Python学习总结【连载】（十五）

Python学习总结【连载】（十五）

2018.07.02 Juttachen

---

概述

• 53 认识正则表达式
• 54 正则表达式的函数

---

五十三、认识正则表达式

正则表达式主要用于字符串查找，匹配，分割。
import re

match(正则表达式字符串，需要匹配的字符串)

1.不带任何正则符号的正则表达式

    str1 = 'abc'
    print(re.match('abc',str1))

2. 点号 . --->匹配任意的字符

r'a.c':匹配一个字符串第一个字符是'a'，第二个是任意字符，第三个字符是'c'

    str1 = 'abc'
    print(re.match(r'...',str1))

例子：写一个正则表达式能够匹配一个字符串第一个字符是g，中间是两个任意字符，然后是d

    str1 = 'good'
    print(re.match(r'g..d',str1))

3.\w

匹配字母，数字，下划线
r'g\w\wd' --->匹配第一个字符是'g',第二三个是任意字母数字下划线，第四个是’d‘的字符串

    str1 = 'go%d'
    print(re.match(r'g\w\wd',str1))

4.\s

匹配空白字符（包括空格（\r）,制表符（\t）和回车（\n）等）
例子：要求能匹配第一个字符是数字字母下划线，第二个字母是’a‘，第三个是空白

    print(re.match(r'\wa\s','aa 100'))

5.\d

匹配数字
例子： 匹配前两位必须是数字的字符串

    print(re.match('\d\d','24k纯金'))

6.\b

匹配单词边界（字符串的开始和结束，空白，和标点符号）
注意：\b是不能匹配出结果的，只是对需要出现边际的要求（遇到\b的时候，注意\b后边的要求的字符必须是单词的边界才会成功）

    re_str = r'\bhow\b'
    print(re.match(re_str,'how are you'))

7.^

匹配开头
’^the‘ --->匹配以the开口的字符

    print(re.match(r'^the','theabc'))

8.$

匹配字符串结束
’the$‘ --->匹配字符串’the‘，以及查找以the结束的字符串

9.\W

匹配非字母，非数字，非下划线
注意：所有\大写的都是相应\小写的取反

10.[]

[] --> 匹配[]中任意的一个字符
[]中可以是具体的字符也可以是正则符号，一个中括号只能匹配一位的字符

    re_str = r'[abc]123' #匹配第一个字符是a或者b或者c，后面是123的字符串
    print(re.match(re_str,'a123'))

    re_str = r'abc[\da]'
    print(re.match(re_str,'abc3'))

11.[^]

匹配不在[]中的任意的一个字符

    re_str = r'[^abc]123' #匹配第一个字符不是‘a’或者‘b’或者‘c’，后边是123的字符串
    print(re.match(re_str,'@123'))

12.*

匹配0次或者多次
r'a' ---> 匹配第一个是0或者多个‘a’，‘cc’，‘abc’，‘aaabc’
r'\d' --->匹配第一个字符是0个或者多个数字，‘cc’，‘1cc’，‘123cc’
r'[abc]' --->'cc','abcww'

13.+

匹配一次或者多次
r'a+' -->匹配第一个字符串开头是'a'或者多个'a':'acc','aacc','aaadjk'
r'\w+' --> 前面是一个或者多个字母数字下划线

    print(re.match(r'a+','abnd'))

14.?

匹配0次或者1次
r'a?123' --> 匹配一个字符串‘123’或者‘a123’或者‘a123’后面有其他字符情况

15.{N}

匹配N次
例子：写一个正则表达式完全匹配一个11位的数字字符串

    re_str = r'\d{11}$'
    print(re.match(re_str,'12345678910'))
    # 写一个正则表达式匹配第一位是1，第二位是3,5,7,8，其他任意的11位数字字符串
    re_str = r'1[3578]\d{9}$'
    print(re.match(re_str,'1357867787910'))

16.{M,}

匹配至少M次
r'{3,}' --> 匹配字符开始是三个或者三个以上的数字，’123abc‘,'12345s'

    print(re.match(r'\d{3}','123abc'))

17.{M,N}

    re_str = r'\w{6,16}'
    print(re.match(re_str,'anhajs'))

判断一个字符串是否是标识符（字母，数字，下划线组成，数字不开头）
[a-z]:是字母'a'到'z'中的任意一个
[A-Z]:是字母'A'到'Z'中的任意一个
[1-9]:是数字到'1'中'9'的任意一个
[a-zA-Z_]:字母或者下划线

18.|

分支（相当于逻辑运算符中的‘or’）
r'(a|b)abc' --->匹配第一个字符是a或者b，后面是abc
r'(\d{3})|([a-zA-Z]{3})' -->匹配开头是三个数字或者那个字母

    re_str = r'(a|b)abc'
    print(re.match(re_str,'aabc'))

19.*?

