千锋教育python2104期总结
第十五次总结: 正则表达式
目录
- 匹配符号
- 检测类符号
- 匹配次数
- 分组与分支
- re模块
- 作业
正文
1.匹配符号
-
re模块 re模块是python提供的专门用支持正则表达式的一个模块 fullmatch函数: fullmatch(正则表达式, 字符串) - 让正则表达式和指定字符串进行完全匹配,如果匹配失败返回None; -
正则语法 正则表达式 - 正则表达式是一个让字符串复杂问题变得简单的工具。 写正则表达式的主要工作:用正则符号描述清楚相关字符串的规则。
python正则比表示方式:r’正则表达式’ js的正则:/正则表达式/ “”" from re import fullmatch “”"
- 普通字符(普通符号)
在正则除了有特殊功能或者特殊意义以外的符号; 普通字符在正则中表示这个符号本身。
#匹配一个字符串有三个字符分别是a、b和c
re_str = r'abc'
print(fullmatch(re_str, 'abc'))
- . - 匹配任意一个字符
注意:一个.只能匹配一个任意字符 “”" #匹配一个字符,长度是三,第一个字符是a,最后一个字符是c,a和c之间是任意一个字符
re_str = r'a.c'
print(fullmatch(re_str, 'abc'))
print(fullmatch(re_str, 'a+c'))
print(fullmatch(re_str, 'a好c'))
- \d - 匹配任意一个数字字符
re_str = r'a\d\dc'
print(fullmatch(re_str, 'a78c'))
print(fullmatch(re_str, 'a00c'))
- \s - 匹配任意一个空白字符
空白字符:空格、回车(\n)、制表符(\t)
re_str = r'a\sb'
print(fullmatch(re_str, 'a b'))
print(fullmatch(re_str, 'a b')) # None
- \w - 匹配任意一个字母、数字或者下划线 (不好用)
6) \D - 匹配任意一个非数字字符 \S - 匹配任意一个非空白字符
print(fullmatch(r'a\Sb\D', 'a>b='))
print(fullmatch(r'a\Sb\D', 'a b=')) # None
print(fullmatch(r'a\Sb\D', 'a>b0')) # None
- [字符集] - 匹配字符集中任意一个字符
注意:一个[]只能匹配一个字符 [多个普通字符] - 例如:[abc],可以匹配a或者b或者c [包含\开头的特殊符号的字符集] - 例如:[\dabc],可以匹配任意数据或者a或者b或者c
[包含减号在两个字符之间的字符集] - 这个时候的减号表示谁到谁(注意:减号前面的字符的编码必须小于减号后面的) 例如: [a-z] - 匹配任意一个小写字母 [a-d] - 匹配a、b、c、d中的任意一个字符 [A-Z] - 匹配任意一个大写字母 [1-9] - 匹配1到9中任意一个数字字符 [\u4e00-\u9fa5] - 匹配任意一个中文字符 [a-zA-Z]、[A-Za-z] - 匹配任意一个字母 [a-z123] - 匹配任意一个小写字母,或者1或者2或者3 [a-z\d] - 匹配任意一个小写字母或者任意一个数字
re_str = r'a[xym]b'
print(fullmatch(re_str, 'axb'))
print(fullmatch(re_str, 'ayb'))
print(fullmatch(re_str, 'amb'))
print(fullmatch(re_str, 'azb')) # None
- [^字符集] - 匹配任意一个不在字符集任意一个字符
[^abc] - 匹配除了a、b、c以外的任意一个字符 [^a-z] - 匹配除了小写字母以外的任意一个字符
print(fullmatch(r'a[^\u4e00-\u9fa5]c', 'a是c')) # None
print(fullmatch(r'a[^a-zA-Z]c', 'aKc')) # None
print(fullmatch(r'a[a-z^]c', 'a^c'))
#注意:[]中的-和^只有放在指定位置的时候才有特殊功能,否则在[]中就是一个普通的符号。
2.检测类符号
检测类符号的存在不影响被匹配的字符串长度,它的作用是在匹配成功的前提下检测符号所在的位置是否符号要求。 检测类符号的用法:先去掉检测类符号,看是否能匹配成功,如果失败整个正则匹配失败。如果成功再来看检测类符号所在的位置是否符合要求。
- \b - 检测是否是单词边界
单词边界 - 能够区分出两个不同单词的符号都属于单词边界,例如:空白、标点符号、字符串开头、字符串结尾
re_str = r'abc\b123'
print(fullmatch(re_str, 'abc123')) # None
print(fullmatch(re_str, 'abc 123')) # None
re_str = r'abc,\b123'
print(fullmatch(re_str, 'abc,123'))
