python 正则表达式

一、正则表达式语法

正则表达式是用匹配或者描述字符串的工具。
用处：
a.判断字符串是否满足某个条件---判断输入的字符串是否是邮箱/手机号码。是否是ip地址
b.提取满足条件的字符串
c.字符串替换

python中通过re模块中相应的方法来支持正则表达式的匹配、查找和替换等功能

from re import fullmatch

fullmatch(正则表达式字符串, 字符串) ---> 判断正则表达式和字符串是否完全匹配
正则表达式字符串: 就是一个字符串，字符串中是正则表达式语法。r'正则表达式'
正则表达式中包含两个部分，一个是正则语法对应的字符，二个是普通字符

1 .(匹配任意字符)

一个.只匹配一个任意字符
匹配一个长度是3的字符串，第一个字符是'a', 第二个字符是任意字符，最后一个字符是b
re_str = r'a.b'
result = fullmatch(re_str, 'a|b')
print(result)

匹配一个长度是4，第一个字符和最后一个字符分别是a和b,中间两个字符是任意字符的字符串
re_str = r'a..b'
result = fullmatch(re_str, r'a\nb')
print(result)

2 \w(匹配字母数字下划线)

一个\w匹配一个字符
匹配一个第一个字符是数字字母或者下划线，后面三个字符是任意字符的字符串
re_str = r'\w...'
result = fullmatch(re_str, 'o8js')
print(result)

3 \s(匹配任意空白字符)

空白字符: 空格、制表符(\t)、回车(换行\n)等，都输入空白字符,一个\s匹配一个空白字符
匹配一个第一个字符是a,第二个字符是空白，最后一个字符b的字符串
re_str = r'a\sb'
result = fullmatch(re_str, 'a\nb')
print(result)

4 \d(匹配数字字符)

re_str = r'\d\d\d'
result = fullmatch(re_str, '282')
print(result)

5 \b(检测边界)

一个\b不会去匹配一个字符，而是单纯的检测\b出现的位置是否是单词边界
单词边界: 字符串开始和结尾、空格、换行、标点符号等，可以将两个单词隔开的字符都单词边界
re_str = r'\babc'
re_str = r'abc\b\saaa'  # 匹配一个字符串前三位是abc,第四位是空白字符，后面是aaa。并且要求c后面是单词边界
result = fullmatch(re_str, 'abc aaa')
print(result)

6 ^(检测是否是字符串开头)

re_str = r'^\d\d\d'   # 判断一个字符串是否是三个数字开头
result = fullmatch(re_str, '123')
print(result)

7 $(检测是否是字符串结尾)

re_str = r'abc$'
result = fullmatch(re_str, 'abc')
print(result)

8 \W(匹配非字母、数字下划线)

re_str = r'\Wabc'
result = fullmatch(re_str, '#abc')
print(result)

9 \S(匹配非空白字符)

re_str = r'\S...'
result = fullmatch(re_str, '2jkh')
print(result)

10 \D(匹配非数字字符)

re_str = r'\D\w\w\w'
result = fullmatch(re_str, '#h7_')
print(result)

11 \B(检测是否不是单词边界)

re_str = r'and\BYou'
result = fullmatch(re_str, 'andYou')
print(result)

12

一个[]匹配一个字符
[字符集] --> 匹配一个字符，这字符是字符集中的任意一个字符

例如：[abc], [\d+]

[字符1-字符2] --> 匹配一个字符，这个字符是Unicode编码值在字符1到字符2中的任意一个字符;要求字符1的编码值要小于字符2
例如：[1-9] --> 数字1到9 [a-z] --> 小写字母 [A-Z] --> 大写字母

