<main role="main" class="App-main" style="padding-bottom: 46px;">
首发于Python办公自动化
无障碍 写文章
登录
<article class="Post-Main Post-NormalMain" tabindex="-1" style="box-sizing: border-box; outline: none;">
<header class="Post-Header" style="margin: 0px auto; width: 690px;">
Python（三）提取信息必学——正则表达式
进一步，是一步。一起工作进步，厨艺精进，生活美满。
22 人赞同了该文章
</header>
正则表达式并不是Python的一部分。正则表达式是用于处理字符串的强大工具，拥有自己独特的语法以及一个独立的处理引擎，效率上可能不如str自带的方法，但功能十分强大。得益于这一点，在提供了正则表达式的语言里，正则表达式的语法都是一样的，区别只在于不同的编程语言实现支持的语法数量不同；但不用担心，不被支持的语法通常是不常用的部分。
转载自Python正则表达式实例详解_程序员阿城的博客-CSDN博客_python正则表达式详解
阅读一字符解释、二语法解释、三习题部分即可，需要文字详细解释的请直接进入第四部分正文循序渐进哟。
一、字符含义总结如下：
[图片上传失败...(image-f7fc00-1650193970962)]
二、语法：
match()和search()都只匹配出一个符合条件的字符串，若想要所有，可以使用re.findall()
三、仔细研读上面的表格后，实战/习题部分：
# 用[]{}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}'
##用split按-或者空白格分割字段
str1 = 'ahsb1sssa8-jjhd7nhs+90nsjhf3-4hh h7+8kjj-sfav'
print(re.split(r'[-+\s]', str1))
结果：['ahsb1sssa8', 'jjhd7nhs', '90nsjhf3', '4hh', 'h7', '8kjj', 'sfav']
#用sub替换符合条件的关键词，试试马赛克脏话（想起农药不能痛骂队友的愤怒）
str1 = '智 障沙雕,你在干嘛？逼, 后视镜，妈的加扣扣上'
print( re.sub(r'傻\s*叉|逼|沙雕|fuck|妈的|智\s*障', '*', str1))
## 结果：**,你在干嘛？*, 后视镜，*加扣扣上
##练练转义
re_str = r'\d{2}\=\d{2}'
print(re.fullmatch(re_str, '12=34'))
## findall返回符合表达式的子串
re_str = r'\d+k[a-d]+'
str1 = 'abc34kshd8923kabcshd9lkkk890kaa'
result = re.findall(re_str, str1)
print(result) # ['8923kabc', '890kaa']
## 结果：['8923kabc', '890kaa']
四、详细正文-----------
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 .(点)(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/article>
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 [] (匹配中括号中出现的任意一个字符)
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] (匹配一个不在字符集中的任意字符)
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'))
2. +(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'))
3. ?(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'))
4. {}(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'))
2. ()(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：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义
-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
()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'))
2. 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)
6. 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)
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 例如：255.189.10.37 正确 256.189.89.9 错误
import re
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])'
result = re.fullmatch(re_str,'255.183.10.37')
print(result)
2. 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
str1 = 'hello90abc 78sjh12.5'
result = re.findall(r'[^a-z]+',str1)
print(result)
sum1 = 0
for item in result:
sum1 += float(item)
print(sum1)
3. 验证输入的内容只能是汉字
re_str = r'[\u4E00-\u9fa5]+'
result = re.fullmatch(re_str,'你好')
print(result)
4. 电话号码的验证
re_str = r'(13\d|150[0-3]|15[5-9]|17[6-8]|18[0-9])\d{8}'
result= re.fullmatch(re_str,'15589154445')
print(result)
5. 简单的身份证号的验证
re_str=r'^[1-9]\d{5}(18|19|([23]\d))\d{2}((0[1-9])|(10|11|12))(([0-2][1-9])|10|20|30|31)\d{3}[0-9Xx]/article>
result = re.fullmatch(re_str,'510211199505181572')
print(result)
二、不定项选择题
- 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 B D ）
A. “(?\d{3})?-?\d{8}”
B. “[0-9()-]+”
C. “[0-9(-)] \d ”
D. “[(]?\d [)-] \d*” - 能够完全匹配字符串“c:\rapidminer\lib\plugs”的正则表达式包括（ B C ）
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 - 能够完全匹配字符串“back”和“back-end”的正则表达式包括（ A B D ）
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*” - 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 D）
:\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” - 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 C ）
A. “a*?b”
B. “a{,2}b”
C. “aa??b”
D. “aaa??b
编辑于 2020-12-21 17:02
赞同 22
3 条评论
分享
喜欢 收藏 申请转载
</article>
文章被以下专栏收录
[图片上传失败...(image-b1d3-1650193970960)]
Python办公自动化
懒人必备
推荐阅读
[[图片上传失败...(image-645a0f-1650193970961)]
Python正则表达式，这一篇就够了！
裸睡的猪发表于猪哥的Py...](https://zhuanlan.zhihu.com/p/123179571)
[# 【Python】正则表达式基础知识
正则表达式（regular expression）是一种处理字符串的工具，功能十分强大。正则表达式使用预定义的特定模式去匹配一类具有共同特征的字符串，主要用于字符串处理，可以快速，准确地完成复杂…
长弓瑾瑜](https://zhuanlan.zhihu.com/p/61981995)
[[图片上传失败...(image-c617e9-1650193970961)]
[Python] Python 的正则表达式
123456](https://zhuanlan.zhihu.com/p/53589600)
[# Python之正则表达式入门
前言：此文实际上是本人在慕课学习北京理工大学课程：Python网络爬虫与信息提取 一课所做的一部分笔记，是作为初学者的入门笔记，自然有许多遗漏或者疏忽，欢迎大家指出。一、正则表达式基…
热水](https://zhuanlan.zhihu.com/p/396371447)
3 条评论
切换为时间排序
写下你的评论...
<label class="UploadPicture-wrapper" style="cursor: pointer;"></label>
发布
-
[图片上传失败...(image-62dc35-1650193970959)] 七月03-04
r'(\d{3})\1([a-z]{2})\2\1'这句话里面的\1和\2是什么意思呀？请问
赞 回复 踩 举报
-
[图片上传失败...(image-e651a4-1650193970959)] 朝花夕拾2021-10-26
感谢分享，算是入了门
赞 回复 踩 举报
-
[图片上传失败...(image-eb69f4-1650193970959)] 野孩子2021-05-20
多谢分享！
保姆级教程。
看了n多教程都没有彻底掌握，直到看了你这篇，彻彻底底学会了。
不用用一次百度一次了。赞 回复 踩 举报
</main>
<label class="Editable-languageSuggestionsInput Input-wrapper" style="position: relative; display: flex; -webkit-box-align: center; align-items: center; width: 180px; height: 34px; padding: 4px 10px; font-size: 14px; background: rgb(255, 255, 255); border: 1px solid rgb(235, 235, 235); border-radius: 3px; box-sizing: border-box; transition: background 0.2s ease 0s, border 0.2s ease 0s; cursor: pointer;"><input autocomplete="off" role="combobox" aria-expanded="false" aria-autocomplete="list" aria-activedescendant="AutoComplete17-0" id="Popover16-toggle" aria-haspopup="true" aria-owns="Popover16-content" class="Input" placeholder="选择语言" value="" style="-webkit-box-flex: 1; flex: 1 1 0%; padding: 0px; overflow: hidden; font-family: inherit; font-size: inherit; font-weight: inherit; background: transparent; border: none; resize: none; color: rgb(18, 18, 18); height: 24px; line-height: 24px; cursor: inherit;"></label>
