01. 匹配单个字符
. 匹配任意1个字符(除了\n)如若想要匹配\n 需要使用re.S
[ ] 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 匹配单词字符,即a-z、A-Z、0-9、_
\W 匹配非单词字符
e.match()
能够匹配出以xxx开头的字符串
import re
ret = re.match(".", "too")
print(ret.group())
** 结果为 t **
02. 匹配多个字符
* 匹配前一个字符出现0次或者无限次,即可有可无
+ 匹配前一个字符出现1次或者无限次,即至少有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从m到n次
import re
ret = re.match("[A-Z][a-z]*","MnnM")
print(ret.group())
ret = re.match("[A-Z][a-z]*","Aabcdef")
print(ret.group())
** 结果为 **
Mnn
Aabcdef
03. 匹配开头字符
^ 匹配字符串开头
$ 匹配字符串结尾
import re
email_list = ["[email protected]", "[email protected]", "[email protected]"]
for email in email_list:
ret = re.match("[\w]{4,20}@163\.com$", email)
if ret:
print("%s 是符合规定的邮件地址,匹配后的结果是:%s" % (email, ret.group()))
else:
print("%s 不符合要求" % email)
04. 匹配分组
| 匹配左右任意一个表达式
(ab) 将括号中字符作为一个分组
\num 引用分组num匹配到的字符串
(?P<name>) 分组起别名
(?P=name) 引用别名为name分组匹配到的字符串
1. 匹配出0-100之间的数字
import re
ret = re.match("[1-9]?\d$|100", "01")
if ret:
print(ret.group())
else:
print("不在0-100之间")
2. 匹配出163、126、qq邮箱
import re
ret = re.match("\w{4,20}@(163|126|qq)\.com", "[email protected]")
if ret:
print(ret.group())
else:
print("不是163、126、qq邮箱") # 不是163、126、qq邮箱
3. 不是以4、7结尾的手机号码(11位)
import re
tels = ["13100001234", "18912344321", "10086", "18800007777"]
for tel in tels:
ret = re.match("1\d{9}[0-35-68-9]", tel)
if ret:
print(ret.group())
else:
print("%s 不是想要的手机号" % tel)
4. 提取区号和电话号码
import re
ret = re.match("([^-]*)-(\d+)", "010-12345678")
if ret:
print(ret.group())
print(ret.group(1))
print(ret.group(2))
else:
print("error...")
05. 匹配出 <html><h1>www.itcast.cn</h1></html>
1. \number
import re
labels = ["<html><h1>www.itcast.cn</h1></html>", "<html><h1>www.itcast.cn</h2></html>"]
for label in labels:
# 通过引用分组中匹配到的数据即可,但是要注意是元字符串,即类似 r""这种格式
ret = re.match(r"<(\w*)><(\w*)>(.*)</\2></\1>", label)
if ret:
print("%s 是符合要求的标签" % ret.group())
print(ret.group(1))
print(ret.group(2))
print(ret.group(3))
else:
print("%s 不符合要求" % label)
2. (?P) (?P=name)
import re
ret = re.match(r"<(?P<name1>\w*)><(?P<name2>\w*)>.*</(?P=name2)></(?P=name1)>", "<html><h1>www.itcast.cn</h1></html>")
# 按照名字获取相应的分组内容
ret1 = ret.group("name1")
ret2 = ret.group("name2")
print(ret1)
print(ret2)
ret = re.match(r"<(?P<name1>\w*)><(?P<name2>\w*)>.*</(?P=name2)></(?P=name1)>", "<html><h1>www.itcast.cn</h2></html>")
ret = ret.group()
print(ret)
# 注意:(?P<name>)和(?P=name)中的字母p大写
06. re模块的高级用法
1. search
import re
ret = re.search(r"\d+", "阅22读次数为 9999")
print(ret.group())
结果为: 22
2. findall
import re
ret = re.findall(r"\d+", "python = 9999, c = 7890, c++ = 12345")
print(ret)
**结果为:[‘9999’, ‘7890’, ‘12345’] **
3. sub 将匹配到的数据进行替换
** 方法1 **
import re
ret = re.sub(r"\d+", '998', "python = 997 Java = 993")
print(ret)