[\u0031-\u0039] --> 数字1到9
[\u4E00-\u9fa5] --> 匹配所有的汉字

注意：-在中括号中，如果放在两个字符之间表示范围。
匹配一个字符串第一个字符是a或者b或c,后边三个a
re_str = r'[abc]aaa'
result = fullmatch(re_str, 'caaa')
print(result)

re_str = r'[1-4]\d\d\d'
result = fullmatch(re_str, '1989')
print(result)

re_str = r'[\u0031-\u0039][a-z]'
result = fullmatch(re_str, '1h')
print(result)

re_str = r'[\u4E00-\u9fa5][\u4E00-\u9fa5][\u4E00-\u9fa5]'
result = fullmatch(re_str, '就深刻')
print(result)

re_str = r'[91-]'
result = fullmatch(re_str, '-')
print(result)

匹配一个字符，是字母数字下划线或者是空白
re_str = r'[\w\s]'
result = fullmatch(re_str, 'u')
print(result)

13 ^字符集

注意：^必须放在中括号中的最前面才有效
匹配一个四位的字符串，第一位不是abc中的任意一个，后面三位是任意字符
re_str = r'[^abc]...'
re_str = r'[^1-9]...'
result = fullmatch(re_str, '898i')
print(result)

二、正则表达式次数相关符号

from re import fullmatch

1.* (匹配0次或者多次)

字符* --> 字符出现0次或者多次
匹配0位或者多位的数字字符串
re_str = r'\d*'
print(fullmatch(re_str, '123'))

用一个正则表达式来检测一个标识符是否符合要求：数字字母下划线组成，数字不开头(位数至少1位)
re_str = r'[a-zA-Z_]\w*'
print(fullmatch(re_str, 'A'))
  1. +(匹配一次或者多次)
匹配abc前面有一个或者多个数字的字符串
re_str = r'\d+abc'
print(fullmatch(re_str, '9abc'))
  1. ?(匹配0次或者1一次)
re_str = r'a?123'
print(fullmatch(re_str, 'a123'))

练习：写一个正则表达式，匹配所有的整数（123, -2334, +9...可以匹配的，
012， -023，+0122不能匹配）
re_str = r'[-+]?[1-9]\d*'
print(fullmatch(re_str, '1234'))
  1. {}(指定次数)
{N} --> 匹配N次
{M,N} --> 匹配M到N次
{M,} --> 至少匹配M次
{,N} --> 最多匹配N次
re_str = r'\d{3}'
print(fullmatch(re_str, '123'))

re_str = r'\d{3,}'
print(fullmatch(re_str, '1234'))

re_str = r'\d{,3}'
print(fullmatch(re_str, '23'))

re_str = r'[a-z]{2,5}'
print(fullmatch(re_str, 'aajk'))

判断密码是否符合要求：密码是由数字和字母组成，并且位数是6-16位
re_str = r'[\da-zA-Z]{6,16}'

三、分之和分组

import re
  1. |(分之)
条件1|条件2 --> 先用条件1去匹配，如果匹配成功就匹配成功。如果条件1匹配失败，用条件2去匹配。
注意：如果条件1匹配成功就不会用条件2再去匹配
re_str = r'[a-z]{3}|[A-Z]{3}'
print(re.fullmatch(re_str, 'AHD'))

能匹配成功时abc，d和aaa
re_str = r'abc|d|aaa'
print(re.fullmatch(re_str, 'aaa'))

'abc'+W/H/Y
re_str = r'abc(W|H|Y)'
print(re.fullmatch(re_str, 'abcY'))
  1. ()(分组)
    a.组合(将括号中的内容作为一个整体进行操作)
    b.捕获 -- 使用带括号的正则表达式匹配成功后，只获取括号中的内容
    c.重复 -- 在正则表达式中可以通过\数字来重复前面()中匹配到的结果。数字代表前第几个分组

a.组合

匹配一个字符串，以数字字母的组合出现3次
re_str = r'(\d[a-zA-Z]){3}'
print(re.fullmatch(re_str, '2h8h7j'))

b.捕获

re_str = r'(\d{3})abc'
print(re.fullmatch(re_str, '773abc'))
print(re.findall(re_str, 'euhasdhf873abcssjsja235abcu-03s834432abcjjsks'))

c.重复

re_str = r'([a-z]{3})-(\d{2})\2'
print(re.fullmatch(re_str, 'hsn-2323'))

