正则表达式

*转载，本人学习用，侵删

正则表达式概述

思考

场景1：在一个文件中，查找出itcast开头的语句

测试文件

itcast hello python

itcast c++

itheima ios

itheima php

场景：在一个文件中，找到含有itcast的语句

测试文件

hello itcast python

www.itcast.cn c++

itheima ios

itheima php

场景：在一个文件中，找到邮箱为163或者126的所有邮件地址

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

1. 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()

2. re模块示例(匹配以itcast开头的语句)

#coding=utf-8

import re

result = re.match("itcast","itcast.cn")

result.group()

运行结果为：

itcast

3. 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

示例1： .

#coding=utf-8

import re

ret = re.match(".","M")

print(ret.group())

ret = re.match("t.o","too")

print(ret.group())

ret = re.match("t.o","two")

print(ret.group())

运行结果：

too

two

示例2：[ ]

#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 Python")

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 Python")

print(ret.group())

# 大小写h都可以的情况

ret = re.match("[hH]","hello Python")

print(ret.group())

ret = re.match("[hH]","Hello Python")

print(ret.group())

ret = re.match("[hH]ello Python","Hello Python")

print(ret.group())

# 匹配0到9第一种写法

ret = re.match("[0123456789]Hello Python","7Hello Python")

print(ret.group())

# 匹配0到9第二种写法

ret = re.match("[0-9]Hello Python","7Hello Python")

print(ret.group())

ret = re.match("[0-35-9]Hello Python","7Hello Python")

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 Python","4Hello Python")

# print(ret.group())

运行结果：

Hello Python

7Hello Python

示例3：\d

#coding=utf-8

import re

# 普通的匹配方式

ret = re.match("嫦娥1号","嫦娥1号发射成功")

print(ret.group())

ret = re.match("嫦娥2号","嫦娥2号发射成功")

print(ret.group())

ret = re.match("嫦娥3号","嫦娥3号发射成功")

print(ret.group())

# 使用\d进行匹配

ret = re.match("嫦娥\d号","嫦娥1号发射成功")

print(ret.group())

ret = re.match("嫦娥\d号","嫦娥2号发射成功")

print(ret.group())

ret = re.match("嫦娥\d号","嫦娥3号发射成功")

print(ret.group())

运行结果：

嫦娥1号

嫦娥2号

嫦娥3号

嫦娥1号

嫦娥2号

嫦娥3号

说明

其他的匹配符参见后面章节的讲解

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

示例1：*

需求：匹配出，一个字符串第一个字母为大小字符，后面都是小写字母并且这些小写字母可有可无

#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())

运行结果：

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到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","09")

print(ret.group())

运行结果：

0 # 这个结果并不是想要的，利用$才能解决

示例4：{m}

需求：匹配出，8到20位的密码，可以是大小写英文字母、数字、下划线

#coding=utf-8

import re

ret = re.match("[a-zA-Z0-9_]{6}","12a3g45678")

print(ret.group())

ret = re.match("[a-zA-Z0-9_]{8,20}","1ad12f23s34455ff66")

print(ret.group())

运行结果：

12a3g4

1ad12f23s34455ff66

练一练

题目1：匹配出163的邮箱地址，且@符号之前有4到20位，例如hello@163.com

匹配开头结尾

字符功能

^ 匹配字符串开头

$ 匹配字符串结尾

示例1：$

需求：匹配163.com的邮箱地址

#coding=utf-8

import re

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

完善后

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

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)

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)

运行结果：

<html>hh</htmlbalabala> 这是一对不正确的标签

示例4：\number

需求：匹配出<html><h1>www.itcast.cn</h1></html>

#coding=utf-8

import re

labels = ["<html><h1>www.itcast.cn</h1></html>", "<html><h1>www.itcast.cn</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>www.itcast.cn</h1></html> 是符合要求的标签

<html><h1>www.itcast.cn</h2></html> 不符合要求

示例5：(?P<name>) (?P=name)

需求：匹配出<html><h1>www.itcast.cn</h1></html>

#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：(?P<name>)和(?P=name)中的字母p大写

