1 《Python3正则表达式》文字版详细教程链接：https://www.cnblogs.com/leejack/p/9189796.html 2 3 4 \'\'\' 5 内容：Python3正则表达式 6 日期：2018-08-27 7 \'\'\' 8 9 # Python版本：Python3.6.0 10 11 # 正则表达式是一种用来匹配字符串的强有力的武器。它的设计思想是用一种描述性的 12 # 语言来给字符串定义一个规则，凡是符合规则的字符串，我们就认为它“匹配”了， 13 # 否则，该字符串就是不合法的。 14 15 16 # 例如： 17 # 我们判断一个字符串是否是合法的Email的方法是： 18 # 1、创建一个匹配Email的正则表达式； 19 # 2、用该正则表达式去匹配用户的输入来判断是否合法。 20 21 22 # 因为正则表达式也是用字符串表示的，所以，我们要首先了解如何用字符来描述字符。 23 24 25 # 1、正则表达式概念及符号含义 26 27 # 掌握正则表达式，只需要记住不同符号所表示的含义，以及对目标对象模式（或规律）的正确概括。 28 29 # （1）基础内容 30 31 # 在正则表达式中，如果直接给出字符，就是精确匹配。 32 # \d匹配一个整数 33 # \D匹配一个非数字 34 # \w匹配一个字母、数字或下划线_ 35 # \W匹配任何非单词字符,等价于“[^A-Za-z0-9_]"。 36 # \s匹配任何yige空白字符，包括空格、制表符、换页符等等,等价于[ \f\n\r\t\v]。 37 # \S匹配任何非空白字符 38 # \n匹配一个换行符 39 # \r匹配一个回车符 40 # \t匹配一个制表符 41 42 43 44 # .匹配除“\n"之外的任何单个字符。 45 # *匹配前面的子表达式零次或多次 46 # +匹配前面的子表达式一次或多次 47 # ?匹配前面的子表达式零次或一次 48 # {n}，n是一个非负整数，匹配确定的n次 49 # {n,m}，m和n均为非负整数，其中n<=m，最少匹配n次且最多匹配m次 50 # {n,}，n是一个非负整数，至少匹配n次 51 # {,m} 匹配前面的正则表达式最多m次 52 53 54 55 # x|y 匹配x或y \'[x|y]\' \'x\' \'y\' 56 # [xyz] 字符集合,匹配所包含的任意一个字符 57 # [^xyz] 负值字符集合,匹配未包含的任意字符 58 # [a-zA-Z] 字符范围,匹配指定范围内的任意字符 59 # [^a-z] 负值字符范围,匹配任何不在指定范围内的任意字符 60 61 62 63 # 来看一个稍微复杂的例子：\d{3,4}\s+\d{3,8} 64 # 0755 26778888 65 # 我们来从左到右解读一下： 66 # \d{3,4}表示匹配3到4个数字，例如\'010\'、\'0755\'； 67 # \s可以匹配一个空格（也包括Tab等空白符），所以\s+表示至少有一个空格，例如匹配\' \'，\' \'等； 68 # \d{3,8}表示3-8个数字，例如\'1234567\'。 69 # 综合起来，上面的正则表达式可以匹配以任意个空格隔开的带区号的电话号码。 70 71 72 # 如果要匹配\'010-12345\'、\'0755-26778888\'这样的号码呢？ 73 # 由于\'-\'是特殊字符，在正则表达式中，要用\'\\'转义，所以，上面的正则是\d{3,4}\-\d{3,8}。 74 75 76 # 但是，仍然无法匹配\'010 - 12345\'，因为带有空格。所以我们需要更复杂的匹配方式。 77 78 # 要做更精确的匹配，可以用[]表示范围，比如： 79 80 81 82 # （2）进阶内容 83 84 # 要做更精确地匹配，可以用[]表示范围，比如： 85 # 86 # [0-9a-zA-Z\_]可以匹配一个数字、字母或者下划线； 87 # 88 # [0-9a-zA-Z\_]+可以匹配至少由一个数字、字母或者下划线组成的字符串，比如\'a100\'，\'0_Z\'，\'Py3000\'等等； 89 # 90 # [a-zA-Z\_][0-9]*可以匹配由字母或下划线开头，后接任意个由一个数字、字母或者下划线组成的字符串，也就是Python合法的变量； 91 # a0 a2222222222 92 # [a-zA-Z\_][0-9a-zA-Z\_]{0, 19}更精确地限制了变量的长度是1-20个字符（前面1个字符+后面最多19个字符）。 93 # 94 # A|B可以匹配A或B，所以[P|p]ython可以匹配\'Python\'或者\'python\'。 95 # 96 # ^表示行的开头，^\d表示必须以数字开头。 97 # ^\d\w* \'sdfsdf\' \'1sdfasdf1\' 98 # 99 # $表示行的结束，\d$表示必须以数字结束。 100 # 101 # 你可能注意到了，py也可以匹配\'python\'，但是加上^py就变成了只能匹配以\'py\'开头的字符串， 102 # 所以，如果某个字符串为\'I love python\'，那么就无法匹配到，因为它不是以py开头。 