python基础-RE正则表达式

re 正则表示式
　　正则表达式（或 RE）是一种小型的、高度专业化的编程语言，（在Python中）它内嵌在Python中，并通过 re 模块实现。正则表达式模式被编译成一系列的字节码，然后由用 C 编写的匹配引擎执行。

一、正则表达式的作用
1、给字符串进行模糊匹配，
2、对象就是字符串

二、字符匹配(普通字符，元字符)
1.普通字符：数字字符和英文字母和自身匹配
2.元字符：. ^ $ * + ? {} [] () | \
re.方法("规则","匹配的字符串")
. 匹配任意一个字符，除了\n换行符

三、匹配规则

四、使用前需先导入re模块

import re

五、演示示例

findall 用法

ps1:

 #找出字符串中的数字
 re.findall('\d+',"alex22jack33rain32sdfsd4")  #执行这段代码

执行结果：

 ['', '', '', '']

ps2:

findall 找到匹配，返回所有匹配部分的列表(
re.findall("a..x","adsxaeyxsk19")   #找到所有以a开头，以x结尾的字符

执行结果：

 ['adsx', 'aeyx']

ps3:

 re.findall("I","I am LIST")   #匹配所有I的字符

执行结果：

 ['I', 'I']

.  的作用：匹配任意的意思（一个点代表一个字符，有多个字符，就用多个点代替）

 re.findall("a..x","adsfaeyxsk19")  #匹配以a开头，以x结尾的字符

执行结果：

 ['aeyx']

^ 只能在字符串的开头去匹配

ps1:

 re.findall("^a..x","adsxaeyxsk19")   #^ 只能在字符串的开头去匹配

执行结果：

 ['adsx']

ps2:

 re.findall("^I","I am LIST")   #匹配开头是I的字符

执行结果：

 ['I']

以d开头，*匹配所有是d的

 re.findall("^d*","dddddddd1ksdfgjdddddd")

执行结果：

 ['dddddddd']

$ 匹配以什么结尾的字符

 re.findall("a..x$","adsxaeyxsk19arrx")  #这里表示匹配以x结尾的字符

执行结果：

 ['arrx']

* + ？ {} 匹配重复的符号（贪婪匹配）

ps1:

 re.findall("d*","adsxaeddddddddddddyxsk19arrx")   #* 紧挨着的字符，可以匹配无穷次

执行结果：

 ['', 'd', '', '', '', '', 'dddddddddddd', '', '', '', '', '', '', '', '', '', '', '']

ps2:

  re.findall("alex*","asdhfalexxx")   #*匹配以alex中，x结尾的所有x  ，因为*代表可以重复的符号

执行结果：

 ['alexxx']

ps3:

  re.findall("alex+","asdhfalexxx")      #+匹配以alex中，x结尾的所有x，因为+代表可以重复的符号

执行结果：

 ['alexxx']

ps4:

 re.findall("alex*","asdhfale")   # *可以代表什么都没有

执行结果：

 ['ale']

ps5:

 re.findall("alex?","asdhfalexxx")   #？代表0次或1次

执行结果：

 ['alex']

ps6:

 re.findall("alex?","asdhfale")     #？代表0次或1次

执行结果：

 ['ale']

{} 想取多少次，就取多少次
{0，} ==*

 re.findall("alex{1,}","asdhfalexx")

执行结果：

 ['alexx']

{1，}==+

 re.findall("alex{0,}","asdhfalexx")

执行结果：

 ['alexx']

{0,1}==？

  re.findall("alex{0,1}","asdhfalexx")

执行结果：

 ['alex']

{6} 重复6次

 re.findall("alex{6}","asdhfalexxxxxx")

执行结果：

 ['alexxxxxx']

{0,6} 重复1,2,3,4,5,6

  re.findall("alex{0,6}","asdhfalexx")

执行结果：

 ['alexx']

[ ] 字符集 等于或的作用

ps1:

  re.findall("x[yz]","xyuuuu")   