3.转义符号
正则表达式中可以通过在特殊的符号前加\，来让特殊的符号没有意义

. --> 任意字符 . --> 字符.
+ --> 匹配一次或者多次 + --> 字符+
注意:1.在中括号有特殊功能的符号，只代表符号本身 \不管在哪儿都需要转2. -在[]外面没有特殊功能,在[]中要表示-本身，就不要放在两个字符之间3.()需要转义
re_str = r'\d{2}\.\d{2}'
print(re.fullmatch(re_str, '12=34'))

re_str = r'\d\+\d'
print(re.fullmatch(re_str, '3+7'))

re_str = r'\(\\'
print(re.fullmatch(re_str, '(\\'))

re_str = r'(\d{3})\1([a-z]{2})\2\1'
print(re.fullmatch(re_str, '123123bbbb123'))

四、re模块中的函数

import re
  1. compile
    compile(正则表达式字符串) --> 将正则表达式字符串转换成正则表达式对象
re_objct = re.compile(r'\d+')
print(re_objct)
print(re_objct.fullmatch('23738'))
  1. fullmatch和match
    fullmatch(正则表达式字符串, 字符串)
    --> 用正则表达式去完全匹配字符串(匹配整个字符串)，返回匹配对象(SRE_Match)或者None

match(正则表达式字符串, 字符串)
--> 匹配字符串开头,返回匹配对象或者None

result = re.fullmatch(r'\d([a-zA-Z]+)123', '2hjdh123')
print(result)
1.span(group=0) --> 获取匹配成功的区间(左闭右开区间)
print(result.span(0))
print(result.start(1))   # 获取匹配到的开始下标
print(result.end(1))     # 获取匹配到的结束下标后的下标

2.group(group = 0) --> 获取匹配结果
group()/group(0) --> 获取正则表达式完全匹配的结果
group(index>0) --> 获取正则表达式中第group个分组匹配到的结果
print('0:',result.group())
print('1:',result.group(1))

3.string --> 获取被匹配的原字符串
print(result.string)
result = re.match(r'\d([a-zA-Z]+)123', '2hjdh123ABC')
print('match:',result)

3.search
search(正则表达式, 字符串)
--> 查找字符串中满足正则表达式的第一个字符串。返回值是匹配对象或者None

result = re.search(r'(\d)[a-zA-Z]+', 'uhsh2hdje+984nf')
print(result.group(0))
print(result.group(1))
print(result.string)

练习：使用search匹配出一个字符串中所有的数字字符串
# 'abc34jshd8923jkshd9lkkk890k' --> 34，8923，9，890
re_str = r'\d+'
str1 = 'abc34jshd8923jkshd9lkkk890k'
result = re.search(re_str, str1)
while result:
    print(result)
    str1 = str1[result.end():]
    result = re.search(re_str, str1)

4.findall
findall(正则表达式, 字符串)
--> 获取字符串中满足正则表达式的所有的子串，返回一个列表
注意：如果正在表达式中有分组，取值的时候只取分组中匹配到的结果;
如果有多个分组，会将每个分组匹配到的结果作为一个元祖的元素

re_str = r'(\d+)k([a-d]+)'
str1 = 'abc34kshd8923kabcshd9lkkk890kaa'
result = re.findall(re_str, str1)
print(result)  # [('8923', 'abc'), ('890', 'aa')]

re_str = r'(\d+)k[a-d]+'
str1 = 'abc34kshd8923kabcshd9lkkk890kaa'
result = re.findall(re_str, str1)
print(result)  # ['8923', '890']

re_str = r'\d+k[a-d]+'
str1 = 'abc34kshd8923kabcshd9lkkk890kaa'
result = re.findall(re_str, str1)
print(result)  # ['8923kabc', '890kaa']

