python正则表达式概述

re模块操作

在Python中需要通过正则表达式对字符串进行匹配的时候，可以使用一个模块，名字为re

re模块的使用过程

#coding=utf-8
# 导入re模块
import re
 
# 使用match方法进行匹配操作
result = re.match(正则表达式,要匹配的字符串)
# 如果上一步匹配到数据的话，可以使用group方法来提取数据
result.group()

re模块示例（匹配以xing_lu开头的语句）

#coding=utf-8
import re

result = re.match("xing_lu","xing_lu123")
result.group()

运行结果为xing_lu

说明

re.match()能够匹配出以xxx开头的字符串

匹配单个字符

在上一小节中，了解到通过re模块能够完成使用正则表达式来匹配字符串

本小节，将要讲解正则表达式的单字符匹配

字符	功能
.	匹配任意1个字符（除了\n）
[]	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，即 "/w"的补集，等价于 [^a-zA-Z0-9_]

注意：大小字母互为补集

示例1：[ ]

#coding=utf-8
 
import re
 
# 如果hello的首字符小写，那么正则表达式需要小写的h
ret = re.match("h","hello Xinglu") 
print(ret.group())
 
 
# 如果hello的首字符大写，那么正则表达式需要大写的H
ret = re.match("H","Hello Xinglu") 
print(ret.group())
 
# 大小写h都可以的情况
ret = re.match("[hH]","hello Xinglu")
print(ret.group())
ret = re.match("[hH]","Hello Xinglu")
print(ret.group())
ret = re.match("[hH]ello Xinglu","Hello Xinglu")
print(ret.group())
 
 
#ret = re.match("hello","Hello",re.I)
#print(ret.group())  #忽略大小写ignore-----Hello
 
# 匹配0到9第一种写法
ret = re.match("[0123456789]Hello Xinglu","7Hello Xinglu")
print(ret.group())
 
# 匹配0到9第二种写法
ret = re.match("[0-9]Hello Xinglu","7Hello Xinglu")
print(ret.group())
 
ret = re.match("[0-35-9]Hello Xinglu","7Hello Xinglu")
print(ret.group())
 
# 下面这个正则不能够匹配到数字4，因此ret为None
ret = re.match("[0-35-9]Hello Xinglu","4Hello Xinglu")
# print(ret.group())

运行结果

h
H
h
H
Hello Xinglu
7Hello Xinglu
7Hello Xinglu
7Hello Xinglu

示例2： \d

#coding=utf-8
 
import re
 
# 普通的匹配方式
ret = re.match("Xinglu1号","Xinglu1号发射成功") 
print(ret.group())
 
ret = re.match("Xinglu2号","Xinglu2号发射成功") 
print(ret.group())
 
ret = re.match("Xinglu3号","Xinglu3号发射成功") 
print(ret.group())
 
# 使用\d进行匹配
ret = re.match("Xinglu\d号","Xinglu1号发射成功") 
print(ret.group())
 
ret = re.match("Xinglu\d号","Xinglu2号发射成功") 
print(ret.group())
 
ret = re.match("Xinglu\d号","Xinglu3号发射成功") 
print(ret.group())

运行结果

Xinglu1号
Xinglu2号
Xinglu3号
Xinglu1号
Xinglu2号
Xinglu3号

匹配多个字符

匹配多个字符的相关格式

字符	功能
*	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

{m, }加上逗号，一个字符出现m到无限次

示例1： *

#coding=utf-8
import re
 
ret = re.match("[A-Z][a-z]*","M")
print(ret.group())
 
ret = re.match("[A-Z][a-z]*","MnnM")
print(ret.group())
 
ret = re.match("[A-Z][a-z]*","Aabcdef")
print(ret.group())
 
"""
ret = re.match("[A-Z][a-z]*","Aabcdef")  #Aabcdef
表示：[A-Z]([a-z][a-z][a-z][a-z][a-z][a-z][a-z][a-z].....)
"""

运行结果

M
Mnn
Aabcdef

示例2：+

需求：匹配出，变量名是否有效

#coding=utf-8
import re
 
names = ["name1", "_name", "2_name", "__name__"]
 
for name in names:
    ret = re.match("[a-zA-Z_]+[\w]*",name)
    if ret:
        print("变量名 %s 符合要求" % ret.group())
    else:
        print("变量名 %s 非法" % name)

运行结果：

变量名 name1 符合要求
变量名 _name 符合要求
变量名 2_name 非法
变量名 __name__ 符合要求

示例3：？

需求：匹配出，0-99之间的数字

#coding=utf-8
import re
 
ret = re.match("[1-9]?[0-9]","7")
print(ret.group())
 
ret = re.match("[1-9]?\d","33")
print(ret.group())
 
ret = re.match("[1-9]?\d","678")
print(ret.group())

运行结果

7
33
67 # 这个结果并不是想要的，利用$才能解决

? 匹配前一个字符出现1次或者0次，要么有1次，要么没有。ret = re.match("[1-9]?\d","789")即[1-9]?可没有，和\d组成)