执行结果：

 ['xy']

ps2:

 re.findall("x[yz]","xyuuxzuu")  #或的作用

执行结果：

 ['xy', 'xz']

ps3:

 re.findall("x[yz]p","xypuuxzpuu")   #或的作用

执行结果：

 ['xyp', 'xzp']

ps4:

 re.findall("q[a-z]*","quo")    #匹配以a-z结束的字符

执行结果：

 ['quo']

ps5:

 re.findall("q[a-z]*","quogjgkjjhk")   #匹配以a-z所有的字符

执行结果：

 ['quogjgkjjhk']

ps6:

 re.findall("q[a-z]*","quogjgkjjhk9")  #匹配以a-z所有的字符

执行结果：

 ['quogjgkjjhk']

ps7:

 re.findall("q[0-9]*","quogjgkjjhk9")   #匹配以q开头挨着的0-9的字符，所以只有q

执行结果：

 ['q']

ps8:

 re.findall("q[0-9]*","q899uogjgkjjhk9")  #匹配以q开头挨着的0-9的字符，所以只有q899

执行结果：

 ['q899']

[^] 就是不是他的都匹配上

 re.findall("q[^a-z]","q213")   #只能匹配a-z之外的字符集

执行结果：

 ['q2']

元字符\  就是让有意义的变成没有意义，让无意义的变成有意义

ps1:

 re.findall("\d","12+(34*6+2-5*(2-1))")    #匹配任何十进制的数

执行结果：

 ['', '', '', '', '', '', '', '', '']

ps2:

 re.findall("\d+","12+(34*6+2-5*(2-1))")   #匹配任何十进制的数

执行结果：

 ['', '', '', '', '', '', '']

ps3:

 re.findall("[0-9]+","12+(34*6+2-5*(2-1))")   #匹配所有0-9的字符

执行结果：

 ['', '', '', '', '', '', '']

ps4:

 re.findall("[\D]+","12+(34*6+2-5*(2-1))")  #匹配所有非数字

执行结果：

 ['+(', '*', '+', '-', '*(', '-', '))']

字符匹配

ps1:

 re.findall("\D+","hello world")    #\D匹配非数字字符

执行结果：

 ['hello world']

ps2:

 re.findall("\S+","hello world")   #\S 匹配非空的字符

执行结果：

 ['hello', 'world']

ps3:

 re.findall("\w","hello world_")   #\w 匹配任何字母数字字符

执行结果：

 'h', 'e', 'l', 'l', 'o', 'w', 'o', 'r', 'l', 'd', '_']

ps4:

 re.findall("www.baidu","www/baidu")  #匹配任意字符

执行结果：

 ['www/baidu']

ps5:

 re.findall("www.baidu","wwwobaidu")  #匹配任意字符

执行结果：

 ['wwwobaidu']

ps6:

  re.findall("www.baidu","www\nbaidu")  ##匹配任意字符，但只有\n除外

执行结果：

 []

ps7:

 re.findall("www\.baidu","www.baidu")   #\去除元字特殊功能

执行结果：

 ['www.baidu']

ps8:

 re.findall("www\*baidu","www*baidu")   #\有特殊功能，可以转义

执行结果：

 ['www*baidu']

匹配中间带有空格的字符

ps1:

  re.findall(r"I\b","I am LIST")  re的r =\\ ,就相当转义两次

执行结果：

 ['I']

ps2:

 re.findall("I\\b","I am LIST")    #\\转义字符

执行结果：

 ['I']

ps3:

python解释器\\ 两个，re转义\\ 两个,所以是\\\\ 四个

 re.findall("c\\\\l","abc\lerwt")    #同时匹配c和l

执行结果：

 ['c\\l']

ps4:

 re.findall(r"c\\l","abc\lerwt")   #同时匹配c和l

执行结果：

 ['c\\l']

| 就是或的意思

ps1:

re.findall(r"ka|b","sdjkasf")     #匹配ka或b

执行结果：

 ['ka']

ps2:

 re.findall(r"ka|b","sdjkbsf")   匹配ka或b

执行结果：

 ['b']

ps3:

 re.findall(r"ka|b","sdjka|bsf")   #匹配ka或b

执行结果：

 ['ka', 'b']

