Python基础 - 正则表达式

正则表达式

正则表达式是用来匹配或者描述字符串的工具。

用处：
a.判断输入的字符串是否是邮箱或者手机号。是否是IP地址
b.提取满足条件的字符串
c.字符串替换

python中通过re模块中相应的方法来支持相应的正则表达式的匹配、查找和替换等功能

from re import fullmatch

fullmatch(正则表达式， 字符串) -> 判断正则表达式都和字符串是否完全匹配
正则表达式字符串：就是一个字符串，字符串中是正则表达式语法。r'正则表达式'
正则表达式中包含两个部分，一个是正则语法对应的字符，二是普通字符

1 .(匹配任意字符)

一个 . 只匹配一个任意字符

匹配一个长度是3的字符串，第一个字符是'a',第二个字符是任意字符，最后一个字符是'b'

re_str = r'a.b'
result = fullmatch(re_str, 'acb')
print(result)

匹配一个长度是4，第一个字符和最后一个字符分别是a和b，中间是任意字符的字符串

re_str = r'a..b'

2 \w(匹配数字字母下划线)

一个\w只能匹配一个字符

匹配一个第一个字符是数字字母下划线，后面三个字符是任意字符的字符串

re_str = r'\w...'
result = fullmatch(re_str, 'a;.]')
print(result)

3 \s (匹配任意空白字符)

空白字符：空格、制表符、回车（换行），都属于空白字符
一个\s匹配一个空白字符

匹配一个第一个字符串是a，第二个字符是空白，最后一个字符是b的字符串

re_str = r'a\sb'
result = fullmatch(re_str, 'a\nb')
print(result)

4 \d (匹配数字字符,一个\d匹配一个数字)

re_str = r'\d\d\d'
result = fullmatch(re_str, '123')
print(result)

5 \b (检测边界)

一个\b不会去匹配一个字符，而是单纯的检测\b出现的位置是否是单词边界
单词边界：字符串开始和结尾、空格、换行、标点符号等，可以将两个单词隔开的字符都是单词边界

re_str = r'\babc'
re_str = r'abc\b\saaa'   # 前三位是abc，第四位是空白字符，后面是aaa。并且要求c的后面是单词边界
result = fullmatch(re_str, 'abc aaa')
print(result)

6 ^ (检测是否是字符串开头)

re_str = r'^\d\d\d'   # 判断一个字符串是否是三个数字开头
result = fullmatch(re_str, '123')
print(result)

7 $ (检测是否是字符串结尾)

re_str = r'abc$'
result = fullmatch(re_str, 'abc')
print(result)

8 \W (匹配 非 字母数字下划线)

re_str = r'\Wabc'
result = fullmatch(re_str, '#abc')
print(result)

9 \S (匹配非空白字符串)

re_str = r'\S...'
result = fullmatch(re_str, '4sad')
print(result)

10 \D (匹配非数字字符)

re_str = r'\D\w\w\w'
result = fullmatch(re_str, '#sa4')
print(result)

11 \B (检测是否不是单词边界)

re_str = r'and\BYou'
result = fullmatch(re_str, 'andYou')
print(result)

12 [] (匹配中括号中出现的任意一个字符)

一个[]匹配一个字符
[字符集] ——> 匹配一个字符，这字符是字符集中的任意一个字符
例如：[abc], [\d+]

[字符1 - 字符2] ——> 匹配一个字符，这个字符是Unicode编码值在字符1到字符2之间的任意一个字符
要求字符1的编码值要小于字符2
例如：[1-9] ——> 数字1到9 [a-z] ——> 小写字母 [A-Z] ——> 大写字母

[]内可以写编码值

匹配一个第一个字符是 a 或者 b 或者 c ，后面是aaa

re_str = r'[abc]aaa'
result = fullmatch(re_str, 'aaaa')
print(result)

re_str = r'[1-4]\d\d\d'
result = fullmatch(re_str, '1988')
print(result)