匹配开头结尾

字符	功能
^	匹配字符串开头
$	匹配字符串结尾（到此处结尾，后面没有内容，有内容报错）

示例1：$

需求：匹配163.com的邮箱地址

#coding=utf-8
 
import re

#不加$符号
email_list = ["xiaoWang@163.com", "xiaoWang@163.comheihei", ".com.xiaowang@qq.com"]
 
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)

运行结果

xiaoWang@163.com 是符合规定的邮件地址,匹配后的结果是:xiaoWang@163.com
xiaoWang@163.comheihei 是符合规定的邮件地址,匹配后的结果是:xiaoWang@163.com
.com.xiaowang@qq.com 不符合要求

#coding=utf-8
 
import re

#加$符号
email_list = ["xiaoWang@163.com", "xiaoWang@163.comheihei", ".com.xiaowang@qq.com"]
 
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)

运行结果

xiaoWang@163.com 是符合规定的邮件地址,匹配后的结果是:xiaoWang@163.com
xiaoWang@163.comheihei 不符合要求
.com.xiaowang@qq.com 不符合要求

匹配分组

字符	功能
\|	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

示例1： |

需求：匹配出0-100之间的数字

#coding=utf-8
 
import re
 
ret = re.match("[1-9]?\d","8")
print(ret.group())  # 8
 
ret = re.match("[1-9]?\d","78")
print(ret.group())  # 78
 
# 不正确的情况
ret = re.match("[1-9]?\d","08")
print(ret.group())  # 0
 
# 修正之后的
ret = re.match("[1-9]?\d$","08")
if ret:
    print(ret.group())
else:
    print("不在0-100之间")
 
# 添加|
ret = re.match("[1-9]?\d$|100","8")
print(ret.group())  # 8
 
ret = re.match("[1-9]?\d$|100","78")
print(ret.group())  # 78
 
ret = re.match("[1-9]?\d$|100","08")
# print(ret.group())  # 不是0-100之间
 
ret = re.match("[1-9]?\d$|100","100")
print(ret.group())  # 100

示例2： ( )

需求：匹配出163、126、qq邮箱

#coding=utf-8
 
import re
 
ret = re.match("\w{4,20}@163\.com", "test@163.com")
print(ret.group())  # test@163.com
 
ret = re.match("\w{4,20}@(163|126|qq)\.com", "test@126.com")
print(ret.group())  # test@126.com
 
ret = re.match("\w{4,20}@(163|126|qq)\.com", "test@qq.com")
print(ret.group())  # test@qq.com
 
ret = re.match("\w{4,20}@(163|126|qq)\.com", "test@gmail.com")
if ret:
    print(ret.group())
else:
    print("不是163、126、qq邮箱")  # 不是163、126、qq邮箱

需求：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)

需求：提取区号和电话号码

>>> ret = re.match("([^-]*)-(\d+)","010-12345678")
>>> ret.group()
'010-12345678'
>>> ret.group(1)
'010'
>>> ret.group(2)
'12345678'

示例3： \

需求：匹配出<html>hh</html>

#coding=utf-8
 
import re
 
# 能够完成对正确的字符串的匹配
ret = re.match("<[a-zA-Z]*>\w*</[a-zA-Z]*>", "<html>hh</html>")
print(ret.group())
 
# 如果遇到非正常的html格式字符串，匹配出错
ret = re.match("<[a-zA-Z]*>\w*</[a-zA-Z]*>", "<html>hh</htmlbalabala>")
print(ret.group())
 
# 正确的理解思路：如果在第一对<>中是什么，按理说在后面的那对<>中就应该是什么
 
# 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"<([a-zA-Z]*)>\w*</\1>", "<html>hh</html>")
print(ret.group())
 
# 因为2对<>中的数据不一致，所以没有匹配出来
test_label = "<html>hh</htmlbalabala>"
ret = re.match(r"<([a-zA-Z]*)>\w*</\1>", test_label)
if ret:
    print(ret.group())
else:
    print("%s 这是一对不正确的标签" % test_label)

需求：匹配出<body><html>hh</html><body>

#coding=utf-8
 
import re
 
labels = ["<html><h1>hh</h1></html>", "<html><h1>hh</h2></html>"]
 
for label in labels:
    ret = re.match(r"<(\w*)><(\w*)>.*</\2></\1>", label)
    if ret:
        print("%s 是符合要求的标签" % ret.group())
    else:
        print("%s 不符合要求" % label)

运行结果

<html><h1>hh</h1></html> 是符合要求的标签
<html><h1>hh</h2></html> 不符合要求

示例4：(?P<name>) (?P=name)

#coding=utf-8
 
import re
 
ret = re.match(r"<(?P<name1>\w*)><(?P<name2>\w*)>.*</(?P=name2)></(?P=name1)>", "<html><h1>www.itcast.cn</h1></html>")
ret.group()
 
ret = re.match(r"<(?P<name1>\w*)><(?P<name2>\w*)>.*</(?P=name2)></(?P=name1)>", "<html><h1>www.itcast.cn</h2></html>")
ret.group()

注意字母P要大写

re模块的高级用法

search

示例：

需求:匹配出文章阅读的次数

#coding=utf-8
import re
 
ret = re.findall(r"\d+", "python = 9999, c = 7890, c++ = 12345")
print(ret)