** 方法2 **
import re
def add(temp):
strNum = temp.group()
num = int(strNum) + 1
return str(num)
ret = re.sub(r"\d+", add, "python = 997")
print(ret)
ret = re.sub(r"\d+", add, "python = 99")
print(ret)
**结果为:python = 998 Java = 998 **
07. 提取html中的一段文本(这个在爬虫中很重要的哦)
import re
str = '''
<div>
<p>岗位职责:</p>
<p>完成推荐算法、数据统计、接口、后台等服务器端相关工作</p>
<p><br></p>
<p>必备要求:</p>
<p>良好的自我驱动力和职业素养,工作积极主动、结果导向</p>
<p> <br></p>
<p>技术要求:</p>
<p>1、一年以上 Python 开发经验,掌握面向对象分析和设计,了解设计模式</p>
<p>2、掌握HTTP协议,熟悉MVC、MVVM等概念以及相关WEB开发框架</p>
<p>3、掌握关系数据库开发设计,掌握 SQL,熟练使用 MySQL/PostgreSQL 中的一种<br></p>
<p>4、掌握NoSQL、MQ,熟练使用对应技术解决方案</p>
<p>5、熟悉 Javascript/CSS/HTML5,JQuery、React、Vue.js</p>
<p> <br></p>
<p>加分项:</p>
<p>大数据,数理统计,机器学习,sklearn,高性能,大并发。</p>
</div>
'''
ret = re.sub(r"<[^>]*>| |\n", "", str)
# ret = re.sub(r"<\w*>|</\w*>| |\n", "", str)
print(ret)
08. split 根据匹配进行切割字符串,并返回一个列表
import re
ret = re.split(r":| ", "info:xiaoZhang 33 shandong")
print(ret)
09. python贪婪和非贪婪
Python里数量词默认是贪婪的(在少数语言里也可能是默认非贪婪),总是尝试匹配尽可能多的字符;
非贪婪则相反,总是尝试匹配尽可能少的字符。
在"*","?","+","{m,n}"后面加上?,使贪婪变成非贪婪。
import re
s="This is a number 234-235-22-423"
r = re.match(".+(\d+-\d+-\d+-\d+)", s)
print(r.group(1))
r = re.match(".+?(\d+-\d+-\d+-\d+)", s)
print(r.group(1))
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,在我们上面的例子里面,
“.+”会从字符串的启始处抓取满足模式的最长字符,其中包括我们想得到的第一个整型字段的中的大部分,“\d+”只需一位字符
就可以匹配,所以它匹配了数字“4”,而“.+”则匹配了从字符串起始到这个第一位数字4之前的所有字符。
解决方式: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。
10. 提取Url
import re
s = '<img data-original="https://rpic.douyucdn.cn/appCovers/2016/11/13/1213973_201611131917_small.jpg" ' \
'src="https://rpic.douyucdn.cn/appCovers/2016/11/13/1213973_201611131917_small.jpg" style="display: inline;"> '
ret = re.search(r"https://.*?\.jpg", s)
print(ret.group())
11. r的作用
import re
mm = "c:\\a\\b\\c"
print(mm)
ret = re.match(r"c:\\a",mm).group()
print(ret)
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,有了原生字符串,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。
r'\nab' == '\\nab'
Out[2]: True
re.match(r"\nab","\\nab").group() // 报错
注意:1. 在python正则表达中尽可能的使用原始字符串,待匹配的字符串中看到什么就在正则表达式写什么,就不会出现问题
2. ‘\n’长度为1,r’\n’长度为2
12. 判断变量名是否符合要求
import re
def main():
names = ["age", "_age", "1age", "age1", "a_age", "age_1_", "age!", "a#123", "__________"]
for name in names:
# ret = re.match(r"[a-zA-Z_][a-zA-Z0-9_]*", name)
# ^规定开头 $规定结尾
# python中的match默认是从头开始判断的所以,在match中可以不写^,但是match不会判断结尾,所以
# 当需要以xxx结尾的时候 还需要写上$
ret = re.match(r"^[a-zA-Z_][a-zA-Z0-9_]*$", name)
if ret:
print("变量名:%s 符合要求....通过正则匹配出来的数据是:%s" % (name, ret.group()))
else:
print("变量名:%s 不符合要求...." % name)
if __name__ == "__main__":
main()
13. 常用的正则表达式方法
- re.compile(编译)
- pattern.match(从头找一个)
- pattern.search(找一个)
- pattern.findall(找所有)
- pattern.sub(替换)