【Python】正则表达式

正则表达式

​ 正则表达式,全称是 Regular Expression, 正则表达式, 即: 正确的, 符合特定规则的式子.用来校验和匹配数据,正则不独属于任意的一门语言, Java, Python…都支持, 且: 正则规则都是一样的, 不同的是 写法不一样.

python中正则使用步骤:

# 1.导包
            import re
# 2. 正则校验.
            re.match()
            re.search()
            re.compile().sub()
# 3. 获取匹配结果.
            result = re.group()

正则规则如下:

       	.           代表: 任意的1个字符
        \.          取消.的特殊含义, 就是一个普通的. 校验邮箱的时候用, 例如: [email protected]
        a           代表: 就是1个普通的字符a
        [abc]       代表: a,b,c其中的任意1个字符
        [^abc]      代表: 除了a,b,c外, 任意的1个字符
        \d          代表: 所有的数字, 等价于 [0-9]
        \D          代表: 所有的非数字, 等价于 [^0-9]
        \s          代表: 空白字符, \n, 空格, \t等...
        \S          代表: 非空白字符, 即: 上述取反.
        \w          代表: 非特殊字符, 即: 字母, 数字, _ 下划线, 汉字
        \W          代表: 特殊字符, 即: 上述取反.

        ^           代表: 开头      '^[^abc].*'
        $           代表: 结尾

        ?           数量词, 至少0次,至多1次
        +           数量词, 至少1次, 至多n次
        *           数量词, 代表前边的内容, 至少出现 0次, 至多出现 n次
        {n}         恰好n次, 多一次少一次都不行.
        {n,}        至少n次, 至多无所谓
        {n,m}       至少n次, 至多m次, 包括n和m

        |           或者的意思.
        ()			分组
        \num		\分组编号, 表示引入某组的内容.
        (?P<分组名>)       给分组起名字
        (?P=分组名)        使用指定分组的内容

具体代码示例:

正则替换

import re

if __name__ == '__main__':
    # 案例1: 把下述的符合正则规则的内容, 用*来替换.
    # 1. 定义 旧字符串.
    old_str = '你可以这样: 桀1桀2桀, 哈3哈, 呵A呵, 嘿嘿, 嘻嘻, 略略略, 嘤嘤嘤...'
    # 2. 定义 正则规则(字符串形式)
    reg_exp = '桀|哈|呵|嘿|嘻'
    # 3. 把符合正则规则的内容, 用*来替换.
    # 分解版写法.
    # 3.1 获取正则对象.
    # re_obj = re.compile(reg_exp)
    # 3.2 具体的替换过程.
    # result = re_obj.sub('*', old_str)

    # 合并版写法,         正则规则       新内容     旧内容
    # result = re.compile(reg_exp).sub('*', old_str)

    # 上述格式的语法糖, 正则规则   新内容     旧内容
    result = re.sub(reg_exp, '*', old_str)

    # 4 打印结果
    print(result)
    print('-' * 21)

    # 案例2: 回顾字符串的replace()函数.
    s1 = '抽烟只抽煊赫门, 一生只爱一个人. 其他烟: 中华, 煊赫门, 天叶, 煊赫门...'
    # result = s1.replace('煊赫门', '*')     # 不写次数, 默认替换所有.
    # result = s1.replace('煊赫门', '*', 1)  # 只替换1次(个)
    result = s1.replace('煊赫门|中华|天叶', '*')
    print(f'result:  {result}')

校验单个字符

if __name__ == '__main__':
    # 演示: .           代表: 任意的1个字符, \n除外
    result = re.match('csdn.', 'csdna')     # csdna
    result = re.match('csdn.', 'csdn\t')    # csdn\t
    result = re.match('csdn.', 'csdn\n')    # 未匹配

    # 演示: \.          代表: 1个普通的.  即: 取消.的特殊含义
    # 细节: 为了防止打印异常信息, 你可以写成: r'csdn\.'  或者 'csdn\\.'
    result = re.match('csdn\\.', 'csdna')        # 未匹配
    result = re.match('csdn\\.', 'csdn.')        # csdn.
    result = re.match('csdn\\.', 'csdn.abc')     # csdn.

