python技术|Python 正则表达式详解(建议收藏!)
目录
match
匹配字符串
单字符匹配
. 匹配任意一个字符
\d 匹配数字
\D 匹配非数字
\s 匹配特殊字符,如空白,空格,tab等
\S 匹配非空白
\w 匹配单词、字符,如大小写字母,数字,_ 下划线
\W 匹配非单词字符
[ ] 匹配[ ]中列举的字符
表示数量
* 出现0次或无数次
+ 至少出现一次
? 1次或则0次
{m}指定出现m次
{m,} 至少出现m次
{m,n} 指定从m-n次的范围
匹配边界
$ 匹配结尾字符
^ 匹配开头字符
\b 匹配一个单词的边界
\B 匹配非单词边界
匹配分组
| 匹配左右任意一个表达式
(ab) 将括号中字符作为一个分组
search
findall
re.s
sub
split
贪婪与非贪婪
案例
匹配手机号
提取网页源码中所有的文字
提取图片地址
正则表达式是对字符串提取的一套规则,我们把这个规则用正则里面的特定语法表达出来,去匹配满足这个规则的字符串。正则表达式具有通用型,不仅python里面可以用,其他的语言也一样适用。
python中re模块提供了正则表达式的功能,常用的有四个方法(match、search、findall)都可以用于匹配字符串
match
匹配字符串 re.match()必须从字符串开头匹配!match方法尝试从字符串的起始位置匹配一个模式,如果不是起始位置匹配成功的话,match()就返回none。主要参数如下:
re.match(pattern, string)
# pattern匹配的正则表达式
# string要匹配的字符串
例子
import re
a = re.match('test','testasdtest')
print(a)#返回一个匹配对象
print(a.group())#返回test,获取不到则报错
print(a.span())#返回匹配结果的位置,左闭右开区间
print(re.match('test','atestasdtest'))#返回None
文章图片
从例子中我们可以看出,re.match()方法返回一个匹配的对象,而不是匹配的内容。如果需要返回内容则需要调用group()。通过调用span()可以获得匹配结果的位置。而如果从起始位置开始没有匹配成功,即便其他部分包含需要匹配的内容,re.match()也会返回None。
单字符匹配 以下字符,都匹配单个字符数据。且开头(从字符串0位置开始)没匹配到,即使字符串其他部分包含需要匹配的内容,.match也会返回none
文章图片
. 匹配任意一个字符
使用几个点号就代表几个字符
import re
a = re.match('..','testasdtest')
print(a.group())#输出te
b = re.match('ab.','testasdtest')
print(b) #返回none,因为表达式是以固定的ab开头然后跟上通配符. 所以必须要先匹配上ab才会往后进行匹配
文章图片
\d 匹配数字
一个\d代表一个数字。开头没匹配到,即使字符串其他部分包含需要匹配的内容,.match也会返回none
import re
a = re.match('\d\d','23es12testasdtest')
print(a)
b = re.match('\d\d\d','23es12testasdtest')
print(b)#要求匹配三个数字,匹配不到返回none
c = re.match('\d','es12testasdtest')
print(c)#起始位置没有匹配成功,一样返回none
文章图片
\D 匹配非数字
开头没匹配到,即使字符串其他部分包含需要匹配的内容,.match也会返回none
import re
a = re.match('\D','23es12testasdtest')
print(a)#开头为数字所以返回none
b = re.match('\D\D','*es12testasdtest')
print(b)#返回*e
\s 匹配特殊字符,如空白,空格,tab等
import re
print(re.match('\s',' 23es 12testasdtest'))#匹配空格
print(re.match('\s','23es 12testasdtest')) #匹配tab
print(re.match('\s','\r23es 12testasdtest')) #匹配\r换行
print(re.match('\s','23es 12testasdtest')) #返回none
文章图片
\S 匹配非空白
import re
print(re.match('\S',' 23es 12testasdtest'))#返回none
print(re.match('\S','\r23es 12testasdtest'))#none
print(re.match('\S','23es 12testasdtest'))
文章图片
\w 匹配单词、字符,如大小写字母,数字,_ 下划线
import re
print(re.match('\w','23es 12testasdtest'))#返回none
print(re.match('\w\w\w','aA_3es 12testasdtest'))#返回none
print(re.match('\w\w\w','\n12testasdtest'))#返回none
文章图片
\W 匹配非单词字符
import re
print(re.match('\W','23es 12testasdtest'))#返回none
print(re.match('\W',' 23es 12testasdtest'))#匹配空格
文章图片
[ ] 匹配[ ]中列举的字符
只允许出现[ ]中列举的字符
import re
print(re.match('12[234]','232s12testasdtest'))#因为开头的12没匹配上,所以直接返回none
print(re.match('12[234]','1232s12testasdtest')) #返回123
文章图片
[^2345] 不匹配2345中的任意一个
import re
print(re.match('12[^234]','232s12testasdtest'))#因为开头的12没匹配上,所以直接返回none
print(re.match('12[^234]','1232s12testasdtest')) #返回none
