python学习之正则表达式

import re

一、正则表达式:记录文本规则的代码
字符串处理工具
注意:需要导入re模块
1.2特点:
语法比较复杂，可读性较差
通用性强，适用于多种编程语言

步骤:

1.导入re模块

2.使用match方法进行匹配操作

re.match()能匹配出以xxx开头的字符串

re.match(pattern,string)

pattern : 匹配的正则表达式

string : 要匹配的字符串

res = re.match("M","Milk可以成功")

print(res)

如果起始位置没有匹配成功，返回None

3.如果上一步数据匹配成功，使用group()提取数据

print(res.group())

注意:match是从开始位置匹配，匹配不到就没有，且匹配的是表达式整体

二、匹配单个字符

字符 功能

. 匹配任意一个字符(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 ``` 1. . 匹配任意一个字符(除了\n) --常用 res = re.match('.','hello') print(res) print(res.group()) 2. [] 匹配[]中列举的字符 --常用 res = re.match('[he]','eello') #中括号中有，就能匹配成功 res = re.match('[12345]','5432') res = re.match('[1-5]','3412') 匹配0-9的第一种写法 res = re.match('[0123456789]','5432') 匹配0-9的第二种写法 res = re.match('[0-9]','3412') 没有3 res = re.match('[0-24-9]','3412') # 0-2，4-9 res = re.match('[a-zA-Z].','Hello') #a-zA-Z代表列举出所有大小写字母 print(res) print(res.group()) 3. \d 匹配数字，即0~9 --常用 res = re.match('\d','2345') print(res) print(res.group()) 4. \D 匹配非数字，即不是数字 --常用 res = re.match('\D','s2345') #只要不是数字都能够匹配 print(res) print(res.group()) 5. \s 匹配空白，即空格，tab键 --常用 res = re.match('\s.h',' hh') print(res) print(res.group()) # 6. \S 匹配非空白 res = re.match('\S','hh') print(res) print(res.group()) 7. \w 匹配单词字符，即a-z,A-Z,0-9,_，汉字 res = re.match('\w','景hh') print(res) print(res.group()) 8. \W 匹配非单词字符 res = re.match('\W','.') print(res) print(res.group()) ``` ``` 三、匹配多个字符 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，即至少有一次 ? 匹配前一个字符出现1次或者0次，即要么有一次，要么没有 {m} 匹配前一个字符出现每次 {m,n} 匹配前一个字符出现m到n次 ``` ``` 1. * 匹配前一个字符出现0次或者无限次，即可有可无 res = re.match('\w*','hello') # *相当于修饰\w #hello # res = re.match('\w*','hello。') #hello # res = re.match('\d*','hello。') #没有匹配出数字，啥也没有，不会有任何输出，出现0次 print(res.group()) 2. + 匹配前一个字符出现1次或者无限次，即至少有一次 res = re.match('\d+','我很开心') print(res.group()) #报错，没有匹配到数字，+修饰时至少有一次 res = re.match('\d+','1我很开心') print(res.group()) 3. ? 匹配前一个字符出现1次或者0次，即要么有一次，要么没有 res = re.match('\d?','12我很开心') print(res.group()) # 最多只匹配一次，只输出1 4. {m} 匹配前一个字符出现每次 res = re.match('\w{3}','python') print(res.group()) #pyt 5. {m,n} 匹配前一个字符出现m到n次 注意:必须符合m) 分组起别名 (?P=name) 引用别名为name分组匹配到的字符串 ``` ``` 1. | 匹配左右任意一个表达式 res = re.match("abc|def",'abc') print(res.group()) re = re.match(".|\d","abc") print(re.group()) 2. (ab) 将括号中字符作为一个分组 res = re.match("(\d*@qq.com)",'94567@qq.com') print(res.group()) 3. \num 引用分组num匹配到的字符串 --经常在匹配标签时使用 res = re.match("<\w*>\w*","login") res = re.match("<(\w*)>\w*","login") res = re.match(r"<(\w*)><(\w*)>.*","login") # 注意:从外到内排序，编号从1开始 print(res.group()) 4. (?P) 分组起别名 5. (?P=name) 引用别名为name分组匹配到的字符串 res = re.match(r"<(?P\w*)><(?P\w*)>.*","login") print(res.group()) ``` ``` 六、应用:匹配网址 前缀一般是www, 后缀: .com、.cn、 .org ``` ``` li = ['www.baidu.com','www.python.org','http.jd.cn','www.py.en','www.abc.com'] res = re.match(r'www(\.)\w*\1(com|org|cn)','www.baidu.com') print(res.group()) ``` ``` li = ['www.baidu.com','www.python.org','http.jd.cn','www.py.en','www.abc.com'] for i in li: res = re.match(r'www(\.)\w*\1(com|org|cn)',i) if res: print(res.group()) else: print(f'{i}这个网址有问题') ``` ``` 七、高级用法 1. search(): 扫描整个字符串并返回第一个成功匹配到的自符串，如果匹配失败，则返回None res = re.search("th","1python2python") print(res.group()) 2. findall(): 将列表形式返回整个字符串中所有匹配到的自符串 res = re.findall("\d","1python2python") print(res) #findall()方法不需要用group()方法 print(type(res)) ``` 总结: match()从头开始匹配，匹配成功返回match()对象，匹配失败就返回None,通过group()进行提取，只匹配一次 search():从头到尾匹配，匹配成功返回第一个匹配成功的对象，匹配失败就返回None，通过group()进行提取，只匹配一次 findall():从头到尾匹配，匹配成功返回一个列表，匹配所有匹配成功的数据，不需要通过group()进行提取,没有group()方法 3. sub(): 将匹配到的数据进行替换 re.sub(pattern,repl,string,count) 参数 pattern: 正则表达式(代表需要被替换的，也就是字符串里面的旧内容 repl: 新内容 string: 字符串 count: 指定要替换的次数 ``` res = re.sub("python","Mike","1python2alice3python",1) print(res) res = re.sub("\d","1","这是这个月的第29天",1) print(res) ``` 4. split(): 根据匹配进行切割字符串，并返回一个列表 re.split(pattern,string,maxsplit) 参数 pattern: 正则表达式 repl: 新内容 maxsplit: 表示最大分割次数 ``` res = re.split(",","hello,world,hhh,lll,123",2) #没有设置最大分割次数就全部分割 print(res) ``` ``` 八、贪婪与非贪婪 贪婪匹配(默认):在满足匹配时，匹配尽可能长的自符串，默认情况下，采用贪婪匹配 ``` ``` res = re.match("em*","emmmm...") print(res.group()) #emmmm ``` 非贪婪匹配:在满足匹配的时候，匹配尽可能短的字符串，使用?来表示非贪婪算法 ``` res = re.match("em*?","emmmm...") print(res.group()) #e res = re.match("m*?","mmmm...") print(res.group()) #啥也没有 res = re.match("m{1,5}?","mmmmm...") print(res.group()) #m ``` 八、原生字符串 python中字符串前面加上r表示原生字符串 ``` print("sixs\tar") #sixs ar print("sixs\\tar") #sixs\tar print(r"sixs\tar") #sixs\tar res = re.match("\\\\","\game") # 正则表达式中，匹配字符串中的字符\需要\\\\,加入原生字符串,\\代表\ print(res.group()) ```