print(fullmatch(r'abc\s\b123', 'abc 123'))
#findall(正则表达式, 字符串) - 获取字符串中所有满足正则表达式的子串
str1 = '12ksksj78ss 34抗生素,89 试7试看90 56 江苏省23'
result1 = findall(r'\d\d', str1)
print(result1)
- \B - 检测是否是非单词边界
result3 = findall(r'\d\d\B', str1)
print(result3)
- ^ - 检测是否是字符串开头
re_str = r'^\d\d'
print(fullmatch(re_str, '12'))
print(findall(r'^\d\d', str1))
- $ - 检测是否是字符串结尾
re_str = r'\d\d$'
print(fullmatch(re_str, '67'))
3.匹配次数
-
-
- 匹配0次或者多次(任意次数)
用法:匹配类符号* a* - 匹配任意多个a \d* - 匹配任意多个数字字符
print(fullmatch(r'a*b', 'b'))
print(fullmatch(r'[abc]*x', 'aabccax'))
-
print(fullmatch(r'a+b', 'b')) # None
print(fullmatch(r'a+b', 'ab'))
print(fullmatch(r'a+b', 'aaaaab'))
- ? - 匹配0次或1次
re_str = r'[-+]?[1-9]\d'
print(fullmatch(re_str, '-12'))
print(fullmatch(r'a?b', 'b'))
print(fullmatch(r'a?b', 'ab'))
print(fullmatch(r'a?b', 'aab')) # None
- {}
{N} - 匹配N次 {M,N} - 匹配M到N次 {,N} - 匹配最多N次 {M,} - 匹配至少M次
print(fullmatch(r'\d{4}', '5670'))
print(fullmatch(r'\d{3,5}', '234'))
print(fullmatch(r'\d{3,}', '23234234233'))
#注意:匹配次数对应的符号的前面必须是匹配类符号
print(fullmatch(r'+{2,3}', '++')) """ # re.error
- 贪婪和非贪婪
在匹配次数不确定的时候,匹配模式分为贪婪和非贪婪两种,默认是贪婪模式。 在匹配成功的前提下,贪婪是匹配次数选最多的那个次数;非贪婪是匹配次数最少的那个次数。
*、+、?、{M,N}、{M,}、{,N} - 贪婪的 *?、+?、??、{M,N}?、{M,}?、{,N}? - 非贪婪的
print(match(r'\d{3}', '234hj监管机构'))
print(match(r'a.*b', 'asmmdb监管机构')) # asmmdb
print(match(r'a.*?b', 'asmmdb监管机构')) # asmmdb
‘asb’、‘asbmmb’、‘asbmmbdb’ 有三种情况可以成功,因为贪婪所以最后匹配次数最多的情况
print(match(r'a.*b', 'asbmmbdb监管机构')) # asbmmbdb
print(match(r'a.*?b', 'asbmmbdb监管机构')) # asb
4.分组和分支
- () - 分组
作用1:将()中的内容作为一个整体,进行整体相关操作,例如,整体控制次数 作用2:通过 ‘\M’ 重复前面第M个分组匹配到的结果, M从1开始 作用3:捕获(在findall中讲)
str1 = '78nm34ms10xp'
print(fullmatch(r'\d\d[a-z]{2}\d\d[a-z]{2}\d\d[a-z]{2}', str1))
print(fullmatch(r'(\d\d[a-z]{2}){3}', str1))
print(fullmatch(r'(\d{2})abc\1', '89abc89'))
- | - 分支
正则1|正则2 - 先用正则1进行匹配,如果成就直接匹配成功,如果匹配失败再用正则2进行匹配
#要求能同时匹配’abc98’ 和 ‘abcMKP’
print(fullmatch(r'abc\d{2}|abc[A-Z]{3}', 'abcKMP'))
print(fullmatch(r'abc(\d{2}|[A-Z]{3})', 'abcMKP'))
- 转义符号
在特殊符号前加\,让符号的功能消失,变成一个普通符号
print(fullmatch(r'\+\d{3}', '+234'))
print(fullmatch(r'\[\d{3}\]', '[234]'))
print(fullmatch(r'\\dabc', '\dabc'))
#如果是独立存在有特殊功能的符号,将符号放入[]中其功能也会自动消失
print(fullmatch(r'[+*|(?)^$.]abc', '(abc'))
print(fullmatch(r'[\^abc\-z\]]123', ']123'))
5.re模块