匹配一个字符，是数字字母下划线或者空白

re_str = r'[\w\s]'
result = fullmatch(re_str, 'a')
print(result)

13 [^字符集] (匹配一个不在字符集中的任意字符)

注意：^ 必须放在中括号的最前面才有效

匹配一个四位的字符串，第一位不是abc中的任意一个，后面三位是任意字符

re_str = r'[^abc]...'
result = fullmatch(re_str, 'abcd')
print(result)

re_str = r'[^1-9[]'

正则表达式次数相关符号

from re import fullmatch

1 * (匹配0次或者多次)

字符* ——> 字符出现0次或者多次

匹配0位或者多位的数字字符串

re_str = r'\d*'
print(fullmatch(re_str, '123456'))

用正则表达式来检测一个标识符是否符合要求：数字字母下划线组成，数字不能开头

re_str = r'[a-zA-Z_]\w*'
print(fullmatch(re_str, 'zf123'))

2 + (匹配一次或者多次)

匹配abc前面有一个或者多个数字的字符串

re_str = r'\d+abc'
print(fullmatch(re_str, '445456abc'))

3 ？ (匹配0次或者一次)

re_str = r'a?123'
print(fullmatch(re_str, 'a123'))

写一个正则表达式，匹配所有的整数(123, -5458, +44...可以匹配， 012， -012， +045...不匹配)

re_str = r'[+-]?[1-9]\d*'
print(fullmatch(re_str, '+121'))

4 {} (指定次数)

{N} ——> 匹配N次
{M, N} -> 匹配M到N次
{M, } -> 至少匹配M次

re_str = r'\d{3}'
print(fullmatch(re_str, '123'))

re_str = r'\d{3,}'
print(fullmatch(re_str, '123456'))

re_str = r'\d{,3}'
print(fullmatch(re_str, '12'))

re_str = r'[a-z]{2,5}'
print(fullmatch(re_str, 'abc'))

判断密码是否符合要求：密码由数字和字母组成，并且是6-16位

re_str = r'[a-zA-Z\d]{6,16}'
print(fullmatch(re_str, 'abcd123'))

分支和分组

import re

1. | (分支)

条件1|条件2 -> 先用条件1去匹配，如果成功就匹配成功。如果条件1匹配失败，用条件2去匹配。
注意：如果条件1匹配成功就不会再去匹配条件2

re_str = r'[a-z]{3}|[A-Z]{3}'
print(re.fullmatch(re_str, 'abc'))
print(re.fullmatch(re_str, 'ABC'))

re_str = r'abc|d|aaa'
print(re.fullmatch(re_str, 'd'))

# 'abc' + w/h/y
re_str = r'abc(w|h|y)'
print(re.fullmatch(re_str, 'abch'))

2. () (分组)

a.组合（将括号中的内容作为一个整体进行操作）
b.捕获 -> 使用带括号的正则表达式匹配成功后，只获取括号中的内容
c.重复 —> 在正则表达式中可以通过\数字来重复前面（）中匹配到的结果。数字代表前面第几个分组

匹配一个字符串，以数字字母的组合出现三次

re_str = r'(\d[a-zA-Z]){3}'
print(re.fullmatch(re_str, '1a2b3c'))

# 捕获
re_str = r'(\d{3})abc'
print(re.fullmatch(re_str, '456abc'))

print(re.findall(re_str, '456abcdsjfdsk456abc7898797abc'))