    # 演示: a           代表: 1个字符a
    result = re.match('a', 'abc')            # a
    result = re.match('a', 'xyz')            # 未匹配

    # 演示: [abc]       代表: a, b, c中任意的1个字符, 即: 要么a, 要么b, 要么c
    result = re.match('csdn[abc]', 'csdnabc')    # csdna
    result = re.match('csdn[abc]', 'csdnbc')     # csdnb
    result = re.match('csdn[abc]', 'csdnd')      # 未匹配

    # 演示: [^abc]      代表: 除了a,b,c外, 任意的1个字符
    result = re.match('csdn[^abc]', 'csdnabc')  # 未匹配
    result = re.match('csdn[^abc]', 'csdnbc')   # 未匹配
    result = re.match('csdn[^abc]', 'csdnd')    # csdnd

    # 演示: \d          代表: 任意的1个整数, 等价于 [0-9]
    result = re.match('abcdefg[0-9]', 'abcdefg1')     # abcdefg1
    result = re.match('abcdefg[0-9]', 'abcdefg3a')    # abcdefg3
    result = re.match(r'abcdefg\d', 'abcdefg3a')      # abcdefg3
    result = re.match(r'abcdefg\d', 'abcdefga')      # 未匹配

    # 演示: \D          代表: 任意的1个非整数, 等价于 [^0-9]
    result = re.match(r'abcdefg\D', 'abcdefga')   # abcdefga
    result = re.match(r'abcdefg\D', 'abcdefg3a')  # 未匹配

    # 演示: \w          代表: 非特殊字符, 即: 大小写英文字符, 数字, _, 汉字
    result = re.match(r'abcdefg\w', 'abcdefga')  # abcdefga
    result = re.match(r'abcdefg\w', 'abcdefgB')  # abcdefgB
    result = re.match(r'abcdefg\w', 'abcdefg1')  # abcdefg1
    result = re.match(r'abcdefg\w', 'abcdefg_')  # abcdefg_
    result = re.match(r'abcdefg\w', 'abcdefg!')  # 未匹配

    # 演示: \W          代表: 特殊字符, 即: \w 取反.
    result = re.match(r'abcdefg\W', 'abcdefg!')  # abcdefg!
    result = re.match(r'abcdefg\W', 'abcdefg_')  # 未匹配

    # 演示: \s          代表: 空白字符, 例如: 空格, \t...
    result = re.match(r'abcdefg\s', 'abcdefg')    # 未匹配
    result = re.match(r'abcdefg\s', 'abcdefg ')   # abcdefg
    result = re.match(r'abcdefg\s', 'abcdefg\t')  # abcdefg
    result = re.match(r'abcdefg\s', 'abcdefg\n')  # abcdefg\n
    result = re.match(r'abcdefg\s', 'abcdefga')   # 未匹配

    # 演示: \S          代表: 非空白字符, 即: \s取反.
    # 自己测试.

    # 打印校验到的数据.
    if result:
        print(f'匹配到: {result.group()}')
    else:
        print('未匹配!')

校验多个字符

import re

# main中测试
if __name__ == '__main__':
    # 演示: ?           代表: 前边的内容, 出现0次 或者 1次
    result = re.match('csdn.?', 'csdn')
    result = re.match('csdn.?', 'csdn ')
    result = re.match('csdn.?', 'csdnabcABC')
    result = re.match('csdn.?', 'csdn\nABC')    # csdn

    # 演示: *           代表: 前边的内容, 至少出现0次, 至多出现n次(无数次)
    result = re.match('csdn[abc]*', 'csdn\nABC')  # csdn
    result = re.match('csdn[abc]*', 'csdnabcABC') # csdnabc
    result = re.match('csdn[abc]*', 'csdn ')      # csdn
    result = re.match('csdn[abc]*', 'csdn')       # csdn

    # 演示: +           代表: 前边的内容, 出现1次 或者 多次.
    result = re.match('csdn[abc]+', 'csdn')   # 未匹配
    result = re.match('csdn[abc]+', 'csdn ')  # 未匹配
    result = re.match('csdn[abc]+', 'csdn\nABC')  # 未匹配
    result = re.match('csdn[abc]+', 'csdnabcABC')  # csdnabc

    # 演示: a{n}        代表: a恰好出现n次, 多一次少一次都不行.
    result = re.match('csdn[abc]{2}', 'csdnabcABC')  # csdnab
    result = re.match('csdn[abc]{2}', 'csdnacb')     # csdnac
    result = re.match('csdn[abc]{2}', 'csdna')       # 未匹配

    # 演示: a{n,}       代表: a至少出现n次, 至多无所谓.
    result = re.match('csdn[abc]{2,}', 'csdna')         # 未匹配
    result = re.match('csdn[abc]{2,}', 'csdnacb')       # csdnacb
    result = re.match('csdn[abc]{2,}', 'csdnabcABC')    # csdnabc

    # 演示: a{n,m}      代表: a至少出现n次, 至多出现m次, 包括n 和 m
    result = re.match('csdn[abc]{2,3}', 'csdnabcde')     # csdnabc
    result = re.match('csdn[abc]{2,3}', 'csdna')         # 未匹配


    # 打印结果.
    print(f'匹配到: {result.group()}' if result else '未匹配!')

校验开头和结尾

import re

if __name__ == '__main__':
    # 演示: ^       代表: 正则表达式的 开头
    # 需求: 校验字符串必须以 it 开头.
    result = re.match(r'it\d', 'it123')      # it1
    result = re.match(r'it\d', '1it123')     # 未匹配!

    result = re.search(r'it\d', 'it123')   # it1
    result = re.search(r'it\d', '1it123')  # it1

    # ^代表开头, 即: 如下的代码其实是 全词匹配, 必须从字符串的第1个字符开始校验.
    result = re.search(r'^it\d', '1it123')  # 未匹配!

    # 演示: $       代表: 正则表达式的 结尾
    # 需求: 校验字符串必须以 数字 结尾.
    result = re.match(r'it\d', 'it123a')      # it1
    result = re.match(r'it\d$', 'it123a')     # 未匹配!