print(re.match('12[^234]','1252s12testasdtest')) #返回125
[a-z3-5] 匹配a-z或者3-5中的字符
import re
print(re.match('12[1-3a-c]','1232b12testasdtest'))#123
print(re.match('12[1-3a-c]','12b2b12testasdtest'))#12b
print(re.match('12[1-3a-c]','12s2b12testasdtest'))#返回none
表示数量 像上面写的那些都是匹配单个字符,如果我们要匹配多个字符的话,只能重复写匹配符。这样显然是不人性化的,所以我们还需要学习表达数量的字符
文章图片
* 出现0次或无数次
import re
a = re.match('..','testasdtest')
print(a.group())#输出te
a = re.match('.*','testasdtest')
print(a.group())#全部输出
文章图片
import re
print(re.match('a*','aatestasdtest')) #匹配跟随在字母a后面的所有a字符
print(re.match('\d*','23aatestasdtest')) #匹配前面为数字的字符
print(re.match('a\d*','ad23aatestasdtest')) #输出a, 因为*也可以代表0次
文章图片
+ 至少出现一次
import re
print(re.match('a+','aaatestasdtest')) #匹配前面为字母a的字符,且a至少有1一个
print(re.match('a+','atestasdtest'))#a
print(re.match('a+','caaatestasdtest'))#none
文章图片
? 1次或则0次
import re
print(re.match('a?','abatestasdtest')) #匹配a出现0次或者1次数
print(re.match('a?','batestasdtest'))#输出空,因为a可以为0次
print(re.match('a?','aaatestasdtest')) #a出现0次或者1次,输出1个a
文章图片
{m}指定出现m次
import re
print(re.match('to{3}','toooooabatestasdtest')) #匹配t以及跟随在后面的三个ooo
print(re.match('to{3}','tooabatestasdtest')) #只有两个0,返回none
文章图片
{m,} 至少出现m次
import re
print(re.match('to{3,}','toooooabatestasdtest')) #匹配t以及跟随在后面的三个ooo至少出现3次
print(re.match('to{3,}','tooabatestasdtest')) #只有两个0,返回none
文章图片
{m,n} 指定从m-n次的范围
import re
print(re.match('to{3,4}','toooabatestasdtest')) #刚好有三个ooo,成功匹配
print(re.match('to{3,4}','tooabatestasdtest'))#只有两个o,返回none
print(re.match('to{3,4}','toooooabatestasdtest')) #提取最多四个o
文章图片
匹配边界
文章图片
$ 匹配结尾字符
定义整个字符串必须以指定字符串结尾
import re
print(re.match('.*d$','2testaabcd')) #字符串必须以d结尾
print(re.match('.*c','2testaabcd'))#字符串不是以c结尾,返回none
文章图片
^ 匹配开头字符
定义整个字符串必须以指定字符开头
import re
print(re.match('^2','2stoooabatestas')) #规定必须以2开头,否则none
print(re.match('^2s','2stoooabatestas')) #必须以2s开头
\b 匹配一个单词的边界
\b:表示字母数字与非字母数字的边界,非字母数字与字母数字的边界。即下面ve的右边不能有字母和数字
import re
print(re.match(r'.*ve\b','ve.2testaabcd'))#因为在python中\代表转义,所以前面加上r消除转义
print(re.match(r'.*ve\b','ve2testaabcd'))
文章图片
\B 匹配非单词边界
import re
print(re.match(r'.*ve\B','2testaavebcdve'))#ve的右边需要有字母或者数字
print(re.match(r'.*ve\B','2testaave3bcdve'))
文章图片
匹配分组
文章图片
| 匹配左右任意一个表达式
只要|两边任意一个表达式符合要求就行
import re
print(re.match(r'\d[1-9]|\D[a-z]','2233'))#匹配|两边任意一个表达式
print(re.match(r'\d[1-9]|\D[a-z]','as'))
文章图片
(ab) 将括号中字符作为一个分组
()中的内容会作为一个元组字符装在元组中
import re
a = re.match(r'(.*)','你好啊')
print(a.group())#输出匹配的字符
print(a.groups())#会将()中的内容会作为一个元组字符装在元组中
print('`````````````')
b = re.match(r'(.*)()','你好啊')
print(b.groups()) #有两括号就分为两个元组元素
print(b.group(0))#group中默认是0
print(b.group(1))#你好啊
print(b.group(2))#h1
文章图片
search 和match差不多用法,从字符串中进行搜索
import re
print(re.match(r'\d\d','123test123test'))
print(re.search(r'\d\d','123test123test'))
文章图片