103 104 105 # （3）正则表达式使用场景 106 107 # 判断某个字符串是否匹配特定的模式 108 # 切分字符串 109 # 提取特定模式的字符串 110 # 将指定模式的字符串进行替换 111 112 113 114 # 2、Python中正则表达式模块re 115 116 # 前面区号+电话号码的例子 117 118 #（1）判断某个字符串是否匹配特定的模式 119 120 # 导入re模块 121 import re 122 123 # 匹配 124 print(\'x\'*20) 125 result = re.match(r\'\d{3,4}\-\d{3,8}\',\'020-12345\') 126 print(result) 127 print(\'x\'*20) 128 129 130 # 不匹配 131 result2 = re.match(r\'\d{3,4}\-\d{3,8}$\',\'020 12345\') 132 print(result2) 133 134 135 # match()方法判断是否匹配，如果匹配成功，返回一个Match对象，否则返回None。 136 # 常见的判断方法就是： 137 138 # 带判断的字符串 139 140 test = "020\n12345" 141 print(test) 142 if re.match(r\'\d{3,4}\\n\d{3,8}\',test): 143 print(\'match\') 144 else: 145 print(\'not match\') 146 147 148 149 # 小练习：判断给定的邮箱地址是否是NETEC邮箱 150 #（1）假设NETEC公司的邮箱格式为姓+.+名字+数字+@netec.com.cn。 151 #（2）其中数字不是必须的，只有相同名字的员工有多个时，才会存在数字 152 #（3）并且姓名拼音或英文都会使用小写字母，而不会使用大写字母 153 154 email = \'lee.jack3@netec.com.cn\' 155 156 pattern = r\'^[a-z]{1,}\.[a-z]+\d*@netec.com.cn$\' 157 158 if re.match(pattern,email): 159 print(\'是NETEC邮箱\') 160 else: 161 print(\'不是NETEC邮箱\') 162 163 164 165 # （2）切分字符串 166 167 # 用正则表达式切分字符串比用固定的字符更灵活，请看正常的切分代码： 168 print(\'&\'*20) 169 result3 = \'a b c\'.split(\' \') 170 print(result3) 171 172 # 无法识别连续的空格，用正则表达式试试: 173 result4 = re.split(r\'\s+\', \'a b c\') 174 print(result4) 175 176 # 无论多少个空格都可以正常分割。加入,试试： 177 178 result5 = re.split(r\'[\s\,]+\', \'a,b,, c d\') 179 print(result5) 180 181 # 再加入;试试： 182 result6 = re.split(r\'[\s\,\;]+\', \'a,b;; c d\') 183 print(result6) 184 185 186 #（3）提取特定模式的字符串 187 188 # 除了简单地判断是否匹配之外，正则表达式还有提取子串的强大功能。 189 # 用()表示的就是要提取的分组（Group）。比如：^(\d{3,4})-(\d{3,8})$ 190 # 分别定义了两个组，可以直接从匹配的字符串中提取出区号和本地号码： 191 192 m = re.match(r\'^(\d{3,4})-(\d{3,8}$)\', \'0755-12345\') 193 print(m) 194 print(m.group(0)) # 匹配的整个字符串 195 print(m.group(1)) # 匹配的第一个小括号的内容，即第一个匹配的子串 196 print(m.group(2)) # 匹配的第二个小括号的内容，即第二个匹配的子串 197 198 199 # 一个复杂的例子,提起给定时间字符串中的小时、分钟、秒 200 t = \'19:05:30\' 201 # 00 09 202 # 0 9 203 # 10-19 204 # 20-23 205 # [0-5]?[0-9] 59 206 207 m = re.match(r\'^(0[0-9]|1[0-9]|2[0-3]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$\', t) 208 print(m.groups()) 209 print(m.group(1)) 210 print(m.group(2)) 211 print(m.group(3)) 212 213 214 #（4）将指定模式的字符串进行替换 215 print(\'&\' * 20) 216 result = re.sub(\'[ae]\',\'X\',\'abcdefghi\') 217 print(result) 218 219 result = re.subn(\'[ae]\',\'X\',\'abcdef\') 220 print(result) 221 222 223 # （5）贪婪匹配 vs 非贪婪匹配 224 225 # 正则匹配默认是贪婪匹配，也就是匹配尽可能多的字符。举例如下，匹配出数字后面的0： 226 # \d+ \'3243423\' 227 print(\'I\' * 20) 228 result7 = re.match(r\'^(\d+)(0*)$\', \'102300\').groups() # group[1] group[2] 229 print(result7) 230 231 232 # 由于\d+采用贪婪匹配，直接把后面的0全部匹配了，结果0*只能匹配空字符串了。 