# 重复
re_str = r'([a-z]{3})-(\d{2})\1\2'
print(re.fullmatch(re_str, 'hsn-12hsn12'))

3.转义符号

正则表达式中可以通过在特殊的符号前加\，来让特殊的符号没有意义
. + * ^ $ ?等有特殊的功能

注意：在中括号中有特殊功能的符号，只代表符号本身
\不管在哪里都需要转义
-在[]外面没有特殊的功能，在[]中要表示-本身，不能放在两个字符中间
()需要转义

re_str = r'\d{2}\.\d{2}'
print(re.fullmatch(re_str, '20.12'))

re_str = r'\d\+\d'
print(re.fullmatch(re_str, '1+2'))

re_str = r'\(\\'
print(re.fullmatch(re_str, '(\\'))

re模块中的函数

import re

1.compile

compile(正则表达式字符串) -> 将正则表达式字符串转换成正则表达式对象

re_object = re.compile(r'\d+')
print(re_object)

print(re_object.fullmatch('123456'))

2.fullmatch和match

fullmatch(正则表达式字符串， 字符串)
-> 用正则表达式去完全匹配字符串（匹配整个字符串），返回匹配对象

match()
-> 匹配字符串的开头，返回匹配对象或者None

result = re.fullmatch(r'(\d)([a-zA-Z]+)', '4sadsdSD')
print(result)

1.span(group = 0) -> 获取匹配成功的区间（左开右闭）

print(result.span(0))
print(result.start(2))     # 获取匹配到的开始下标
print(result.end(2))       # 获取匹配到的结束下标后的下标

2.group(index = 0) -> 获取匹配结果

group()/group(0)  ->  获取正则表达式完全匹配的结果
group(index>0)   ->    获取正则表达式中第index个分组匹配到的结果

print(result.group())
print(result.group(1))
print(result.group(2))

3.string -> 获取被匹配的原字符串

print(result.string)

3.search

search(正则表达式， 字符串)
——> 查找字符串中满足正则表达式的第一个字符串。返回值是匹配对象或者None

result = re.search(r'\d[a-zA-Z]+', 'asddsfg5aas+46sdjhgjh')
print(result)

使用search匹配出一个字符串中所有的数字字符串

‘abc45sdasdsf9789sfadfsadf6sdfsd46545k’ -> 45, 9789, 6, 46545

re_str = r'\d+'
str1 = 'abc45sdasdsf9789sfadfsadf6sdfsd46545k'
result = re.search(re_str, str1)
while result:
    print(result)
    str1 = str1[result.end():]
    result = re.search(re_str, str1)

4.findall

findall(正则表达式， 字符串) -> 获取字符串中满足正则表达式的所有字串，返回一个列表
注意：如果正则表达式中有分组，取值的时候只取分组中匹配到的结果;
如果有多个分组，会将每个分组匹配到的结果作为一个元组的元素

re_str = r'(\d+)k([a-z]+)'
str1 = 'abc45kdsf9789ksfdf06ksdfsd46545k'
result = re.findall(re_str, str1)
print(result)

re_str = r'(\d+)k[a-z]+'
str1 = 'abc45kdsf9789ksfdf06ksdfsd46545k'
result = re.findall(re_str, str1)
print(result)

re_str = r'\d+k[a-z]+'
str1 = 'abc45kdsf9789ksfdf06ksdfsd46545k'
result = re.findall(re_str, str1)
print(result)

5.finditer

finditer(正则表达式， 字符串)
-> 查找所有满足正则表达式的子串，返回值是迭代器，迭代器中元素是匹配对象

re_str = r'(\d+)k[a-z]+'
str1 = 'abc45kdsf9789ksfdf06ksdfsd46545k'
result = re.finditer(re_str, str1)
print(result)
for item in result:
    print(item)

6.split

split(正则表达式， 字符串) -> 将字符串按照满足正则表达式条件的子串进行分割

str1 = 'sdf5f+fhg6-ghjgh-j7hkj+kl9jkh-kl12uhhkj+'
result = re.split(r'[-+]', str1)
print(result)

7.sub

sub(正则表达式， repl， 字符串)
-> 将字符串中满足正则表达式条件的子串替换成repl。返回替换后的字符串

str1 = 'sf54rw8787wew8fgg4few54'
result = re.sub(r'\d+', '*', str1)
print(result)

