字符, 即 a-z、 A-Z、 0-9、 _ 、汉字 |
\W | 匹配特殊字符, 即非数字、非数字、非下划线、非汉字 |
2. 实例代码:
#!/usr/bin/env python
# coding=utf-8
# 导包
import re
if __name__ == '__main__':
# . 匹配任意1个字符(除了\n)
match_obj = re.match(".", "M")
# 判断正则表达式是否匹配到数据
if match_obj:
# 打印匹配数据
print(match_obj.group())
else:
print("匹配失败...")
match_obj = re.match("t.o", "tho")
if match_obj:
# 打印匹配数据
print(match_obj.group())
else:
print("匹配失败...")
match_obj = re.match("t.o", "twokkil")
if match_obj:
# 打印匹配数据
print(match_obj.group())
else:
print("匹配失败...")
# [] 匹配[]中列举的字符
match_obj = re.match("[abcd]h", "ah")
if match_obj:
# 打印匹配数据
print(match_obj.group())
else:
print("匹配失败...")
match_obj = re.match("[0-9]", "ah")
if match_obj:
# 打印匹配数据
print(match_obj.group())
else:
print("匹配失败...")
match_obj = re.match("[0-9]", "555")
if match_obj:
# 打印匹配数据
print(match_obj.group())
else:
print("匹配失败...")
# \d 匹配数字,即0 - 9
match_obj = re.match("\d", "ah")
if match_obj:
# 打印匹配数据
print(match_obj.group())
else:
print("匹配失败...")
match_obj = re.match("\d", "9959")
if match_obj:
# 打印匹配数据
print(match_obj.group())
else:
print("匹配失败...")
# \D 匹配非数字,即不是数字
match_obj = re.match("\D", "ah")
if match_obj:
# 打印匹配数据
print(match_obj.group())
else:
print("匹配失败...")
match_obj = re.match("\D", "123")
if match_obj:
# 打印匹配数据
print(match_obj.group())
else:
print("匹配失败...")
# \s 匹配空白,即 空格,tab键
match_obj = re.match("\s", "\t123")
if match_obj:
# 打印匹配数据
print(match_obj.group(),"匹配成功")
else:
print("匹配失败...")
match_obj = re.match("\s", " 123")
if match_obj:
# 打印匹配数据
print(match_obj.group(),"匹配成功")
else:
print("匹配失败...")
match_obj = re.match("\s", "123")
if match_obj:
# 打印匹配数据
print(match_obj.group(), "匹配成功")
else:
print("匹配失败...")
# \S 匹配非空白
match_obj = re.match("\S", "123")
if match_obj:
# 打印匹配数据
print(match_obj.group())
else:
print("匹配失败...")
# \w 匹配非特殊字符,即a - z、A - Z、0 - 9、_、汉字
match_obj = re.match("\w", "123")
if match_obj:
# 打印匹配数据
print(match_obj.group())
else:
print("匹配失败...")
match_obj = re.match("\w", "哈哈")
if match_obj:
# 打印匹配数据
print(match_obj.group())
else:
print("匹配失败...")
match_obj = re.match("\w", "_dfgvd")
if match_obj:
# 打印匹配数据
print(match_obj.group())
else:
print("匹配失败...")
match_obj = re.match("\w", "&&123")
if match_obj:
# 打印匹配数据
print(match_obj.group())
else:
print("匹配失败...")
# \W 匹配特殊字符,即非字母、非数字、非汉字
match_obj = re.match("\W", "123")
if match_obj:
# 打印匹配数据
print(match_obj.group())
else:
print("匹配失败...")
match_obj = re.match("\W", "$%123")
if match_obj:
# 打印匹配数据
print(match_obj.group())
else:
print("匹配失败...")
四、匹配多个字符:
1.匹配多个字符的相关格式:
代码 | 功能 |
* | 匹配前一个字符出现0此或者无限次,即可有可无 |
+ | 匹配前一个字符出现1次或者无限次,即至少1次 |
? | 匹配前一个字符出现1次或者0次,即要么有1次,要么没有 |
{m} | 匹配前一个字符出现m次 |
{m, n} | 匹配前一个字符出现m到n次 |
2.实例代码:
#!/usr/bin/env python
# coding=utf-8
# 导包
import re
if __name__ == '__main__':
# * 匹配前一个字符出现0次或者无限次,即可有可无
match_obj = re.match("t.*o", "tbfdkjvbdfkbvjbo")
# 判断正则表达式是否匹配到数据
if match_obj:
# 打印匹配数据
print(match_obj.group())
else:
print("匹配失败...")