compile(正则表达式) - 编译正则表达式,返回一个正则表达式对象
fullmatch(正则表达式, 字符串) 正则表达式对象.fullmatch(字符串)
re_obj = re.compile(r'\d{3}')
print(re_obj.fullmatch('234'))
print(re.fullmatch(r'\d{3}', '234'))
fullmatch(正则表达式, 字符串) - 让正则表达式和整个字符串进行匹配(完全匹配),匹配失败返回None,匹配成功返回匹配对象 match(正则表达式, 字符串) - 匹配字符串开头(判断字符串的开头是否符合正则的规则),匹配失败返回None,匹配成功返回匹配对象
result = re.fullmatch(r'(\d{3})-([A-Z]+)', '345-K')
print(result) # <re.Match object; span=(0, 3), match='345'> - 匹配对象
- 获取匹配到的字符串
匹配对象.group() / 匹配对象.group(0) - 获取整个正则匹配到的结果 匹配对象.group(N) - 获取第N个分组匹配到的结果
print(result.group()) # 345-K
print(result.group(1)) # 345
print(result.group(2)) # K
- search(正则表达式, 字符串) - 获取字符串中第一个满足正则表达式的子串。返回结果是None或者匹配对象
result = re.search(r'\d{3}', '试试看234ksjs,345')
print(result) # <re.Match object; span=(3, 6), match='234'>
print(result.group()) # 234
- 获取匹配结果在原字符串中的位置信息
匹配对象.span() - 返回的是一个元组,元组中的元素是开始下标和结束下标,结束下标对应的位置取不到 匹配对象.span(N)
print(result.span())
findall(正则表达式, 字符串) - 获取字符串中所有满足正则的子串,返回的是列表,列表中的元素是子串(没有分组的时候) 如果正则中只有一个分组:返回的列表中的元素是每个分组匹配到的结果 如果正则中有两个或两个以上的分组: 返回的列表中的元素是元组,元组中的元素是每个分组匹配到的结果
result = re.findall(r'\d{2}', '34ssd908计算机上23,udh89,试试89123')
print(result) # ['34', '90', '23', '89', '89', '12']
result = re.findall(r'(\d{2})-([a-z]{3})', '23-msn数据是98-kop圣诞节发货')
print(result) # [('23', 'msn'), ('98', 'kop')]
5.finditer(正则表达式, 字符串) - 获取字符串中所有满足正则的子串,返回的是一个迭代器,迭代器是匹配对象
result = re.finditer(r'(\d{2})-([a-z]{3})', '23-msn数据是98-kop圣诞节发货')
print(result)
r1 = next(result)
print(r1, r1.group(), r1.group(1), r1.group(2))
- split(正则表达式, 字符串) - 将字符串中所有满足正则表达式的子串作为切割点,对字符串进行切割
re.split(正则表达式, 字符串, N) - 将字符串中前N个满足正则表达式的子串作为切割点,对字符串进行切割
result = re.split(r'\d+', '是是9564s双生视界09世纪东方和3d失敬失敬2试试')
print(result)
sub(正则表达式, 字符串1, 字符串2) - 将字符串2中所有满足正则表达式的子串替换成字符串1 sub(正则表达式, 字符串1, 字符串2, N) - 将字符串2中前N个满足正则表达式的子串替换成字符串1
result = re.sub(r'\d+', '*', '是是9564s双生视界09世纪东方和3d失敬失敬2试试')
print(result)
- flags参数
上面的每一个函数都一个参数flags,用来设置正则参数
- 单行匹配和多行匹配参数:re.S、re.M(默认的)
单行匹配:.可以匹配\n 多行匹配:.不能和\n匹配
flags=re.S <==> r’(?s)正则表达式’
- 忽略大小写:re.I
flags=re.I <==> r’(?i)正则表达式’
flags=re.S|re.I <==> r’(?si)正则表达式’
print(re.fullmatch(r'a.b', 'a\nb', flags=re.M)) # None
print(re.fullmatch(r'a.b', 'a\nb')) # None
print(re.fullmatch(r'a.b', 'a\nb', flags=re.S))
print(re.fullmatch(r'(?s)a.b', 'a\nb'))
6.作业
利用正则表达式完成下面的操作:
一、不定项选择题
- 能够完全匹配字符串
"(010)-62661617" 和字符串"01062661617" 的正则表达式包括(a ,b,d)
A.r"\(?\d{3}\)?-?\d{8}" B. r"[0-9()-]+" C.r"[0-9(-)]*\d*" D.r"[(]?\d*[)-]*\d*"
-
能够完全匹配字符串“back”和“back-end”的正则表达式包括(a,c ,d ) A. r“\w{4}-\w{3}|\w{4}” B. r“\w{4}|\w{4}-\w{3}” C.r “\S±\S+|\S+” D. r“\w*\b-\b\w*|\w*” -
能够完全匹配字符串“go go”和“kitty kitty”,但不能完全匹配“go kitty”的正则表达式包括(a,d) A.r “\b(\w+)\b\s+\1\b” B. r“\w{2,5}\s*\1” C. r“(\S+) \s+\1” D. r“(\S{2,5})\s{1,}\1” -
能够在字符串中匹配“aab”,而不能匹配“aaab”和“aaaab”的正则表达式包括( b,c) A. r“a*?b” B. r“a{,2}b” C. r“aa??b” D. r“aaa??b”
二、编程题
1.用户名匹配
? 要求: 1.用户名只能包含数字 字母 下划线
? 2.不能以数字开头
? 3.?度在 6 到 16 位范围内
from re import *
print('注意\n1.用户名只能包含数字 字母 下划线\n2.不能以数字开头\n3.?度在 6 到 16 位范围内')
user=input('请输入用户名:')
if fullmatch(r'\w{6,16}',user) and match(r'[A-Za-z_]',user):
print('合法用户名')
else:
print('非法用户名')
- 密码匹配
? 要求: 1.不能包含!@#¥%^&*这些特殊符号
? 2.必须以字母开头
? 3.?度在 6 到 12 位范围内
from re import *
print('注意\n1.密码不能包含!@#¥%^&*这些特殊符号\n2.必须以字母开头 \n3.?度在 6 到 12 位范围内')
mima='sd^sf456'
if fullmatch(r'[^!@#¥%^&*]{6,12}',mima) and match(r'[a-zA-Z]',mima):
print('合法密码')
else:
print('非法密码')
- ipv4 格式的 ip 地址匹配
提示: IP地址的范围是 0.0.0.0 - 255.255.255.255
from re import *
num='130.255.123.000'
if fullmatch(r'([0-2][0-5]{2}[.]){3}([0-2][0-5]{2})',num):
print('正确地址')
else:
print('错误地址')
print(fullmatch(r'([0-20-50-5.]){3}\1',num))
- 提取用户输入数据中的数值 (数值包括正负数 还包括整数和小数在内) 并求和
例如:“-3.14good87nice19bye” =====> -3.14 + 87 + 19 = 102.86
from re import *
num='-3.14good87nice19bye'
re=findall(r'([-]?\d+[.]?\d*)+',num)
he=0
for x in re:
he+=float(x)
print(he)
- 验证输入内容只能是汉字
from re import *
shuru=input('请输入:')
if fullmatch(r'[\u4e00-\u9fa5]',shuru):
print('是汉字')
else:
print('不是汉字')
- 匹配整数或者小数(包括正数和负数)
from re import *
num='-3.14'
re=fullmatch(r'([-]?\d+[.]?\d*)+',num)
print(re)
-
验证输入用户名和QQ号是否有效并给出对应的提示信息
要求: 用户名必须由字母、数字或下划线构成且长度在6~20个字符之间 QQ号是5~12的数字且首位不能为0
from re import *
user=input('请输入用户名:')
qqnum=input('请输入qq号:')
if fullmatch(r'\w{6,16}',user) and match(r'[A-Za-z_]',user):
print('合法用户名')
else:
print('非法用户名')
if fullmatch(r'\w{5,12}',qqnum) and match(r'[^0]',qqnum):
print('正确qq账户')
else:
print('错误qq账户')
-
拆分长字符串:将一首诗的中的每一句话分别取出来
? poem = ‘窗前明月光,疑是地上霜。举头望明月,低头思故乡。’
from re import *
poem = '窗前明月光,疑是地上霜。举头望明月,低头思故乡。'
re=split(r'[,。]',poem)
for x in re:
print(x)
|