运行结果：

re模块的高级用法

需求：匹配出文章阅读的次数

#coding=utf-8

import re

ret = re.search(r"\d+", "阅读次数为 9999")

ret.group()

运行结果：

'9999'

findall

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)

运行结果：

['9999', '7890', '12345']

sub 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

练习

从下面的字符串中取出文本

<div>

<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>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>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>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"<[^>]*>| |\n", "", test_str)

split 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：

['info', 'xiaoZhang', '33', 'shandong']

python贪婪和非贪婪

Python里数量词默认是贪婪的（在少数语言里也可能是默认非贪婪），总是尝试匹配尽可能多的字符；

非贪婪则相反，总是尝试匹配尽可能少的字符。

在"*","?","+","{m,n}"后面加上？，使贪婪变成非贪婪。

>>> s="This is a number 234-235-22-423"

>>> r=re.match(".+(\d+-\d+-\d+-\d+)",s)

>>> r.group(1)

'4-235-22-423'

>>> r=re.match(".+?(\d+-\d+-\d+-\d+)",s)

>>> r.group(1)

'234-235-22-423'

>>>

正则表达式模式中使用到通配字，那它在从左到右的顺序求值时，会尽量“抓取”满足匹配最长字符串，在我们上面的例子里面，“.+”会从字符串的启始处抓取满足模式的最长字符，其中包括我们想得到的第一个整型字段的中的大部分，“\d+”只需一位字符就可以匹配，所以它匹配了数字“4”，而“.+”则匹配了从字符串起始到这个第一位数字4之前的所有字符。

解决方式：非贪婪操作符“？”，这个操作符可以用在"*","+","?"的后面，要求正则匹配的越少越好。

>>> re.match(r"aa(\d+)","aa2343ddd").group(1)

'2343'

>>> re.match(r"aa(\d+?)","aa2343ddd").group(1)

'2'

>>> re.match(r"aa(\d+)ddd","aa2343ddd").group(1)

'2343'

>>> re.match(r"aa(\d+?)ddd","aa2343ddd").group(1)

'2343'

>>>

练一练

字符串为:

请提取url地址

参考答案

re.search(r"https://.*?\.jpg", test_str)

r的作用

>>> mm = "c:\\a\\b\\c"

>>> mm

'c:\\a\\b\\c'

>>> print(mm)

c:\a\b\c

>>> re.match("c:\\\\",mm).group()

'c:\\'

>>> ret = re.match("c:\\\\",mm).group()

>>> print(ret)

c:\

>>> ret = re.match("c:\\\\a",mm).group()

>>> print(ret)

c:\a

>>> ret = re.match(r"c:\\a",mm).group()

>>> print(ret)

c:\a

>>> ret = re.match(r"c:\a",mm).group()

Traceback (most recent call last):

File "<stdin>", line 1, in <module>

AttributeError: 'NoneType' object has no attribute 'group'

>>>

说明

Python中字符串前面加上 r 表示原生字符串，

与大多数编程语言相同，正则表达式里使用"\"作为转义字符，这就可能造成反斜杠困扰。假如你需要匹配文本中的字符"\"，那么使用编程语言表示的正则表达式里将需要4个反斜杠"\\"：前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。

Python里的原生字符串很好地解决了这个问题，有了原生字符串，你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观。

>>> ret = re.match(r"c:\\a",mm).group()

>>> print(ret)

c:\a

---------------------

作者：abc____123

来源：CSDN

原文：https://blog.csdn.net/abc____123/article/details/80659491

最后编辑于：2019.05.05 11:34:32

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 216,544评论 6赞 501
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 92,430评论 3赞 392
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 162,764评论 0赞 353
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 58,193评论 1赞 292
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 67,216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 51,182评论 1赞 299
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 40,063评论 3赞 418
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 38,917评论 0赞 274
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 45,329评论 1赞 310
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 37,543评论 2赞 332
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 39,722评论 1赞 348
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 35,425评论 5赞 343
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 41,019评论 3赞 326
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 31,671评论 0赞 22
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 32,825评论 1赞 269
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 47,729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 44,614评论 2赞 353

正则表达式

推荐阅读更多精彩内容