# + 匹配前一个字符出现1次或者无限次,即至少有1次
match_obj = re.match("t.+o", "tooo")
# 判断正则表达式是否匹配到数据
if match_obj:
# 打印匹配数据
print(match_obj.group())
else:
print("匹配失败...")
# ? 匹配前一个字符出现1次或者0次,即要么有1次,要么没有
match_obj = re.match("https?", "http")
# 判断正则表达式是否匹配到数据
if match_obj:
# 打印匹配数据
print(match_obj.group())
else:
print("匹配失败...")
# {m} 匹配前一个字符出现m次
match_obj = re.match("m{3}", "mmmmlo")
# 判断正则表达式是否匹配到数据
if match_obj:
# 打印匹配数据
print(match_obj.group())
else:
print("匹配失败...")
# {m, n} 匹配前一个字符出现从m到n次
match_obj = re.match("m{2,4}", "mmm4545")
# 判断正则表达式是否匹配到数据
if match_obj:
# 打印匹配数据
print(match_obj.group())
else:
print("匹配失败...")
运行结果:
tbfdkjvbdfkbvjbo
tooo
http
mmm
mmm
五、匹配开头结尾:
1.匹配开头和结尾的正则表达式:
代码 | 功能 |
^ | 匹配字符串开头 |
$ | 匹配字符串结尾 |
2.实例代码:
#!/usr/bin/env python
# coding=utf-8
import re
if __name__ == '__main__':
# ^ 匹配字符串开头
match_obj = re.match("^\d", "5ds")
# 判断正则表达式是否匹配到数据
if match_obj:
# 打印匹配数据
print(match_obj.group())
else:
print("匹配失败...")
# $ 匹配字符串结尾
match_obj = re.match(".*\d", "dsf4")
# 判断正则表达式是否匹配到数据
if match_obj:
# 打印匹配数据
print(match_obj.group())
else:
print("匹配失败...")
# 匹配数字,结尾不要4, 7
match_obj = re.match(".*[0-35-68-9]$", "tbfdkjvbd45")
# 判断正则表达式是否匹配到数据
if match_obj:
# 打印匹配数据
print(match_obj.group())
else:
print("匹配失败...")
运行结果:
5
dsf4
tbfdkjvbd45
3.除了指定字符以外都匹配
[^指定字符] | 表示除了指定字符都匹配 |
实例代码:
#!/usr/bin/env python
# coding=utf-8
import re
if __name__ == '__main__':
# 匹配结尾不要4,7
# [^47] : 除了指定字符都匹配
match_obj = re.match(".*[^47]$", "dsf7")
if match_obj:
print(match_obj.group())
else:
print("匹配失败")
# 匹配以数字开头中间内容是任意数据以数字结尾
match_obj = re.match("^\d.*\d$", "4dsf4")
if match_obj:
print(match_obj.group())
else:
print("匹配失败")
运行结果:
匹配失败
4dsf4
4.常用的简单正则匹配:
实例代码:
#!/usr/bin/env python
# coding=utf-8
import re
if __name__ == '__main__':
# 匹配数据
# \.: 取值.在正则表达式里面的功能,作为普通点使用
match_obj = re.match("[a-zA-Z0-9_]{4,20}@163\.com", "[email protected]")
if match_obj:
print(match_obj.group())
else:
print("匹配失败")
# 校验数据
match_obj = re.match("[a-zA-Z0-9_]{4,20}@163\.com$", "[email protected]")
if match_obj:
print(match_obj.group())
else:
print("匹配失败")
# 匹配手机号码
match_obj = re.match("1[3-8]\d{9}", "18181888888")
if match_obj:
print(match_obj.group())
else:
print("匹配失败")
match_obj = re.match("#[^#]+#", "#幸福是奋斗#出来的#")
if match_obj:
print(match_obj.group())
else:
print("匹配失败")
六、匹配分组:
1. 匹配分组相关正则表达式:
代码 | 功能 |
| | 匹配左右任意一个表达式 |
(ab) | 将括号中字符作为一个分组 |
\num | 引用分组num匹配到的字符串(与分组配合使用) (分组数据):分组数是从左到右的方式进行分配的 |
(?P<name>) | 分组起别名 |
(?P=name) | 引用别名为name分组匹配到的字符串(与起别名配合使用) |
2.实例代码:
#!/usr/bin/env python
# coding=utf-8
import re
if __name__ == '__main__':
# | 匹配左右任意一个表达式
my_list = ["香蕉", "苹果", "西瓜", "葡萄"]
for value in my_list:
match_obj = re.match("香蕉|西瓜", value)
if match_obj:
# 获取匹配数据
result = match_obj.group()
print("%s是我想吃的" % result)
else:
print("%s不是我想吃的" % value)
print("="*30)
# 匹配邮箱
match_obj = re.match("[a-z A-Z 0-9_]{4,20}@(163|126|qq|Gmail)\.com", "[email protected]")
# 判断正则表达式是否匹配到数据
if match_obj:
# 打印匹配数据
print(match_obj.group())
else:
print("匹配失败...")