findall 从字面意思上就可以看到,findall是寻找所有能匹配到的字符,并以列表的方式返回
import re
print(re.search(r'test','123test123test'))
print(re.findall(r'test','123test123test'))#以列表的方式返回
文章图片
re.s findall中另外一个属性re.S
在字符串a中,包含换行符\n,在这种情况下
- 如果不使用re.S参数,则只在每一行内进行匹配,如果一行没有,就换下一行重新开始。
- 而使用re.S参数以后,正则表达式会将这个字符串作为一个整体,在整体中进行匹配。
如下要寻找test.*123的数据,因为test和123在不同的行,如果没加re.s的话,他会在每一个进行匹配查找而不是将字符串作为一个整体进行查找
import re
a = """aaatestaa
aaaa123"""
print(re.findall(r'test.*123',a))
print(re.findall(r'test.*123',a,re.S))
文章图片
sub 查找字符串中所有相匹配的数据进行替换
sub(要替换的数据,替换成什么,要替换的数据所在的数据)
import re
print(re.sub('php','python','php是世界上最好的语言——php'))
#输出 "python是世界上最好的语言——python"
split 对字符串进行分割,并返回一个列表
import re
s = "itcase,java:php-php3;
html"
print(re.split(r",",s))#以,号进行分割
print(re.split(r",|:|-|;
",s))#以,或者:或者-或者;
进行分割
print(re.split(r",|:|-|%",s))#找不到的分隔符就忽略
文章图片
贪婪与非贪婪
python里的数量词默认是贪婪的,总是尝试尽可能的匹配更多的字符。python中使用?号关闭贪婪模式
如
import re
print(re.match(r"aa\d+","aa2323"))#会尽可能多的去匹配\d
print(re.match(r"aa\d+?","aa2323"))#尽可能少的去匹配\d
文章图片
import re
s = "this is a number 234-235-22-423"
# 1.贪婪模式
resule = re.match(r"(.+)(\d+-\d+-\d+-\d)",s)#我们本想数字和字母拆解成两个分组
print(resule.groups())#('this is a number 23', '4-235-22-4')但我们发现输出的结果中23的数字竟然被弄到前面去了#因为+它会尽可能多的进行匹配,\d,只需要一个4就能满足,所以前面就尽可能多的匹配
# 2.关闭贪婪模式
#在数量词后面加上 ?,进入非贪婪模式,尽可能少的进行匹配
result = re.match(r"(.+?)(\d+-\d+-\d+-\d)",s)
print(result.groups())#('this is a number ', '234-235-22-4')
文章图片
案例 匹配手机号 要求,手机号为11位,必须以1开头,且第二个数字为35678其种一个
import re
result = re.match(r'1[35678]\d{9}','13111111111')
print(result.group())#匹配成功
result = re.match(r'1[35678]\d{9}','12111111111')
print(result)#none,第二位为2
result = re.match(r'1[35678]\d{9}','121111111112')
print(result)#none,有12位
文章图片
提取网页源码中所有的文字
如下,将其中的所有文字提取出来,去掉标签。思路就是运用sub方法,将标签替换为空
s = """岗位职责:
完成推荐算法、数据统计、接口、后台等服务器端相关工作
必备要求:
良好的自我驱动力和职业素养,工作积极主动、结果导向
【python技术|Python 正则表达式详解(建议收藏!)】
技术要求:
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
2、掌握HTTP协议,熟悉NVC、MVVM等概念以及相关wEB开发框架
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
4、掌握NoSQL、MQ,熟练使用对应技术解决方案
5、熟悉 Javascript/cSS/HTML5,JQuery,React.Vue.js
加分项:
大数据,数理统计,机器学习,sklearn,高性能,大并发。
"""
要提取出来最重要的就是关闭贪婪模式,
result = re.sub(r'<.*?>| ','',s)#
print(result)
文章图片
如果关闭贪婪模式,
提取图片地址
import re
s = """
文章图片
"""
result1 = re.search(r"src=https://www.it610.com/"https.*.jpg\"",s)
print(result1.group())result2 = re.search(r"src=https://www.it610.com/"(https.*.jpg)\"",s) #我只是想将网址提取出来,所以httpxx加括号,这样我就可以把它单独提取出来,src则不会出来
print(result2.groups()[0])
文章图片
推荐阅读
- python学习之|python学习之 实现QQ自动发送消息
- 逻辑回归的理解与python示例
- python自定义封装带颜色的logging模块
- 【Leetcode/Python】001-Two|【Leetcode/Python】001-Two Sum
- Python基础|Python基础 - 练习1
- Python爬虫|Python爬虫 --- 1.4 正则表达式(re库)
- Python(pathlib模块)
- python青少年编程比赛_第十一届蓝桥杯大赛青少年创意编程组比赛细则
- Python数据分析(一)(Matplotlib使用)
- GIS跨界融合赋能多领域技术升级,江淮大地新应用成果喜人