python正则表达式概述
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
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()
re模块示例（匹配以xing_lu开头的语句）
#coding=utf-8
import re
result = re.match("xing_lu","xing_lu123")
result.group()
运行结果为xing_lu
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，即 "/w"的补集，等价于 [^a-zA-Z0-9_] |
注意：大小字母互为补集
示例1：[ ]
#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 Xinglu")
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 Xinglu")
print(ret.group())
# 大小写h都可以的情况
ret = re.match("[hH]","hello Xinglu")
print(ret.group())
ret = re.match("[hH]","Hello Xinglu")
print(ret.group())
ret = re.match("[hH]ello Xinglu","Hello Xinglu")
print(ret.group())
#ret = re.match("hello","Hello",re.I)
#print(ret.group()) #忽略大小写ignore-----Hello
# 匹配0到9第一种写法
ret = re.match("[0123456789]Hello Xinglu","7Hello Xinglu")
print(ret.group())
# 匹配0到9第二种写法
ret = re.match("[0-9]Hello Xinglu","7Hello Xinglu")
print(ret.group())
ret = re.match("[0-35-9]Hello Xinglu","7Hello Xinglu")
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 Xinglu","4Hello Xinglu")
# print(ret.group())
运行结果
h
H
h
H
Hello Xinglu
7Hello Xinglu
7Hello Xinglu
7Hello Xinglu
示例2： \d
#coding=utf-8
import re
# 普通的匹配方式
ret = re.match("Xinglu1号","Xinglu1号发射成功")
print(ret.group())
ret = re.match("Xinglu2号","Xinglu2号发射成功")
print(ret.group())
ret = re.match("Xinglu3号","Xinglu3号发射成功")
print(ret.group())
# 使用\d进行匹配
ret = re.match("Xinglu\d号","Xinglu1号发射成功")
print(ret.group())
ret = re.match("Xinglu\d号","Xinglu2号发射成功")
print(ret.group())
ret = re.match("Xinglu\d号","Xinglu3号发射成功")
print(ret.group())
运行结果
Xinglu1号
Xinglu2号
Xinglu3号
Xinglu1号
Xinglu2号
Xinglu3号
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 |
{m, }加上逗号，一个字符出现m到无限次
示例1： *
#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())
"""
ret = re.match("[A-Z][a-z]*","Aabcdef") #Aabcdef
表示：[A-Z]([a-z][a-z][a-z][a-z][a-z][a-z][a-z][a-z].....)
"""
运行结果
M
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，0-99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","678")
print(ret.group())
运行结果
7
33
67 # 这个结果并不是想要的，利用$才能解决
? 匹配前一个字符出现1次或者0次，要么有1次，要么没有。ret = re.match("[1-9]?\d","789")即[1-9]?可没有 ，和\d组成)
匹配开头结尾
| 字符 | 功能 |
|---|---|
| ^ | 匹配字符串开头 |
| $ | 匹配字符串结尾（到此处结尾，后面没有内容，有内容报错） |
示例1：$
需求：匹配163.com的邮箱地址
#coding=utf-8
import re
#不加$符号
email_list = ["[email protected]", "[email protected]", "[email protected]"]
for email in email_list:
ret = re.match("[\w]{4,20}@163\.com", email)
if ret:
print("%s 是符合规定的邮件地址,匹配后的结果是:%s" % (email, ret.group()))
else:
print("%s 不符合要求" % email)
运行结果
[email protected] 是符合规定的邮件地址,匹配后的结果是:[email protected]
[email protected] 是符合规定的邮件地址,匹配后的结果是:[email protected]
[email protected] 不符合要求
#coding=utf-8
import re
#加$符号
email_list = ["[email protected]", "[email protected]", "[email protected]"]
for email in email_list:
ret = re.match("[\w]{4,20}@163\.com$", email)
if ret:
print("%s 是符合规定的邮件地址,匹配后的结果是:%s" % (email, ret.group()))
else:
print("%s 不符合要求" % email)
运行结果
[email protected] 是符合规定的邮件地址,匹配后的结果是:[email protected]
[email protected] 不符合要求
[email protected] 不符合要求
匹配分组
| 字符 | 功能 |
|---|---|
| | | 匹配左右任意一个表达式 |
| (ab) | 将括号中字符作为一个分组 |
| \num | 引用分组num匹配到的字符串 |
| (?P |
分组起别名 |
| (?P=name) | 引用别名为name分组匹配到的字符串 |
示例1： |
需求：匹配出0-100之间的数字
#coding=utf-8
import re
ret = re.match("[1-9]?\d","8")
print(ret.group()) # 8
ret = re.match("[1-9]?\d","78")
print(ret.group()) # 78
# 不正确的情况
ret = re.match("[1-9]?\d","08")
print(ret.group()) # 0
# 修正之后的
ret = re.match("[1-9]?\d$","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", "[email protected]")
print(ret.group()) # [email protected]
ret = re.match("\w{4,20}@(163|126|qq)\.com", "[email protected]")
print(ret.group()) # [email protected]
ret = re.match("\w{4,20}@(163|126|qq)\.com", "[email protected]")
print(ret.group()) # [email protected]
ret = re.match("\w{4,20}@(163|126|qq)\.com", "[email protected]")
if ret:
print(ret.group())
else:
print("不是163、126、qq邮箱") # 不是163、126、qq邮箱
需求：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)
需求：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hh
#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*", "hh")
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*", "hh")
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*", "hh")
print(ret.group())
# 因为2对<>中的数据不一致，所以没有匹配出来
test_label = "hh"
ret = re.match(r"<([a-zA-Z]*)>\w*", test_label)
if ret:
print(ret.group())
else:
print("%s 这是一对不正确的标签" % test_label)
需求：匹配出
hh#coding=utf-8
import re
labels = ["hh
", "hh"]
for label in labels:
ret = re.match(r"<(\w*)><(\w*)>.*", 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
hh
是符合要求的标签
hh 不符合要求
示例4：(?P) (?P=name)
#coding=utf-8
import re
ret = re.match(r"<(?P\w*)><(?P\w*)>.*", "www.itcast.cn
")
ret.group()
ret = re.match(r"<(?P\w*)><(?P\w*)>.*", "www.itcast.cn")
ret.group()
注意字母P要大写
re模块的高级用法
search
示例：
需求:匹配出文章阅读的次数
#coding=utf-8
import re
ret = re.findall(r"\d+", "python = 9999, c = 7890, c++ = 12345")
print(ret)
运行结果：
'9999'
findall
示例：
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)
sub
示例：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
示例：从下面的字符串中取出文本
岗位职责：
完成推荐算法、数据统计、接口、后台等服务器端相关工作
必备要求：
良好的自我驱动力和职业素养，工作积极主动、结果导向
技术要求：
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
2、掌握HTTP协议，熟悉MVC、MVVM等概念以及相关WEB开发框架
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
4、掌握NoSQL、MQ，熟练使用对应技术解决方案
5、熟悉 Javascript/CSS/HTML5，JQuery、React、Vue.js
加分项：
大数据，数理统计，机器学习，sklearn，高性能，大并发。
参考答案:
re.sub(r"<[^>]*>| |\n", "", test_str)
split
示例：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：