    # 扩展: 校验手机号.
    # 规则: 1. 必须以1开头.   2.第2位数字可以是3 ~ 9.  3.必须是纯数字.  4.长度必须是11位.
    result = re.match(r'^1[3-9]\d{9}$', '13112345678a')
    result = re.match(r'^1[3-9]\d{9}$', '13112345678')

    # 打印匹配到的结果.
    print(result.group()  if result else '未匹配!')

校验分组

import re

if __name__ == '__main__':
    # 需求1: 在列表中, 打印用户喜欢吃 和 不喜欢吃的水果.
    # 1. 定义水果列表.
    fruits = ['apple', 'banana', 'orange', 'pear']
    # 2. 遍历, 获取每种水果.
    for fruit in fruits:
        # 3. 假设用户喜欢吃 香蕉, 梨, 判断即可.
        result = re.match('banana|pear', fruit)
        # 4. 打印结果.
        if result:
            print(f'喜欢吃: {fruit}')
        else:
            print(f'不喜欢吃: {fruit}')

校验邮箱

import re

if __name__ == '__main__':
    # 需求: 匹配出 163, 126, qq等邮箱.
    # 邮箱规则: 前边是4 ~ 20位的字母, 数字, 下划线 + @标记符 + 域名
    # 1. 定义邮箱字符串.
    email_str = 'zhangsan@163com'
    email_str = '[email protected]'
    email_str = '[email protected]'
    email_str = '[email protected]'

    # 2. 定义 校验邮箱的 正则表达式.
    pattern = r'^[a-zA-Z0-9_]{4,20}@(163|126|qq)\.com$'
    # 3. 校验邮箱.
    result = re.match(pattern, email_str)
    # 4. 打印结果.
    if result:
        print(f'匹配到: {result.group()}')     # [email protected], 等价于 result.group(0), 即: 获取所有匹配到的数据
        print(f'匹配到: {result.group(0)}')    # [email protected], 效果同上.
        print(f'匹配到: {result.group(1)}')    # 163
    else:
        print('未匹配!')

提取指定的分组的数据

import re

if __name__ == '__main__':
    # 需求: 匹配 qq:qq号 这样的数据, 提取出 qq文字 和 qq号码.
    # 1. 定义字符串.
    s1 = "qq:1234567"

    # 2. 匹配数据.
    result = re.match(r'(qq):(\d{6,11})', s1)

    # 3. 打印匹配到的数据.
    if result:
        print(f'匹配到: {result.group()}')     # qq:1234567
        print(f'匹配到: {result.group(0)}')    # qq:1234567
        print(f'匹配到: {result.group(1)}')    # qq
        print(f'匹配到: {result.group(2)}')    # 1234567
    else:
        print('未匹配!')

引用指定的内容

import re

if __name__ == '__main__':
    # 需求1: 正则校验 html标签, 简单版.
    # 1. 定义html标签字符串.
    html_str1 = 'csdnpy'

    # 2. 正则校验.
    # 假设: 标签规则: 2到4位字母
    result = re.match('<[a-zA-Z]{2,4}>.*', html_str1)

    # 上述格式优化版, 加入: 分组思想.
    result = re.match(r'<([a-zA-Z]{2,4})>.*', html_str1)

    # 3. 打印匹配结果.
    if result:
        print(f'匹配到: {result.group()}')
    else:
        print('未匹配!')

    print('-' * 21)

    # 需求2: 正则校验 html标签, 升级版.
    # 假设: 外部标签规则 2到4位字母,  内部标签规则: h + 1到6的数字
    # 1. 定义html标签字符串.
    html_str2 = '
csdnpy
'

    # 2. 正则校验
    result = re.match(r'<[a-zA-Z]{2,4}>.*', html_str2)
    # 加入分组, 优化上述的代码.
    result = re.match(r'<([a-zA-Z]{2,4})><(h[1-6])>.*', html_str2)

    # 扩展: 给分组设置组名.
    result = re.match(r'<(?P[a-zA-Z]{2,4})><(?Ph[1-6])>.*', html_str2)

    # 3. 打印匹配结果.
    if result:
        print(f'匹配到: {result.group()}')
    else:
        print('未匹配!')