python之正则表达式
目录
-
-
- 正则表达式的作用和优势
- 正则表达式中一些基本符号
- 常用的正则表达式
- re常用函数
-
- 1. 使用search函数进行匹配
- 2. 使用findall函数查找所有匹配项
- 3. 使用sub函数进行替换
- 4. 使用compile函数编译正则表达式
- 常用正则表达式实例
-
- 1.匹配QQ
- 2.匹配手机号码
- 3.匹配邮箱
- 4.匹配网址
- 提取和操作匹配结果
- 贪婪和非贪婪匹配
-
正则表达式（Regular Expression）是一种强大的文本匹配和处理工具，它在各种编程语言和文本编辑器中得到广泛应用。正则表达式提供了一种灵活、高效的方式来搜索、匹配、替换和提取文本数据。Python提供了re模块，它是Python正则表达式操作的标准库。下面是的Python正则表达式教程，介绍了基本的正则表达式语法和如何在Python中使用它们。
正则表达式的作用和优势
- 文本模式匹配：正则表达式可以用于查找特定的文本模式，比如匹配特定格式的日期、时间、电话号码、邮箱地址等。它能够精确地定义匹配规则，从而快速准确地找到符合条件的文本。
- 数据提取：通过正则表达式，可以方便地从文本中提取所需的信息。例如，从HTML代码中提取标签内容，从日志文件中提取关键信息等。
- 数据清洗和处理：正则表达式可以用于对文本数据进行清洗和处理。通过匹配指定的模式并替换、删除或修改文本内容，可以有效地清理和规范化数据。
- 格式验证：正则表达式可以用于验证输入的数据是否符合特定的格式要求。例如，验证邮箱地址、密码强度、身份证号码等。
- 快速搜索和替换：正则表达式提供了强大的搜索和替换功能，可以快速地在文本中查找和替换指定的模式。这在文本编辑器、代码编辑器和命令行工具中非常有用。
- 批量处理和批量操作：正则表达式可以应用于批量处理和批量操作的场景，例如批量重命名文件、批量修改文本内容等。
- 跨平台和通用性：正则表达式在各种编程语言和操作系统中都有支持，因此具有很好的跨平台和通用性。无论是使用Python、Java、JavaScript还是其他语言，都可以使用正则表达式进行文本处理。
正则表达式中一些基本符号
.：匹配除换行符外的任意一个字符。 示例：a.b可以匹配 “aab”、“axb”、“a@b” 等。*：匹配前面的元素零次或多次。 示例：ab*c可以匹配 “ac”、“abc”、“abbc”、“abbbc” 等。+：匹配前面的元素一次或多次。 示例：ab+c可以匹配 “abc”、“abbc”、“abbbc” 等，但不匹配 “ac”。?：匹配前面的元素零次或一次。 示例：ab?c可以匹配 “ac”、“abc”，但不匹配 “abbc”。[]：定义一个字符类，匹配其中任意一个字符。 示例：[aeiou]可以匹配任意一个小写元音字母。[^]：在字符类中使用，表示否定。匹配除了字符类中指定的字符之外的任意字符。 示例：[^0-9]可以匹配任意一个非数字字符。()：定义一个分组，用于对模式进行分组和捕获。 示例：(ab)+可以匹配 “ab”、“abab”、“ababab” 等。|：在两个模式之间进行选择，匹配其中一个。 示例：cat|dog可以匹配 “cat” 或 “dog”。\：用于转义特殊字符，或表示特殊序列。 示例：\.可以匹配一个点字符，而不是任意字符。^：匹配字符串的开头。 示例：^Hello可以匹配以 “Hello” 开头的字符串。$：匹配字符串的结尾。 示例：World$可以匹配以 “World” 结尾的字符串。{}：定义重复次数的范围。 示例：a{2,4}可以匹配 “aa”、“aaa”、“aaaa”，但不匹配 “a” 或 “aaaaa”。\b：匹配单词边界，即字符前后不是字母、数字或下划线。 示例：\bword\b可以匹配 “word”，但不匹配 “words” 或 “sword”。\d：匹配任意一个数字字符，相当于[0-9]。 示例：\d{3}可以匹配三位数字。\w：匹配任意一个字母、数字或下划线字符，相当于[a-zA-Z0-9_]。示例：\w+可以匹配一个或多个字母、数字或下划线字符。\s：匹配任意一个空白字符，包括空格、制表符、换行符等。 示例：Hello\sWorld可以匹配 “Hello World” 或 “Hello\tWorld”。
常用的正则表达式
- 匹配数字：
^\d+$可以匹配一个或多个数字。 - 匹配字母：
^[a-zA-Z]+$可以匹配一个或多个字母。 - 匹配数字和字母：
^[a-zA-Z0-9]+$可以匹配一个或多个数字和字母的组合。 - 匹配邮箱地址：
^\w+([-+.']\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$可以匹配常见的邮箱地址格式。 - 匹配URL：
^(https?|ftp)://[^\s/$.?#].[^\s]*$可以匹配常见的URL格式。 - 匹配手机号码：
^1[3456789]\d{9}$可以匹配中国大陆的手机号码格式。 - 匹配日期（YYYY-MM-DD）：
^\d{4}-\d{2}-\d{2}$可以匹配YYYY-MM-DD格式的日期。 - 匹配时间（HH:MM）：
^([01]\d|2[0-3]):[0-5]\d$可以匹配24小时制的时间格式。 - 匹配IP地址：
^\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}$可以匹配IPv4地址。 - 匹配HTML标签：
<(\w+)>(.*)<\/\1>可以匹配简单的HTML标签，如...