# (ab) 将括号中字符作为一个分组
# \num 引用分组num匹配到的字符串
# \\: 两个反斜杠表示一个真正的反斜杠,不会对后面数据进行转义
# 提示: 分组是按照从左到右一次排序的,默认最左边的是第一个分组
# 匹配html文本
match_obj = re.match("<([a-z A-Z1-6]+)><([a-z A-Z1-6]+)>(.*)</\\2></\\1>", "<html><h1>hello世界</h1></html>")
# 判断正则表达式是否匹配到数据
if match_obj:
# 打印匹配数据
print(match_obj.group())
print("拿到html本文数据:", match_obj.group(3))
else:
print("匹配失败...")
print("="*30)
# (?P < name >) 分组起别名
# (?P=name) 引用别名为name分组匹配到的字符串
# 匹配html文本
match_obj = re.match("<(?P<title1>[a-z A-Z1-6]+)><(?P<title2>[a-z A-Z1-6]+)>(?P<content>.*)</(?P=title2)></(?P=title1)>",
"<html><h1>hello世界</h1></html>")
# 判断正则表达式是否匹配到数据
if match_obj:
# 打印匹配数据
print(match_obj.group())
else:
print("匹配失败...")
运行结果:
香蕉是我想吃的
苹果不是我想吃的
西瓜是我想吃的
葡萄不是我想吃的
==============================
[email protected]
<html><h1>hello世界</h1></html>
拿到html本文数据: hello世界
==============================
<html><h1>hello世界</h1></html>
七、re模块的高级用法:
1.search:根据正则表达式查找指定的数据。提示:只查找一次
match_obj = re.search("正则表达式", "匹配的字符串")
代码实例:
#!/usr/bin/env python
# coding=utf-8
import re
if __name__ == '__main__':
# search
match_obj = re.search("\d+", "苹果10个,鸭梨20个")
if match_obj:
print(match_obj.group(), type(match_obj.group()))
else:
print("匹配失败...")
# 使用匹分组的方式获取匹配的数据
match_obj = re.match("苹果(\d+)个 鸭梨(\d+)个", "苹果10个 鸭梨5个")
if match_obj:
print(match_obj.group())
print(match_obj.group(1))
print(match_obj.group(2))
else:
print("匹配失败")
运行结果:
10 <class 'str'>
苹果10个 鸭梨5个
10
5
2.findall:根据正则表达式查找指定数据。提示:可以查找多个,返回一个列表
my_list = re.findall("正则表达式", "要匹配的字符串")
代码实例:
#!/usr/bin/env python
# coding=utf-8
import re
if __name__ == '__main__':
# findall
result = re.findall(".{2}果", "苹果 火龙果 凤梨 无花果")
print(result)
运行结果:
['火龙果', '无花果']
3.sub 将匹配到的数据进行替换
result = re.sub("正则表达式", "替换后的内容", "要匹配的字符串或函数", count = 0)
# conunt:表示要替换的此时,0表示全部替换
代码实例:
#!/usr/bin/env python
# coding=utf-8
import re
if __name__ == '__main__':
# sub
# 简单的直接替换
result = re.sub("\d+", "100", "评论数:10; 点赞数:20", count=1)
print(result)
# 使用函数进行复杂替换
def sub_num(match_obj):
# 获取匹配烦人结果
result = match_obj.group()
value = int(result) + 1
# 提示:必须返回字符串
return str(value)
result = re.sub("\d+", sub_num, "评论数:10; 点赞数:20")
print(result)
运行结果:
评论数:100; 点赞数:20
评论数:11; 点赞数:21
4.split 根据匹配进行切割字符串,并返回一个列表
result = re.split("正则","要匹配额字符串", maxsplit = 0)
# maxsplit:表示根据正则分割的次数,0表示全部分割
代码实例:
#!/usr/bin/env python
# coding=utf-8
import re
if __name__ == '__main__':
# split
my_str = "貂蝉,西施;王昭君.杨玉环"
result = re.split(",|;|\.", my_str)
print("完整分隔:", result)
# 只分割一次
result = re.split(",|;|\.", my_str, maxsplit=1)
