开发: C++知识库 Java知识库 JavaScript Python PHP知识库人工智能区块链大数据移动开发嵌入式开发工具数据结构与算法开发测试游戏开发网络协议系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑笔记本显卡显示器固态硬盘硬盘耳机手机 iphone vivo oppo 小米华为单反装机图拉丁

-> Python知识库 -> python正则表达式 -> 正文阅读

[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

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*"

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*”
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”
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}"

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}"

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])'

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

验证输入内容只能是汉字
```
r'[\u4e00-\u9fa5]+'
```
匹配整数或者小数（包括正数和负数）
```
r'[+-]?([1-9\d*|0])(\.\d+)?'
```
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}'
```
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]+'
```