元字符分组 ()

ps1:

 re.findall("(abc)+","abcabc" )

执行结果：

 ['abc']

ps2:

 re.findall("(abc)+","abccccc" )

执行结果：

 ['abc']

search 函数会在字符串内查找模式匹配,只到找到第一个匹配然后返回一个包含匹配信息的对象,该对象可以
通过调用group()方法得到匹配的字符串,如果字符串没有匹配，则返回None。

ps1:

re.search("(?P<name>\w+)","abcccc")

执行结果：

 <_sre.SRE_Match object; span=(0, 6), match='abcccc'>  #匹配成功了，返回的就是对象

ps2:

 re.search("\d+","sdfas34sdfg15")

执行结果：

 <_sre.SRE_Match object; span=(5, 7), match=''>

ps3:

 re.search("\d+","sdfas34sdfg15").group()   #\d+ 是匹配数字

执行结果：

 ''

ps4:

 re.search("(?P<name>[a-z]+)","alex36wusir34xialv33")  #<>的作用就是把内容进行分组

执行结果：

 <_sre.SRE_Match object; span=(0, 4), match='alex'>

ps5:

 re.search("(?P<name>[a-z]+)","alex36wusir34xialv33").group()   #group()匹配的内容取出来

执行结果：

 'alex'

ps6:

 re.search("[a-z]*","alex36wusir34xialv33").group()  #匹配包含a-z的内容

执行结果：

 'alex'

ps7:

 re.search("[a-z]+","alex36wusir34xialv33").group()   #匹配包含a-z的内容，+号的作用就是重复

执行结果：

 'alex'

ps8:

 re.search("(?P<name>[a-z]+)\d+","alex36wusir34xialv33").group("name")   #通过分组，可以给group传叁数，找出你想要的信息

执行结果：

 'alex'

ps9:

 re.search("(?P<name>[a-z]+)(?P<age>\d+)","alex36wusir34xialv33").group("age")  #通过分组找出你想要的信息

执行结果：

 ''

ps10:

 匹配网站URL的路径
 http://www.cnblogs.com/yuanchenqi/articles/5732581.html

 re.search("(?P<name>[a-z]+)\(?P<age>\d+)","alex36wusir34xialv33").group("age")  #()\()  配置URL地址 ，不要运行这条，会报错！

re模块下的常用方法

findall

 re.findall('a','alvin yuan')    #返回所有满足匹配条件的结果,放在列表里

执行结果：

 ['a', 'a']

search

 re.search('a','alvin yuan').group()  #函数会在字符串内查找模式匹配,只到找到第一个匹配然后返回一个包含匹配信息的对象,该对象可以
                                      #通过调用group()方法得到匹配的字符串,如果字符串没有匹配，则返回None。

执行结果：

 'a'

match

ps1:

 re.match('a','abc').group()     #同search,不过尽在字符串开始处进行匹配

执行结果：

 'a'

ps2:

 re.match("\d+","56alex36wusir34xialv33")

执行结果：

 <_sre.SRE_Match object; span=(0, 2), match=''>

ps3:

 re.match("\d+","56alex36wusir34xialv33").group()

执行结果：

 ''

re.match与re.search的区别

re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配。

split  分割

ps1:

 ret=re.split('[ab]','abcd')     #先按'a'分割得到''和'bcd',在对''和'bcd'分别按'b'分割
 print(ret)

执行结果：

 ['', '', 'cd']

ps2:

 re.split(" ","hello abc def")   #匹配中间带有空格的

执行结果：

 ['hello', 'abc', 'def']

ps3:

 re.split("[ l]","hello abcldef")

执行结果：

 ['he', '', 'o', 'abc', 'def']

ps4:

 re.split("[ |]","hello abc|def")

执行结果：

 ['hello', 'abc', 'def']

ps5:

  re.split("[ab]","asdabcd")