- 匹配邮政编码：
^[1-9]\d{5}$可以匹配6位数字的邮政编码。 - 匹配身份证号码：
^\d{17}[\dXx]$可以匹配18位数字或17位数字加一个大写字母X（校验位）的身份证号码。 - 匹配电话号码（包括区号）：
^(\d{3,4}-)?\d{7,8}$可以匹配带有可选区号的固定电话号码。 - 匹配用户名：
^[a-zA-Z0-9_-]{3,16}$可以匹配长度为3到16个字符的用户名，允许字母、数字、下划线和减号。 - 匹配整数：
^-?\d+$可以匹配正整数或负整数。 - 匹配浮点数：
^-?\d+(\.\d+)?$可以匹配正浮点数或负浮点数。 - 匹配文件路径（Windows）：
^[A-Za-z]:\\(?:[^\\/:*?"<>|\r\n]+\\)*[^\\/:*?"<>|\r\n]*$可以匹配Windows文件路径，如C:\folder\file.txt。 - 匹配中文字符：
[\u4e00-\u9fa5]可以匹配任意一个中文字符。 - 匹配空白行：
^\s*$可以匹配只包含空白字符的行。 - 匹配HTML标签（非贪婪模式）：
<.*?>可以匹配HTML标签，但是在遇到第一个闭合的尖括号时停止匹配。
re常用函数
1. 使用search函数进行匹配
re.search(pattern, string, flags=0)：在字符串中搜索匹配正则表达式的第一个位置，并返回一个匹配对象。
import re
pattern = r"apple"
string = "I have an apple."
match = re.search(pattern, string)
if match:
print("Match found:", match.group())
else:
print("Match not found.")
2. 使用findall函数查找所有匹配项
re.findall(pattern, string, flags=0)：在字符串中查找所有匹配正则表达式的部分，并返回一个列表。
import re
pattern = r"\d+"
string = "I have 3 apples and 5 oranges."
matches = re.findall(pattern, string)
print(matches)
3. 使用sub函数进行替换
re.sub(pattern, repl, string, count=0, flags=0)：在字符串中查找匹配正则表达式的部分，并进行替换。
import re
pattern = r"apple"
string = "I have an apple."
new_string = re.sub(pattern, "orange", string)
print(new_string)
4. 使用compile函数编译正则表达式
re.compile(pattern, flags=0)：编译正则表达式为模式对象，以提高执行效率和复用。
import re
pattern = re.compile(r"\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}\b")
string = "Contact us at [email protected] or [email protected]"
matches = pattern.findall(string)
print(matches)
这些是常用的re模块函数的使用方法。通过这些函数，您可以在字符串中进行正则表达式的匹配、查找和替换操作。请记住，可以通过使用不同的标志和参数来调整匹配行为，并根据需要使用模式对象进行更复杂的操作。
常用正则表达式实例
1.匹配QQ
import re
text = "My QQ is 12345 and yours is 987654321."
qq_pattern = r"[1-9]\d{4,11}"
qq_matches = re.findall(qq_pattern, text)
print(qq_matches) # 输出: ['12345', '987654321']
2.匹配手机号码
import re
text = "My phone number is 13812345678 and yours is 18798765432."
