[Python知识库]python正则表达式

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。

正则表达式是一个特殊的字符序列，它能帮助你方便的检查一个字符串是否与某种模式匹配。

• 正则的主要工作：

用正则符号描述清楚相关字符串的规则。

• 正则的表示方式：

r'正则表达式'

1.匹配符号

• 普通字符（普通符号）

在正则中除了有特殊功能或者特殊意义外的符号；

普通字符在正则中表示符号本身。

# 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'))

• . - 功能是匹配任意一个字符

注意：一个 . 只能匹配一个任意字符

re_str = r'a.c'
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,'a56c'))

• \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\sc'
print(fullmatch(re_str, 'a c'))
print(fullmatch(re_str, 'a\nc'))
print(fullmatch(re_str, 'a\tc'))

• \w - 匹配任意一个字母、数字或下划线（不好用）

• \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

   [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
  

注意：一个[]只能匹配一个字符

re_str = r'a[xyz]b'
print(fullmatch(re_str, 'axb'))
print(fullmatch(re_str, 'ayb'))
print(fullmatch(re_str, 'azb'))
print(fullmatch(re_str, 'awb')) # None

re_str = r'a[\db]c'
print(fullmatch(re_str, 'abc'))
print(fullmatch(re_str, 'a5c'))

• [^字符集] - 匹配任意一个除了字符集的字符

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。

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

# 注意：匹配次数对应的符号的前面必须是匹配类符号

注意：这里的符号都是不加引号的，这里只是为了规避markdown的语法！

• “*” - 匹配0次或者多次（任意次数）

用法：匹配类符号*

print(fullmatch(r'a*b', 'b'))
print(fullmatch(r'a*b', 'aaab'))
print(fullmatch(r'\d*b', '3216541b'))
print(fullmatch(f'[abc]*x', 'abcbacbacx'))

• “+” - 匹配1次或者多次（至少一次）

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

• ? - 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
   * == {0,}
   + == {1,}
   ? == {0,1}
  

print(fullmatch(r'\d{4}', '5670'))

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'))

3.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
import requests
response = requests.get('http://api.tianapi.com/auto/index?key=c9d408fefd8ed4081a9079d0d6165d43&num=10')
result = findall(r'"title":"(.+?)"', response.text)
print(result)

4.分组

• () - 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(在后面findall中提起)

# 使用作用1
str1 = '78as56fd98gc'
print(fullmatch(r'(\d\d[a-z]{2}){3}', str1))
str2 = r'abababab'
print(fullmatch(r'(ab)+', str2))
# 使用作用2
print(fullmatch(r'(\d{2})abc\1', '12abc12')) # 匹配成功
print(fullmatch(r'(\d{2})abc\1', '12abc34')) # 匹配失败，None

5.分支

• | - 分支
• 用法：正则1|正则2 - 先用正则1进行匹配，如果成功就直接匹配成功，如果失败再用正则2进行匹配

# 要求能同时匹配'abc98' 和 'abcKSZ'
print(fullmatch(r'abc(\d{2}|[A-Z]{3})', 'abcASC'))
print(fullmatch(r'abc(\d{2}|[A-Z]{3})', 'abc23'))

6.转义字符

在特殊符号前加\，让符号的功能消失，变成普通符号。

print(fullmatch(r'\+\d{2}', '+23'))
print(fullmatch(r'\[\d{3}\]','[456]'))
# 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

re模块

import re
compile(正则表达式)  -  将正则表达式转换成正则表达式对象
re_obj = re.compile(r'\d{2}')
re_obj.fullmatch('78')

1.fullmatch

• 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，成功返回匹配对象

• match(正则表达式, 字符串) - 匹配字符串开头（判断字符串开头是否符合正则规则）

result = re.fullmatch(r'(\d{3})-([A-Z])+', '123-Y')
print(result) # 匹配对象<re.Match object; span=(0, 3), match='123'>

1）获取匹配到的字符

• 匹配对象.group() - 获取整个正则匹配到的结果，括号内默认是0

• 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) - 获取第N个分组匹配到的结果的位置信息

2.search

• 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654afsf456,qws85+')
print(result) # <re.Match object; span=(3, 6), match='654'>
print(result.group()) # 获取匹配到的字符654
print(result.span()) # 获取位置信息(3, 6)

3.findall

• 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，列表中的元素是字串

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者两个以上的分组：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司机师傅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')]

4.finditer

• 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))

5.split

• 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。

• plit(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', '啊是2发发发5撒发嘎嘎气0娃娃啥5擦撒6飞4洒发')
print(result) # ['啊是', '发发发', '撒发嘎嘎气', '娃娃啥', '擦撒', '飞', '洒发']

6.sub

• 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'(f\s*u\s*c\s*k\s*)|TM|sb', '*', 'fuck you,打团你TM在干嘛,sb')
print(result) # *you,打团你*在干嘛,*

7.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'

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'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'))

print('---------------------------------------------------')
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'))

print(re.fullmatch(r'a.b', 'A\nb', flags=re.S|re.I))
print(re.fullmatch(r'(?is)a.b', 'A\nb'))

课后练习

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（ ABC 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*”

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（AD）
   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（ BC）
   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

r"[a-zA-Z_][\da-zA-Z_]{5,15}"

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.?度在 6 到 12 位范围内

r"[a-zA-Z][^!@#￥%^&*]{5,11}"

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

0-9:\d
10-99:[1-9]\d
100-199:1\d{2}
200-249:2[0-4]\d
250-255:25[0-5]
r'(([1-9]?\d|1\d\d|2[0-4]\d|25[0-5])\.){3}([1-9]?\d|1\d\d|2[0-4]\d|25[0-5])'

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

r'-?\d+\.\d*|-?\d+'
列表求和

5. 验证输入内容只能是汉字

   r'[\u4e00-\u9fa5]+'
   

6. 匹配整数或者小数（包括正数和负数）

   r'[+-]?([1-9\d*|0])(\.\d+)?'
   

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

   用户名：r'[\da-zA-Z_]{6,20}'
   QQ号: r'[1-9]\d{4,11}'
   

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。’

   r'[\u4e00-\u9fa5]+'