重复任意次，尽可能少的匹配
? 的用处：在重复多次的匹配中如果后面加问号，匹配的时候以能匹配的最少次数去匹配

    print(re.match(r'a*?','aabc'))

20.+?

重复一次或多次，尽可能少的匹配

    print(re.match(r'a+?','aabc'))

• 练习：验证用户名和qq号是否有效*

    def qq():
        name = input('name(6到20位的字母数字下划线)>>>')
        qq = input('qq（5到12位数字且0不开头）>>>')
        true_name = r'\w{6,20}$'
        if re.match(true_name,name) == None:
            print('不符合规定')
        else:
            print('输入正确')
        true_qq = r'[1-9]\d{4,11}$'
        if re.match(true_qq,qq) == None:
            print('不符合规定')
        else:
            print('输入正确')
  

练习：判断一个字符串是否是浮点数

    str1 = '123.56'
    result = re.match(r'[+-]?(([1-9]\d*\.\d+)|(0\.\d+))',str1)
    print(result)

*注意：
1.正则表达式中如果需要使用有特殊功能的字符，需要使用‘\’进行特殊说明
2.r只是作用于字符串，正则表达式里面需要转义的还是需要用''，如：. ,* ,+

3. []字符集中的特殊字符不需要加''来说明其为一个普通字符功能*

五十四、正则表达式的函数

    import re

1.compile()

将正则表达式字符编译成正则对象（就可以去调用相关的正则表达式对象方法）

    reslut = re.compile(r'\d{2}[a-zA-Z]{2}')
    print(type(reslut))

2.match

a.re.match(正则表达式字符串/对象，要匹配的字符串)

b.正则表达式对象.match(要匹配的字符串)

用指定的正则表达式和指定的字符串进行匹配，如果匹配成功就返回匹配对象，否则返回None

    reslut = re.match(r'a\dd','a2dl')
    # 获取匹配结果在原字符串中的范围
    print(reslut)
    # 获取匹配结果在原字符串中的范围
    print(reslut.span())
    # 获取匹配开始的位置和结束的位置
    print(reslut.start(),reslut.end())
    # 获取匹配的结果
    print(reslut.group())
    # 获取原字符串
    print(reslut.string)

3.search

re.search(正则表达式/对象,指定的字符串)
正则表达式/对象.search(指定的字符串)
在指定的字符串中，去查找指定正则表达式匹配的第一个字符串。如果找到了就返回匹配对象，否则返回None。
r'a\dc' 'huhsa1cjksk'

    reslut = re.search(r'a\dc','huhsa1cjksk')
    print(reslut)

4.findall

re.findall(正则表达式/对象,指定的字符串)
在指定的字符串中，去查找指定正则表达式匹配的所有字符串。如果找到了就返回一个列表，否则返回一个空的列表。

    reslut = re.findall(r'a\dc','huhsa1cjksa3ck')
    print(reslut)

练习：获取一个字符串中，所有以ing结束的单词

    # ‘I'm singing and dancing’
    reslut = re.findall(r'[a-zA-Z]*ing\b','I\'m singing and dancing,aingc')
    print(reslut)

5.split

re.split(正则表达式/对象,指定的字符串,最多拆分多少（默认是0，即全部拆分）)
正则对象.split(指定的字符串)
'abc,bcd,amn,ssdf jkkks ooppp,okl,jumk'

    reslut = re.compile('[,\s]').split('abc,bcd,amn,ssdf jkkks ooppp,okl,jumk')
    print(reslut)

练习：拆分‘床前明月光，疑是地上霜，举头望明月，低头思故乡’

    reslut = re.split(r'[，。]','床前明月光，疑是地上霜，举头望明月，低头思故乡。')
    reslut.append('')
    for x in reslut:
        if x == '':
            reslut.remove(x)
    print(reslut)

6.sub

re.sub(正则表达式，替换字符串，原字符串) -->替换后原字符串不变，返回一个新的字符串
将指定字符串中的指定的子串替换成其他的字符串
删除字符串'abdf nbcdklabhkblka'中的'a'和'b'

    reslut = re.sub(r'[ab]','','abdf nbcdklabhkblka')
    print(reslut)

例子：将脏话替换成**

    reslut = re.sub(r'scheisse|fick dich|man|leute','***','scheisse Versprecher.')
    print(reslut)

补充：正则表达式中中文的判断
判断是否有中文，如果有就打印不合格，没有则合格
例子：使用中文的Unicode编码范围：\u4e00-\u9fa5(只是正则表达式的表示)

    reslut = re.search(r'[\u4e00-\u9fa5]','jhs好sfosnog')
    print(reslut)