phone_pattern = r"1[3456789]\d{9}"
phone_matches = re.findall(phone_pattern, text)
print(phone_matches) # 输出: ['13812345678', '18798765432']
3.匹配邮箱
import re
text = "My email is [email protected] and yours is [email protected]."
email_pattern = r"[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}"
email_matches = re.findall(email_pattern, text)
print(email_matches) # 输出: ['[email protected]', '[email protected]']
4.匹配网址
import re
text = "Check out these websites: http://www.example.com, https://www.google.com, www.yahoo.com"
# 匹配网址
url_pattern = r"(http|https)://([a-zA-Z0-9.-]+\.[a-zA-Z]{2,})"
urls = re.findall(url_pattern, text)
for url in urls:
full_url = url[0] + "://" + url[1]
print(full_url)
# 输出:
# http://www.example.com
# https://www.google.com
提取和操作匹配结果
当使用正则表达式进行匹配时，可以通过匹配结果对象进行提取和操作。以下是一些常用的方法和属性，用于提取和操作匹配结果：
- group():
group()方法用于获取匹配的字符串。- 可以传递一个可选的参数来指定要获取的捕获分组，默认为 0，表示整个匹配结果。
- 例如，
match.group(1)可以获取第一个捕获分组的内容。
- groups():
groups()方法返回一个包含所有捕获分组内容的元组。- 该方法不接受任何参数。
- 例如，
match.groups()返回包含所有捕获分组的元组。
- groupdict():
groupdict()方法返回一个字典，其中键是命名分组的名称，值是对应的匹配字符串。- 只适用于具有命名分组的正则表达式。
- 例如，
match.groupdict()返回一个包含命名分组内容的字典。
- start():
start()方法返回匹配的起始位置的索引。- 可以传递一个可选的参数来指定要获取的捕获分组的起始位置，默认为 0，表示整个匹配结果的起始位置。
- 例如，
match.start(1)返回第一个捕获分组的起始位置。
- end():
end()方法返回匹配的结束位置的索引。- 可以传递一个可选的参数来指定要获取的捕获分组的结束位置，默认为 0，表示整个匹配结果的结束位置。
- 例如，
match.end(1)返回第一个捕获分组的结束位置。
- span():
span()方法返回匹配的起始和结束位置的索引构成的元组。- 可以传递一个可选的参数来指定要获取的捕获分组的位置，默认为 0，表示整个匹配结果的位置。
- 例如，
match.span(1)返回第一个捕获分组的起始和结束位置的索引构成的元组。
通过这些方法和属性，你可以轻松地提取匹配结果中感兴趣的部分，进行进一步的处理和操作。请注意，在使用这些方法之前，确保匹配结果不是 None，即有匹配成功的结果。
贪婪和非贪婪匹配
在正则表达式中，贪婪匹配和非贪婪匹配是指匹配模式的匹配方式。
默认情况下，正则表达式是贪婪的，也就是尽可能多地匹配字符。例如，给定正则表达式a.*b和字符串a123b456b789，贪婪匹配会尽可能匹配更多的字符，结果是整个字符串被匹配为a123b456b。
然而，在某些情况下，我们可能需要非贪婪匹配，也称为最小匹配。非贪婪匹配会尽可能少地匹配字符。在正则表达式中，可以使用?来表示非贪婪匹配。对于上述例子，非贪婪匹配的正则表达式为a.*?b，结果会匹配第一个a和最近的b，即a123b。
另一个常见的示例是匹配HTML标签。给定正则表达式 another text another text 使用贪婪匹配或非贪婪匹配取决于具体的匹配需求。如果希望尽可能多地匹配字符，可以使用贪婪匹配；如果希望尽可能少地匹配字符，可以使用非贪婪匹配。需要注意的是，非贪婪匹配可能会导致匹配结果不符合预期，因此在使用时需要谨慎评估和调整。 代码实例： 字符串： 正则表达式1： 正则表达式2： 运行以上代码，输出如下： 在这个示例中，我们使用<.*>和字符串<.*?>，结果会匹配第一个import re
text = "贪婪匹配结果:
re.findall()函数来找到匹配正则表达式的所有结果。pattern1使用贪婪匹配方式，导致整个字符串被匹配；而pattern2使用非贪婪匹配方式，只匹配了第一个