[Python知识库]Python正则表达式

正则表达式

1. 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

1.1 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

1）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

2）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())

1.2 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'))

1.3 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

1.4 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})\D', '34ssd908计算机上23，udh89,试试89123')
print(result)   # ['34', '08', '23', '89']

result = re.findall(r'((\d[a-z]){2})', '2m4m司机9k0o试试3k5l--')
print(result)       # [('2m4m', '4m'), ('9k0o', '0o'), ('3k5l', '5l')]

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')]

1.5 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))

1.6 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。
• 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)  # ['是是', 's双生视界', '世纪东方和', 'd失敬失敬', '试试']

1.7 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)  # 是是*s双生视界*世纪东方和*d失敬失敬*试试

message = 'f u c    k you! 打团了，你TM的没看见吗？SB'
re_str = open('badLanguage.txt', encoding='utf-8').read()
re_str = r'(?i)%s' % re_str
result = re.sub(re_str, '*', message)
print(result)  # * you! 打团了，你*的没看见吗？*

1.8 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
1）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’

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'))

2）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'abc', 'abc'))
print(re.fullmatch(r'abc', 'Abc'))      # None
print(re.fullmatch(r'abc', 'ABc', flags=re.I))
print(re.fullmatch(r'(?i)abc', 'ABc'))

# .匹配\N且字符串不区分大小写
print(re.fullmatch(r'a.b', 'A\nb', flags=re.S|re.I))
print(re.fullmatch(r'(?is)a.b', 'A\nb'))

2. 匹配符号

2.1 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，能帮助你方便的检查一个字符串是否与某种模式匹配。
• 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/

1）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'))

2） . - 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'))

3）\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'))

4）\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\nb'))
print(fullmatch(re_str, 'a\tb'))
print(fullmatch(re_str, 'a  b'))    # None

5）\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

7） [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
  

8） [^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。

3. 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。

1）\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'))

2）\B - 检测是否是非单词边界

result3 = findall(r'\d\d\B', str1)
print(result3)

3）^ - 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))

4）$ - 检测是否是字符串结尾

re_str = r'\d\d$'
print(fullmatch(re_str, '67'))

4. 匹配次数

1）* - 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'a*b', 'aaaaaaab'))
print(fullmatch(r'\d*b', '245899b'))
print(fullmatch(r'[abc]*x', 'aabccax'))

2）+ - 匹配1次或多次(至少一次)

print(fullmatch(r'a+b', 'b'))     # None
print(fullmatch(r'a+b', 'ab'))
print(fullmatch(r'a+b', 'aaaaab'))

3）? - 匹配0次或1次

re_str = r'[-+]?[1-9]\d'
print(findall(re_str, '-12'))
print(fullmatch(r'a?b', 'b'))
print(fullmatch(r'a?b', 'ab'))
print(fullmatch(r'a?b', 'aab'))     # None

4）{}

{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

*== {0,}

+ == {1,}

? == {0,1}

print(fullmatch(r'\d{3,5}', '234'))
print(fullmatch(r'\d{3,5}', '23342'))
print(fullmatch(r'\d{3,5}', '233429'))          # None
print(fullmatch(r'\d{3,5}', '23'))              # None

print(fullmatch(r'\d{,5}', '23'))
print(fullmatch(r'\d{,5}', ''))
print(fullmatch(r'\d{,5}', '899080'))           # None

print(fullmatch(r'\d{3,}', '23'))           # None
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

5）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

# 实例
response = requests.get('http://api.tianapi.com/auto/index?key=c9d408fefd8ed4081a9079d0d6165d43&num=10')
result = findall(r'"title":"(.+?)"', response.text)
print(result)

5. 分组和分支

1）() - 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))

str1 = r'abababab'
print(fullmatch(r'(ab)+', str1))

print(fullmatch(r'(\d{2})abc\1', '89abc89'))
print(fullmatch(r'(\d{2})abc\1', '89abc34'))        # None

# print(fullmatch(r'\d{2}abc\1', '89abc89'))  # re.error

print(fullmatch(r'(\d{3})([a-z]{3})-\2', '234ams-ams'))
print(fullmatch(r'(\d{3})([a-z]{3})-\1', '234ams-234'))
print(fullmatch(r'(\d{3})([a-z]{3})-\2\1', '234ams-ams234'))
print(fullmatch(r'(\d{3})([a-z]{3})-\1{2}', '234ams-234234'))

# print(fullmatch(r'(\d{3})-\2([a-z]{3})', '234ams-ams'))     #  re.error,

2） | - 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'))

3） 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'))

利用正则表达式完成下面的操作:

一、不定项选择题

1. 能够完全匹配字符串"(010)-62661617"和字符串"01062661617"的正则表达式包括（ABD ）

A.r"\(?\d{3}\)?-?\d{8}" B. r"[0-9()-]+" C.r"[0-9(-)]*\d*" D.r"[(]?\d*[)-]*\d*"

2. 能够完全匹配字符串“back”和“back-end”的正则表达式包括（ABCD ）

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*”

3. 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（ACD）

   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”

4. 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（ABC ）

   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.长度在 6 到 16 位范围内

print(fullmatch('([a-z_][0-9a-zA-Z_]{5,16})','mdq_21'))

2.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.长度在 6 到 12 位范围内

print(fullmatch(r'[a-zA-Z][^!@#￥%^&*]{5,11}','UQWE21'))

3.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

print(fullmatch(r'((\d|[1-9]\d|1\d{2}|2[0-4]\d|25[0-5])\.){3}(\d|[1-9]\d|1\d{2}|2[0-4]\d|25[0-5])','25.214.2.0'))

4.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

str1 = input('请输入数据：')
result = findall(r'-?\d+\.?\d*',str1)
print(sum([float(x) for x in result]))

5.验证输入内容只能是汉字

str1 = '输入内容只能是汉字'
if not fullmatch('[\u4e00-\u9fa5]+',str1):
    print('输入内容只能是数字!')

6.匹配整数或者小数（包括正数和负数）

str1 = '-12.5'
result = fullmatch(r'[-+]?([1-9]\d*|0)(\.\d+)?',str1)
print(result)

7.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

name = fullmatch('[a-zA-Z\d_]{6,20}',input('请输入用户名：'))
qq_id = fullmatch('[1-9]\d{4,11}', input('请输入QQ号：'))
if not name:
    print('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 ')
if not qq_id:
    print('QQ号是5~12的数字且首位不能为0')

8.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。’

poem = '窗前明月光，疑是地上霜。举头望明月，低头思故乡。'
print(findall('[\u4e00-\u9fa5]+\S', poem))