print("只分割一次", result)
运行结果:
完整分隔: ['貂蝉', '西施', '王昭君', '杨玉环']
只分割一次 ['貂蝉', '西施;王昭君.杨玉环']
提示:\.: 取值.在正则表达式里面的功能,作为普通点使用
5.提高:
使用re.sub()方法将下面字符串中的阅读数和评论数加一:"阅读数:12 评论数:4 发表文章数:2
代码:
#!/usr/bin/env python
# coding=utf-8
import re
if __name__ == '__main__':
# 使用re.sub()方法将下面字符串中的阅读数和评论数加一
# "阅读数:12 评论数:4 发表文章数:2
def sub_data(match_obj):
print(match_obj) # 打印一下函数的参数
# 拿到数据
src_data = match_obj.group()
ret = int(src_data) + 1
return str(ret)
str_content = "阅读数:12 评论数:4 发表文章数:2 哈哈哈:5"
result = re.sub("\d+", sub_data, str_content)
print(result)
运行结果:
<_sre.SRE_Match object; span=(4, 6), match='12'>
<_sre.SRE_Match object; span=(11, 12), match='4'>
<_sre.SRE_Match object; span=(19, 20), match='2'>
<_sre.SRE_Match object; span=(25, 26), match='5'>
阅读数:13 评论数:5 发表文章数:3 哈哈哈:6
分析:由运行结果可以看出,re.sub一定调用了4次sub_data函数,而str_content中恰好有4个匹配值。
八、贪婪和非贪婪:
1.贪婪:
在pyhon中正则表达式默认是贪婪的 ,根据正则表达式尽量多匹配数据
2.非贪婪:
根据正则表达式尽量少匹配数据,比如:+?, *?, ??
非贪婪的含义: ?后面的数据不要前面的正则表达式进行匹配,留给?后面的正则表达式匹配
3.实例代码:
#!/usr/bin/env python
# coding=utf-8
import re
if __name__ == '__main__':
str_content = "#幸福是奋斗#出来的#"
# python默认是贪婪的
match_obj = re.match("#.+#", str_content)
if match_obj:
ret = match_obj.group()
print("默认贪婪:", ret)
else:
print("匹配失败...")
# 使用非贪婪的形式匹配
match_obj = re.match("#.+?#", str_content)
if match_obj:
ret = match_obj.group()
print("使用非默认贪婪:", ret)
else:
print("匹配失败...")
运行结果:
默认贪婪: #幸福是奋斗#出来的#
使用非贪婪: #幸福是奋斗#
4.实例:请提取斗鱼图片的url地址:
img_url = """<img alt="寒山基的直播" data-original="https://rpic.douyucdn.cn/roomCover/cover_update/2017/08/02/83205c0d3a976d1e3860e05c6c3b37bc.png" src="https://rpic.douyucdn.cn/roomCover/cover_update/2017/08/02/83205c0d3a976d1e3860e05c6c3b37bc.png" width="283" height="163" class="JS_listthumb" style="display: block;"> """
代码:
#!/usr/bin/env python
# coding=utf-8
import re
if __name__ == '__main__':
img_url = """
<img alt="寒山基的直播" data-original="https://rpic.douyucdn.cn/roomCover/cover_update/2017/08/02/83205c0d3a976d1e3860e05c6c3b37bc.png" src="https://rpic.douyucdn.cn/roomCover/cover_update/2017/08/02/83205c0d3a976d1e3860e05c6c3b37bc.png" width="283" height="163" class="JS_listthumb" style="display: block;">
"""
match_obj = re.search("https?://.+?\.(png|jpg)", img_url)
if match_obj:
ret = match_obj.group()
print(ret)
else:
print(match_obj)
print("匹配失败...")
运行结果:
https://rpic.douyucdn.cn/roomCover/cover_update/2017/08/02/83205c0d3a976d1e3860e05c6c3b37bc.png"
九、r的作用:
1.r的作用:
Python中字符串前面加上 r 表示原生字符串,数据里面的反斜杠不需要进行转义,针对的只是反斜杠
建议:以后为了兼容反斜杠\的问题,使用正则表达式匹配数据的时候都可以在前面加上r