5.finditer
finditer(正则表达式, 字符串)
--> 查找所有满足正则条件的子串，返回值是迭代器，迭代器中的元素是匹配对象

re_str = r'\d+'
str1 = 'abc34kshd8923kabcshd9lkkk890kaa'
result = re.finditer(re_str, str1)
print(result)
for item in result:
    print(item)
  1. split
    split(正则表达式,字符串) --> 将字符串按照满足正则表达式条件的子串进行分割
str1 = 'ahsb1sssa8-jjhd7nhs+90nsjhf3-4hhh7+8kjj-'
result = re.split(r'[-+]', str1)
print(result)

7.sub
sub(正则表达式,repl,字符串) --> 将字符串中满足正则表达式条件的子串替换成repl。返回替换后的字符串

str1 = 'hsj8jskfh98ssjj8hshh'
result = re.sub(r'\d+','*', str1)
print(result)

str1 = '智      障,你在干嘛？逼, 后视镜，妈的加扣扣上'
result = re.sub(r'傻\s*叉|逼|fuck|妈的|智\s*障', '*', str1)
print(result)

with open('./data', 'r', encoding='utf-8') as f:
    content = f.read()
    # "name": "搞笑精选汇"
    result = re.findall(r'"name":"(.+?)"', content)
    print(result)

五、蓝莲花模板

需求：播放指定歌曲的时候，给一个时间，能够把这首歌在这个时间对应的词返回
面向对象: 找一个类，让它拥有解析歌词的功能

class Lyrics:
    """歌词类"""
    def __init__(self, time='', word=''):
        self._time = time
        self.word = word

    @property
    def time(self):
        return self._time
    @time.setter
    def time(self, value):
        fen = float(value[1:3])
        miao = float(value[4:])
        self._time = fen*60+miao

    def __gt__(self, other):
        return self._time > other._time


    def __repr__(self):
        return str(self.__dict__)


class LyricsAnalysis:
    """歌词解析类"""
    # name = ''
    def __init__(self, name):
        self.__name = name  # 歌名
        self.__all_lyric = []  # 保存当前歌名解析出来的歌词对象

    # 分离歌词和时间
    def __split_time_word(self, line):
        # 时间 <-> 歌词
        lines = line.split(']')
        # print(lines)
        # 获取每行的词
        word = lines[-1]
        # 遍历获取每一行的时间
        for time in lines[:-1]:
            # 根据时间和词创建歌词对象
            ly_obj = Lyrics(word=word)
            ly_obj.time = time
            self.__all_lyric.append(ly_obj)


    # 根据时间获取歌词
    def get_lyric(self, time: int):
        # 判断之前是否已经解析过
        if self.__all_lyric:
            print('~~~~~')
            # 解析过，根据时间取值
            for item in self.__all_lyric:
                if item.time < time:
                    return item.word

        # 没有解析过
        # 读文件内容
        try:
            print('======')
            with open('./files/'+self.__name+'.txt', 'r', encoding='utf-8') as f:
                line = f.readline()
                while line:
                    # print(line)
                    self.__split_time_word(line)
                    line = f.readline()

                # __all_lyric保存了所有的歌词对象
                self.__all_lyric.sort(reverse=True)
                # print(self.__all_lyric)

                # 根据时间取值
                for item in self.__all_lyric:
                    if item.time < time:
                        return item.word

        except FileNotFoundError:
            print('没有响应的歌词')


# 蓝莲花 --> 蓝莲花数据 -->
ly_lan = LyricsAnalysis('蓝莲花')
print(ly_lan.get_lyric(10))
print(ly_lan.get_lyric(12))
print(ly_lan.get_lyric(20))
print(ly_lan.get_lyric(30))