歌词解析

需求：播放指定歌曲的时候，给一个时间，能够把这首歌在这个时间对应的歌词返回

面向对象：找一个类，让它拥有解析歌词的功能



class Lyrics:
    def __init__(self, time='', word=''):
        self._time = time
        self.word = word

    @property
    def time(self):
        return self._time

    @time.setter
    def time(self, value):
        fen = float(value[1:3])
        miao = float(value[4:])
        self._time = fen * 60 + miao

    def __gt__(self, other):
        return self.time > other.time

    def __repr__(self):
        return str(self.__dict__)


class LyricsAnalysis:
    def __init__(self, name):
        self.name = name     # 歌名
        self.__all_lyric = []   # 当前歌名解析出来的歌词

    # 分离歌词和时间
    def __split_time_word(self, line):
        # 时间     歌词
        lines = line.split(']')
        # print(lines)
        # 获取每一行的词
        word = lines[-1]
        # 遍历获取每一行的时间
        for time in lines[:-1]:
            # 根据时间和歌词创建歌词对象
            ly_obj = Lyrics(word=word)
            ly_obj.time = time
            self.__all_lyric.append(ly_obj)


    def get_lyrics(self, time: int):
        # 判断之前是否已经解析过
        if self.__all_lyric:
            # 解析过，根据时间取值
            for item in self.__all_lyric:
                if item.time < time:
                    return item.word

        # 读文件内容
        try:
            with open('./' + self.name + '.txt', 'r', encoding='utf-8') as f:
                line = f.readline()
                while line:
                    # print(line)
                    self.__split_time_word(line)
                    line = f.readline()
                self.__all_lyric.sort(reverse=True)
                # print(self.__all_lyric)

                # 根据时间打印歌词
                for item in self.__all_lyric:
                    if item.time < time:
                        return item.word

        except FileNotFoundError:
            print('没有相应的歌词')

        # 解析文件
        # 找到时间
        # 将时间返回


ly_lan = LyricsAnalysis('蓝莲花')
print(ly_lan.get_lyrics(20))
print(ly_lan.get_lyrics(40))
print(ly_lan.get_lyrics(80))
print(ly_lan.get_lyrics(100))
print(ly_lan.get_lyrics(200))

作业

  1. 写一个正则表达式判断一个字符串是否是ip地址
    规则：一个ip地址由4个数字组成，每个数字之间用.连接。每个数字的大小是0-255
    255.189.10.37 正确
    256.189.89.9 错误
import re

re_ip = r'((25[0-5]|2[0-4]\d|((1\d{2})|([1-9]?\d)))\.){3}(25[0-5]|2[0-4]\d|((1\d{2})|([1-9]?\d)))'
result = re.fullmatch(re_ip, '192.168.1.1')
result2 = re.fullmatch(re_ip, '123.123.256.0')
print(result)
print(result2)

结果：


1.JPG
  1. 计算一个字符串中所有的数字的和
    例如：字符串是：‘hello90abc 78sjh12.5’ 结果是90+78+12.5 = 180.5
sum1 = 0
str1 = 'hello90abc 78sjh12.5'
re_str = r'\d+(\.\d+)?'
result = re.search(re_str, str1)
while result:
    print(result.group(), end=' ')
    sum1 += float(result.group())
    str1 = str1[result.end():]
    result = re.search(re_str, str1)
print(sum1)

结果：


2.JPG
  1. 验证输入的内容只能是汉字
re_word = r'^[\u4e00-\u9fa5]{0,}$'
result = re.fullmatch(re_word, '是不是汉字')
result2 = re.fullmatch(re_word, 'no ')
print(result)
print(result2)

结果：


3.JPG
  1. 电话号码的验证
re_tel = r'1([3-5]|[78])\d{9}'
result = re.fullmatch(re_tel, '15108704521')
result2 = re.fullmatch(re_tel, '123456789')
print(result)
print(result2)