执行结果：

 ['', 'sd', '', 'cd']

ps6:

 re.split("[ab]","abc")  #以自己为分界点，进行分隔，有的就以‘’ 填充

执行结果：

 ['', '', 'c']

sub 替换

ps1:

 re.sub("\d+","A","jaskd4234ashdjf5423")   #把所有数字替换为A（4234替换为A）

执行结果：

 'jaskdAashdjfA' 

ps2:

 re.sub("\d","A","jaskd4234ashdjf5423")   #把所有数字替换为A（4234替换为AAAA）

执行结果：

 'jaskdAAAAashdjfAAAA'

ps3:

 ret=re.sub('\d','abc','alvin5yuan6',1)  #把5替换成abc

执行结果：

 alvinabcyuan6

ps4:

 re.sub("\d","A","jaskd4234ashdjf5423",4)   #指定替换次数 4，只替换前面4个数字

执行结果：

 'jaskdAAAAashdjf5423'

subn  第一个匹配元组，第二个匹配次数

ps1:

 ret=re.subn('\d','abc','alvin5yuan6')    #第一个匹配元组，第二个匹配次数
 print(ret)

执行结果：

 ('alvinabcyuanabc', 2)

ps2:

 re.subn("\d","A","jaskd4234ashdjf5423")  #第一个匹配元组，第二个匹配次数，8次

执行结果：

 ('jaskdAAAAashdjfAAAA', 8)

compile 编译

ps1:

 com=re.compile("\d+")     #编译好了一次，下次再用，直接就调用他，不用再编译，提高匹配速度
 com.findall("fjlksad234hfjksd3421")   #可以匹配多次

执行结果：

 ['', '']

ps2:

 obj=re.compile('\d{3}')
 ret=obj.search('abc123eeee')
 print(ret.group())

执行结果：

 123

finditer(迭代器）当数据非常多的时候，他会把数据存在迭代器中，不会放在内存中，用一条处理一条。

ps1:

 re.finditer("\d","sdfgs6345dkflfdg534jd")

执行结果：

 <callable_iterator object at 0x01093710>        #返回的是迭代器对象

ps2:

 ret=re.finditer("\d","sdfgs6345dkflfdg534jd")
 next(ret).group()      #拿到结果
 ''
 next(ret).group()
 ''
 next(ret).group()
 ''
 next(ret).group()
 ''
 next(ret).group()
 ''
 next(ret).group()
 ''
 next(ret).group()
 ''

补充内容：

ps1:

 ret=re.findall('www.(baidu|oldboy).com','www.oldboy.com')
 print(ret)

执行结果：

 ['oldboy']     #这是因为findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可

ps2:

 re.findall("www\.(baidu|163)\.com","www.baidu.com")  

执行结果：

 ['baidu']      #这是因为findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可

ps3:

 re.findall("www\.(baidu|163)\.com","dfdsssfwww.baidu.comdsfsfs")

执行结果：

 ['baidu']      #这是因为findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可

ps4:

 re.findall("www\.(baidu|163)\.com","dfdsssfwww.163.comdsfsfs")

执行结果：

 ['']        #这是因为findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可

ps5:

 ret=re.findall('www.(?:baidu|oldboy).com','www.oldboy.com')
 print(ret)

执行结果：

 ['www.oldboy.com']

ps6:

 re.findall("www\.(?:baidu|163)\.com","dfdsssfwww.163.comdsfsfs")   #如果要匹配置全部网址，取消他的优化级,在前面加？:

执行结果：

 ['www.163.com']

生产环境常见正则示例：

1、匹配手机号

 phone_num = ''
 a = re.compile(r"^1[\d+]{10}")
 b = a.match(phone_num)
 print(b.group())

2、匹配IPv4

 # 匹配IP地址
 ip = '192.168.1.1'
 a = re.compile(r"(((1?[0-9]?[0-9])|(2[0-4][0-9])|(25[0-5]))\.){3}((1?[0-9]?[0-9])|(2[0-4][0-9])|(25[0-5]))$")
 b = a.search(ip)
 print(b)

3、匹配E-mail

 email = '630571017@qq.com'
 a = re.compile(r"(.*){0,26}@(\w+){0,20}.(\w+){0,8}")
 b = a.search(email)
 print(b.group())

计算机作业