# 七里香 --> 七里香数据 -->
# ly_qi = LyricsAnalysis('七里香')

六、作业

  1. 写一个正则表达式判断一个字符串是否是ip地址
    规则：一个ip地址由4个数字组成，每个数字之间用.连接。每个数字的大小是0-255
    255.189.10.37 正确
    256.189.89.9 错误
重点：用正则匹配到一个数字是0-255
0-9   \d
10-99  [1-9]\d

100-255:  
100-199: 1\d{2}
200-249: 2[0-4]\d
250-255: 25[0-5]

# re_str = r'\d|[1-9]\d|(1\d{2}|2[0-4]\d|25[0-5])'  # 匹配 0-255
re_str = r'((\d|[1-9]\d|1\d{2}|2[0-4]\d|25[0-5])\.){3}(\d|[1-9]\d|1\d{2}|2[0-4]\d|25[0-5])'
print(re.fullmatch(re_str, '3.89.87.234'))
  1. 计算一个字符串中所有的数字的和
    例如：字符串是：‘hello90abc 78sjh12.5’ 结果是90+78+12.5 = 180.5
整数：\d+
小数：\d+\.\d+
# re_str = r'\d+\.\d+|\d+'
re_str =  r'\d+\.?\d*'
numbers = re.findall(re_str, 'he8l12.lo90abc 78sjh12.5')
print(numbers)
sum1 = 0
for num in numbers:
    sum1 += float(num)
print(sum1)
  1. 验证输入的内容只能是汉字
re_str = r'[\u4e00-\u9fa5]+'
if re.fullmatch(re_str, '床前明月光疑似地上霜举头望明月低头思故乡'):
    print('输入正确!')
else:
    print('输入有误!')
  1. 电话号码的验证
13\d
15[0-3]  15[5-9]
17[6-8]  
18[0-9]

re_str = r'1(3\d|5[0-35-9]|7[6-8]|8\d)\d{8}'
num1 = '17841264795'
print(re.fullmatch(re_str, num1))
  1. 简单的身份证号的验证
前6位： 数字
8位：年月日
年：1910 - 2018
1910-1999： 19[1-9]\d
2000-2009:  200\d
2010-2018:  201[0-8]

月：01-12
01-09: 0[1-9]
10-12: 1[0-2]

日：01-31
01-09: 0[1-9]
10-29: [1-2]\d
30-31:3[01]

3位：数字
最后一位：数字或者X

re_str = r'\d{6}(19[1-9]\d|200\d|201[0-8])(0[1-9]|1[0-2])(0[1-9]|[12]\d|3[01])(\d{3})(\d|X)'

print(re.fullmatch(re_str, '500234200003126323'))

二、不定项选择题

  1. 能够完全匹配字符串“(010)-62661617”和字符串“01062661617”的正则表达式包括（A）

A. “(?\d{3})?-?\d{8}”
B. “[0-9()-]+”
C. “[0-9(-)]\d”
D. “[(]?\d[)-]\d*”

  1. 能够完全匹配字符串“c:\rapidminer\lib\plugs”的正则表达式包括（B）
    A. “c:\rapidminer\lib\plugs”
    B. “c:\rapidminer\lib\plugs”
    C. “(?i)C:\RapidMiner\Lib\Plugs” ?i:将后面的内容的大写变成小写
    D. “(?s)C:\RapidMiner\Lib\Plugs” ?s：单行匹配

  2. 能够完全匹配字符串“back”和“back-end”的正则表达式包括（C）
    A. “\w{4}-\w{3}|\w{4}” match->back,back-end fullmatch-> back,back-end
    B. “\w{4}|\w{4}-\w{3}” match-> back, back fullmatch-> back,back-end
    C. “\S+-\S+|\S+”
    D. “\w\b-\b\w|\w*”

  3. 能够完全匹配字符串“go go”和“kitty kitty”，但不能完全匹配“go kitty”的正则表达式包括（A）
    :\1就是重复前面第一个()/组合里面的内容
    ：\2就是重复前面第二个()/组合里面的内容
    A. “\b(\w+)\b\s+\1\b”
    B. “\w{2,5}\s*\1”
    C. “(\S+) \s+\1”
    D. “(\S{2,5})\s{1,}\1”

