Python-正则表达式及实战小例子

注意Python的字符串本身也用'\'转义，所以要特别注意,一般我们都建议使用Python的r前缀，就不用考虑转义的问题了

1，行的起始

例子：匹配‘cat’ 开头

patt=re.compile(r'^cat') # re.compile 返回一个正则表达式对象

表示匹配以c作为一行的第一个字符，后面跟着a,后面跟着t

所以'vocative'就不会被匹配到，原因是因为cat在字符的里面

2，行的结尾

import re

sentence='''Hi Jack:\n

      Python is a beautiful language\n

      BR'''

patt=re.compile(r'(BR|Bestregards)$')

m=re.search(patt,sentence)

if m :

   print 'match'

else:

   print 'not match'

>>

match

要查找sentence中是否以“BR或Bestregards” 结尾　　

3 ，单词的边界

正则里面有2个特殊字符\b and \B来匹配单词的边界 :

\b 匹配的模式是一个单词的边界(不论这个单词的前面是有字符还是没有字符)
\B 匹配出现在一个单词中间的模式
例如:

the #匹配包含有'the'的字符串

\bthe #匹配任何以'the'开始的字符串

\bthe\b #仅仅匹配单词'the'

\Bthe #匹配任意包含'the'但不以'the'开头的单词

4，字符组

比如我们需要匹配'grey'或者'gray'的时候，怎么办,可以用正则的[]来表示,gr[ea]y,表示先找到g,然后找到r,然后找到e或者a,最后是一个y

patt=re.compile(r'gr[ea]y')#意思就是grey 或者gray都是可以匹配上的

5，多选结构

我们可以用'|'来匹配任意子表达式,'|'是一个非常简便的元字符,它的意思是"或"，通过它我们能把不同的子表达式组合成一个总的表达式,比如'am'|'pm'就是能够同时匹配其中任意一个的正则表达式,回头再看上面的例子'gr[ea]y',其实能写成'grey|gray',或者'gr(e|a)y'

6、可选项元素
'？' 表示可选项，问号跟在什么后面就表示什么是可选的
例如：6月4日，可能写成'June'也可以写成'Jun',而且日期也有可能写作'fourth'或者'4th'或者4，这个时候就可以写成June？（fourth|4(th)?）,代表了e是可选的，th是可选的，可有可无都表示4号

7，重复出现
+，表示紧邻元素重复出现一次或者多次，至少出现一次，否则返回失败；
*，表示紧邻元素重复出现0次或者多次，允许出现0次；
例如：

a*表示0个或者多个a,所以为0的时候，就是空字符
a+表示1个或者多个a,所以a至少要有1次

8，匹配重复的次数
次数用{}里面的数字来表示
例如：patt=re.compile(r'([1-9]{3})') 就表示匹配1-9之间的数字，且这个数字只能出现3次，str='123str' ,就可以匹配上，而str1='2str1'就不能匹配，如果想匹配上要这么写patt1=re.compile(r'([1-9]{1-3})'),1-9数字出现1次或2次或3次

9、排除型字符组

当^在字符组的外面的时候"表示一个行的开头"
当^在字符组的内部(而且是必须紧接着字符组的第一个方括号之后)，它就是一个元字符，表示排除型
例如：找出字母g后面的字母不是u

import re

words=['gold','Google','Sogu','Guess']

patt=re.compile(r'.*g[^u]')   #‘.’匹配任意一个字符，'*'匹配0个或多个字符，g后面不是u 

for w in words:

   m=re.match(patt,w)

   if m:

      print w

>>
gold
Google

实战小例子
1，设计一个正则来过滤一个字符串序列中的10到59

import re

patt=r'[1-5][0-9]'

lis=[10,20,30,40,2,3,59,60,'aa','3aaa']

match=re.findall(patt,str(lis))

if match:
  print(match)

结果：
['10', '20', '30', '40', '59']

2，过滤字符串中的只含2个字符的字母，并且第一个字母是大写A或B或C

patt=r'[A-C][A-Z a-z]'

3，过滤一个字符串中的含3个字母的独立字符

例如：比如这样的一个字符串'xy,1,2,?,123@sohu,Ab,w1,Cz,xyh,abc',只想过滤出来xyh，abc 这样的

patt=r'/b[a-z A-Z]{3}/b' #/b 单词的边界

4、过滤一个字符串中的含3个字母的字符,并且最后一个字母是z

patt=r'/b[a-z A-Z][a-z A-Z][Z]/b'

5，过滤正确的24小时时间制

import re

time='10:00,99:90,8:00,19:19:14:00pm,5:xm,6,00,8:0923:23pm,29:19pm,23:59'

patt = r'\b([01]?[0-9]|2[0-4])(:)([0-5][0-9])'

match = re.findall(patt,time)

if match:

    print([''.join(x)for x in match])

执行结果：
['10:00', '8:00', '19:19', '14:00', '8:09', '23:59']