结果：


4.JPG
  1. 简单的身份证号的验证
re_id = r'(\d{15})|(\d{18})|(\d{17}(\d|X|x))'
result = re.fullmatch(re_id, '530421199606242118')
result2 = re.fullmatch(re_id, '53042119960624211X')
result3 = re.fullmatch(re_id, '12345678910')
print(result)
print(result2)
print(result3)

结果：


5.JPG

二、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（ ）

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

答案：A、B

  1. 能够完全匹配字符串“c:\rapidminer\lib\plugs”的正则表达式包括（ ）
    A. “c:\rapidminer\lib\plugs”
    B. “c:\\rapidminer\\lib\\plugs”
    C. “(?i)C:\RapidMiner\Lib\Plugs” ?i:将后面的内容的大写变成小写
    D. “(?s)C:\RapidMiner\Lib\Plugs” ?s：单行匹配

答案：B、C

  1. 能够完全匹配字符串“back”和“back-end”的正则表达式包括（ ）
    A. “\w{4}-\w{3}|\w{4}” match->back,back-end fullmatch-> back,back-end
    B. “\w{4}|\w{4}-\w{3}” match-> back, back fullmatch-> back,back-end
    C. “\S+-\S+|\S+”
    D. “\w\b-\b\w|\w*”

答案：A、B、C、D

  1. 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（ ）
    :\1就是重复前面第一个()/组合里面的内容
    ：\2就是重复前面第二个()/组合里面的内容
    A. “\b(\w+)\b\s+\1\b”
    B. “\w{2,5}\s*\1”
    C. “(\S+) \s+\1”
    D. “(\S{2,5})\s{1,}\1”

答案：A、C、D

  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（ ）
    A. “a*?b”
    B. “a{,2}b”
    C. “aa??b”
    D. “aaa??b”

答案：B、C

最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
  • 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 194,390评论 5赞 459
  • 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 81,821评论 2赞 371
  • 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 141,632评论 0赞 319
  • 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 52,170评论 1赞 263
  • 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 61,033评论 4赞 355
  • 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 46,098评论 1赞 272
  • 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 36,511评论 3赞 381
  • 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 35,204评论 0赞 253
  • 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 39,479评论 1赞 290
  • 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 34,572评论 2赞 309
  • 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 36,341评论 1赞 326
  • 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 32,213评论 3赞 312
  • 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 37,576评论 3赞 298
  • 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 28,893评论 0赞 17
  • 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 30,171评论 1赞 250
  • 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 41,486评论 2赞 341
  • 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 40,676评论 2赞 335

推荐阅读更多精彩内容

  • 你是我的前世今生
    我在衣橱前一套一套的换着衣服，希望自己能够美美地出现在他的面前，在换了四套衣服以后，终于敲定了自己要穿的衣服，我喜...
    厉羽悠君阅读 344评论 0赞 2
  • 主题书写：生命之歌
    你的生命本该诗意地栖息在大地之上。生命诗意地栖息在大地之上这是多美的体验。我好像写不出来，也活不出这样的诗意...
    紫晶宝贝阅读 276评论 1赞 0
  • 2018-05-22
    LSTM 1.peephole connection：一种流行的LSTM变种，由Gers&Schmidhuber(...
    逃淘桃阅读 243评论 0赞 0
  • 《心流》第五章 感官之乐
    ［阅读内容］第五章 感官之乐 ［金句摘要］ 当我们觉得不快乐、沮丧、厌倦时，有一条很方便的出路：尽量利用自己的身体...
    鱼谜海洋阅读 1,451评论 0赞 0
  • 后罗生门时代
    《罗生门》，一部1950年的日本旧电影。由日本著名小说家芥川龙之介的《莜竹丛林》改编而来。影片以大雨下破庙罗生门为...
    Mon阿修阅读 549评论 0赞 0