  4. 能够在字符串中匹配“aab”，而不能匹配“aaab”和“aaaab”的正则表达式包括（B）
    A. “a*?b”
    B. “a{,2}b”
    C. “aa??b”
    D. “aaa??b”

最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
  • 人面猴
    序言：七十年代末，一起剥皮案震惊了整个滨河市，随后出现的几起案子，更是在滨河造成了极大的恐慌，老刑警刘岩，带你破解...
    沈念sama阅读 203,547评论 6赞 477
  • 死咒
    序言：滨河连续发生了三起死亡事件，死亡现场离奇诡异，居然都是意外死亡，警方通过查阅死者的电脑和手机，发现死者居然都...
    沈念sama阅读 85,399评论 2赞 381
  • 救了他两次的神仙让他今天三更去死
    文/潘晓璐 我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
    开封第一讲书人阅读 150,428评论 0赞 337
  • 道士缉凶录：失踪的卖姜人
    文/不坏的土叔 我叫张陵，是天一观的道长。 经常有香客问我，道长，这世上最难降的妖魔是什么？ 我笑而不...
    开封第一讲书人阅读 54,599评论 1赞 274
  • 港岛之恋（遗憾婚礼）
    正文 为了忘掉前任，我火速办了婚礼，结果婚礼上，老公的妹妹穿的比我还像新娘。我一直安慰自己，他们只是感情好，可当我...
    茶点故事阅读 63,612评论 5赞 365
  • 恶毒庶女顶嫁案：这布局不是一般人想出来的
    文/花漫 我一把揭开白布。 她就那样静静地躺着，像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上，一...
    开封第一讲书人阅读 48,577评论 1赞 281
  • 城市分裂传说
    那天，我揣着相机与录音，去河边找鬼。 笑死，一个胖子当着我的面吹牛，可吹牛的内容都是我干的。 我是一名探鬼主播，决...
    沈念sama阅读 37,941评论 3赞 395
  • 双鸳鸯连环套：你想象不到人心有多黑
    文/苍兰香墨 我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
    开封第一讲书人阅读 36,603评论 0赞 258
  • 万荣杀人案实录
    序言：老挝万荣一对情侣失踪，失踪者是张志新（化名）和其女友刘颖，没想到半个月后，有当地人在树林里发现了一具尸体，经...
    沈念sama阅读 40,852评论 1赞 297
  • 护林员之死
    正文 独居荒郊野岭守林人离奇死亡，尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,605评论 2赞 321
  • 白月光启示录
    正文 我和宋清朗相恋三年，在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,693评论 1赞 329
  • 活死人
    序言：一个原本活蹦乱跳的男人离奇死亡，死状恐怖，灵堂内的尸体忽然破棺而出，到底是诈尸还是另有隐情，我是刑警宁泽，带...
    沈念sama阅读 33,375评论 4赞 318
  • 日本核电站爆炸内幕
    正文 年R本政府宣布，位于F岛的核电站，受9级特大地震影响，放射性物质发生泄漏。R本人自食恶果不足惜，却给世界环境...
    茶点故事阅读 38,955评论 3赞 307
  • 男人毒药：我在死后第九天来索命
    文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹，春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,936评论 0赞 19
  • 一桩弑父案，背后竟有这般阴谋
    文/苍兰香墨 我抬头看了看天上的太阳。三九已至，却和暖如春，着一层夹袄步出监牢的瞬间，已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,172评论 1赞 259
  • 情欲美人皮
    我被黑心中介骗来泰国打工， 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留，地道东北人。 一个月前我还...
    沈念sama阅读 43,970评论 2赞 349
  • 代替公主和亲
    正文 我出身青楼，却偏偏与公主长得像，于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子，可洞房花烛夜当晚...
    茶点故事阅读 42,414评论 2赞 342