233 # 必须让\d+采用非贪婪匹配（也就是尽可能少匹配），才能把后面的0匹配出来， 234 # 加个?就可以让\d+采用非贪婪匹配： 235 236 result8 = re.match(r\'(\d+?)(0+?)(\d+)\', \'11002300000\').groups() 237 print(result8) 238 239 240 # （6）正则表达式的编译 241 242 # 当我们在Python中使用正则表达式时，re模块内部会干两件事情： 243 # 1、编译正则表达式，如果正则表达式的字符串本身不合法，会报错； 244 # 2、用编译后的正则表达式去匹配字符串。 245 246 # 如果一个正则表达式要重复使用几千次，出于效率的考虑，我们可以预编译该正则表达式， 247 # 接下来重复使用时就不需要编译这个步骤了，直接匹配： 248 249 # 编译 250 re_telephone = re.compile(r\'^(\d{3,4})-(\d{3,8})$\') 251 252 # 直接使用 253 print(re_telephone.match(\'010-12345\').groups()) 254 255 # 直接使用 256 print(re_telephone.match(\'010-8086\').groups()) 257 258 # 编译后生成Regular Expression对象，由于该对象自己包含了正则表达式， 259 # 所以调用对应的方法时不用给出正则字符串。 260 261 262 263 # （7）re模块中常用的几个函数 264 265 # compile() 编译正则表达式模式，返回一个对象的模式，这样某个模式编译一次就可以在程序中多次使用 266 267 import re 268 269 tt = "Tina is a good girl, she is cool, clever, and so on..." 270 print(tt) 271 rr = re.compile(r\'\w*oo\w*\') 272 print(rr.findall(tt)) #查找所有包含\'oo\'的单词 273 274 275 # match() 决定RE是否在字符串刚开始的位置匹配。//注：这个方法并不是完全匹配。 276 # 当pattern结束时若string还有剩余字符，仍然视为成功。想要完全匹配，可以在表达式末尾加上边界匹配符\'$\' 277 278 print(re.match(\'com\',\'comwww.runcomoob\').group()) 279 280 281 # search() re.search函数会在字符串内查找模式匹配,只要找到第一个匹配然后返回，如果字符串没有匹配，则返回None。 282 283 print(re.search(\'\dcom\',\'www.4comrunoob.5com\').group()) 284 285 286 287 # findall() 遍历匹配，可以获取字符串中所有匹配的字符串，返回一个列表。 288 289 p = re.compile(r\'\d+\') 290 print(p.findall(\'o1n2m3k4\')) 291 292 293 # finditer() 搜索string，返回一个顺序访问每一个匹配结果（Match对象）的迭代器。找到 RE 匹配的所有子串，并把它们作为一个迭代器返回。 294 295 iter = re.finditer(r\'\d+\',\'12 drumm44ers drumming, 11 ... 10 ...\') 296 for i in iter: 297 print(i) 298 print(i.group()) 299 print(i.span()) 300 301 302 303 # split() 按照能够匹配的子串将string分割后返回列表。 304 # 可以使用re.split来分割字符串，如：re.split(r\'\s+\', text)；将字符串按空格分割成一个单词列表。 305 print(re.split(\'\d+\',\'one1two2three3four4five5\')) 306 307 308 309 # sub() 使用re替换string中每一个匹配的子串后返回替换后的字符串。 310 311 import re 312 text = "JGood is a handsome boy, he is cool, clever, and so on..." 313 print(re.sub(r\'\s+\', \'-\', text)) 314 315 316 317 # subn() 使用re替换string中每一个匹配的子串后返回替换后的字符串，并返回替换次数 318 319 print(re.subn(\'[1-2]\',\'A\',\'123456abcdef\')) 320 print(re.sub("g.t","have",\'I get A, I got B ,I gut C\')) 321 print(re.subn("g.t","have",\'I get A, I got B ,I gut C\')) 322 323 324 325 326 # 匹配IP 327 result = re.search(r"(([01]?\d?\d|2[0-4]\d|25[0-5])\.){3}([01]?\d?\d|2[0-4]\d|25[0-5]\.)","192.168.1.1") 328 print(result)