运行结果：

'9999'

findall

示例：

需求：统计出python、c、c++相应文章阅读的次数

#coding=utf-8
import re
 
ret = re.findall(r"\d+", "python = 9999, c = 7890, c++ = 12345")
print(ret)

sub

示例：将匹配到的数据进行替换

需求：将匹配到的阅读次数加1

方法1：

#coding=utf-8
import re
 
ret = re.sub(r"\d+", '998', "python = 997")
print(ret)

运行结果：

python = 998

方法2：

#coding=utf-8
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)

运行结果：

python = 998\
python = 100

示例：从下面的字符串中取出文本

<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>&nbsp;<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>&nbsp;<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>

参考答案:

re.sub(r"<[^>]*>|&nbsp;|\n", "", test_str)

split

示例：根据匹配进行切割字符串, 并返回一个列表

需求: 切割字符串 “info:xiaoZhang 33 shandong”

#coding=utf-8
import re
 
ret = re.split(r":| ","info:xiaoZhang 33 shandong")
print(ret)

运行结果：

最后编辑于：2019.12.12 16:52:52

人面猴
序言：七十年代末，一起剥皮案震惊了整个滨河市，随后出现的几起案子，更是在滨河造成了极大的恐慌，老刑警刘岩，带你破解...
沈念sama阅读 215,794评论 6赞 498
死咒
序言：滨河连续发生了三起死亡事件，死亡现场离奇诡异，居然都是意外死亡，警方通过查阅死者的电脑和手机，发现死者居然都...
沈念sama阅读 92,050评论 3赞 391
救了他两次的神仙让他今天三更去死
文/潘晓璐我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
开封第一讲书人阅读 161,587评论 0赞 351
道士缉凶录：失踪的卖姜人
文/不坏的土叔我叫张陵，是天一观的道长。经常有香客问我，道长，这世上最难降的妖魔是什么？我笑而不...
开封第一讲书人阅读 57,861评论 1赞 290
港岛之恋（遗憾婚礼）
正文为了忘掉前任，我火速办了婚礼，结果婚礼上，老公的妹妹穿的比我还像新娘。我一直安慰自己，他们只是感情好，可当我...
茶点故事阅读 66,901评论 6赞 388
恶毒庶女顶嫁案：这布局不是一般人想出来的
文/花漫我一把揭开白布。她就那样静静地躺着，像睡着了一般。火红的嫁衣衬着肌肤如雪。梳的纹丝不乱的头发上，一...
开封第一讲书人阅读 50,898评论 1赞 295
城市分裂传说
那天，我揣着相机与录音，去河边找鬼。笑死，一个胖子当着我的面吹牛，可吹牛的内容都是我干的。我是一名探鬼主播，决...
沈念sama阅读 39,832评论 3赞 416
双鸳鸯连环套：你想象不到人心有多黑
文/苍兰香墨我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
开封第一讲书人阅读 38,617评论 0赞 271
万荣杀人案实录
序言：老挝万荣一对情侣失踪，失踪者是张志新（化名）和其女友刘颖，没想到半个月后，有当地人在树林里发现了一具尸体，经...
沈念sama阅读 45,077评论 1赞 308
护林员之死
正文独居荒郊野岭守林人离奇死亡，尸身上长有42处带血的脓包…… 初始之章·张勋以下内容为张勋视角年9月15日...
茶点故事阅读 37,349评论 2赞 331
白月光启示录
正文我和宋清朗相恋三年，在试婚纱的时候发现自己被绿了。大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
茶点故事阅读 39,483评论 1赞 345
活死人
序言：一个原本活蹦乱跳的男人离奇死亡，死状恐怖，灵堂内的尸体忽然破棺而出，到底是诈尸还是另有隐情，我是刑警宁泽，带...
沈念sama阅读 35,199评论 5赞 341
日本核电站爆炸内幕
正文年R本政府宣布，位于F岛的核电站，受9级特大地震影响，放射性物质发生泄漏。R本人自食恶果不足惜，却给世界环境...
茶点故事阅读 40,824评论 3赞 325
男人毒药：我在死后第九天来索命
文/蒙蒙一、第九天我趴在偏房一处隐蔽的房顶上张望。院中可真热闹，春花似锦、人声如沸。这庄子的主人今日做“春日...
开封第一讲书人阅读 31,442评论 0赞 21
一桩弑父案，背后竟有这般阴谋
文/苍兰香墨我抬头看了看天上的太阳。三九已至，却和暖如春，着一层夹袄步出监牢的瞬间，已是汗流浃背。一阵脚步声响...
开封第一讲书人阅读 32,632评论 1赞 268
情欲美人皮
我被黑心中介骗来泰国打工，没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留，地道东北人。一个月前我还...
沈念sama阅读 47,474评论 2赞 368
代替公主和亲
正文我出身青楼，却偏偏与公主长得像，于是被迫代替她去往敌国和亲。传闻我的和亲对象是个残疾皇子，可洞房花烛夜当晚...
茶点故事阅读 44,393评论 2赞 352

python正则表达式概述