一、总体内容
- 1.1、正则表达式概述
- 1.2、re 模块
- 1.3、匹配单个字符
- 1.4、匹配多个字符
- 1.5、匹配开头与结尾
- 1.6、匹配分组
- 1.7、re模块的高级用法
- 1.8、python贪婪和非贪婪
- 1.9、r 的作用
二、正则表达式概述
- 2.1、 场景1：在一个文件中，查找出 like 开头的语句
like hello python like c++ itheima ios itheima php
- 2.2、 场景二：在一个文件中，找到含有like的语句，下面是测试文件
hello like python can you like c++ itheima ios itheima php
- 2.3、 场景三：在一个文件中，找到所有的图片链接
三、re 模块(match是从头匹配)
在Python中需要通过正则表达式对字符串进行匹配的时候，可以使用一个模块，名字为re
- re模块的使用过程
# 导入re模块 import re # 使用match方法进行匹配操作 result = re.match(r"Hello","hello IronMan") # 如果上一步匹配到数据的话，可以使用group方法来提取数据 if result: print("匹配到的内容是：%s"%result.group()) else: print("没有匹配到内容")
提示：
re.match()能够匹配出以xxx开头的字符串，match()第一个参数是匹配的规则，第二个参数是要匹配的内容
四、匹配单个字符
| 字符 | 功能 |
. |
匹配任意一个字符（除了\n） |
[] |
匹配[]中列举的字符 |
\d |
匹配数字，即 0-9 |
\D |
匹配非数字，即不是数字 |
\s |
匹配空白，即空格 tab 键 |
\S |
匹配非空白 |
\w |
匹配单词字符，即 a-z、A-Z、0-9、_、汉字以及其他文字 |
\W |
匹配非单词字符 |
- 示例：
import re # 大小写h都可以的情况 ret = re.match(r"[hH]","hello Python") print(ret.group()) # 匹配0到9第一种写法 ret = re.match(r"\dHello","6Hello Python") print(ret.group()) # 匹配空白，即空格 tab 键 ret = re.match(r"Hello\sP","Hello Python") print(ret.group()) # 匹配单词字符，即 a-z、A-Z、0-9、_、汉字以及其他文字 ret = re.match(r"\wHello","哈Hello Python") print(ret.group())
- 打印结果是：
h 6Hello Hello P 哈Hello
五、匹配多个字符
| 字符 | 功能 |
* |
匹配前一个字符出现0次或者无限次，即可有可无 |
+ |
匹配前一个字符出现1次或者无限次，即至少有一次 |
? |
匹配前一个字符出现1次或者0次，要么有一次，要么没有 |
{m} |
匹配前一个字符出现 m 次 |
{m,n} |
匹配前一个字符出现 m ~n 次 |
- 示例：
import re # * 匹配前一个字符出现0次或者无限次，即可有可无 result = re.match(r"\w*","Ilovebaby") print(result.group()) # + 匹配前一个字符出现1次或者无限次，即至少有一次 result = re.match(r"H+","Hlovebaby") print(result.group()) # ? 匹配前一个字符出现1次或者0次，要么有一次，要么没有 result = re.match(r"H?ello","Hello") print(result.group()) # {m} 匹配前一个字符出现 m 次 result = re.match(r"H{3}ello","HHHello") print(result.group()) # {m,n} 匹配前一个字符出现 m ~n 次 result = re.match("H{1,3}ello","HHello") print(result.group())
- 实战：匹配出163的邮箱地址，且@符号之前有4到20位，例如
hello@163.com
import re # 匹配出163的邮箱地址，且@符号之前有4到20位，例如`hello@163.com` result = re.match(r"\w{4,20}@163\.com","2318162@163.com") print(result.group())
六、匹配开头结尾
| 字符 | 功能 |
^ |
匹配字符串开头 |
$ |
匹配字符串结尾 |
- 只要是”^”这个字符是在中括号”[]”中被使用的话就是表示字符类的否定，如果不是的话就是表示限定开头。我这里说的是直接在”[]”中使用，不包括嵌套使用。
其实也就是说”[]”代表的是一个字符集，”^”只有在字符集中才是反向字符集的意思。- 如：
([^/]+(/[^ ]*)： 意思是 :[^/]:除了/以外，+：至少一个字符，/[^ ]*：表示除了空格，也就是到空格就不匹配了，*：表示匹配前一个字符出现0次或者无限次，即可有可无^:参考博客
- 6.1、在五里面判断邮箱是不完善的，我们看如下
import re email_list = ["xiaoWang@163.com", "xiaoWang@163.comheihei", ".com.xiaowang@qq.com"] for email in email_list: ret = re.match(r"[\w]{4,20}@163\.com", email) if ret: print("%s 是符合规定的邮件地址,匹配后的结果是:%s" % (email, ret.group())) else: print("%s 不符合要求" % email)
- 结果如下(我们可以看到
xiaoWang@163.comheihei是不符合邮箱规则的)
xiaoWang@163.com 是符合规定的邮件地址,匹配后的结果是:xiaoWang@163.com xiaoWang@163.comheihei 是符合规定的邮件地址,匹配后的结果是:xiaoWang@163.com .com.xiaowang@qq.com 不符合要求
- 6.2、对 6.1 的完善后
import re email_list = ["xiaoWang@163.com", "xiaoWang@163.comheihei", ".com.xiaowang@qq.com"] for email in email_list: ret = re.match(r"[\w]{4,20}@163\.com$", email) if ret: print("%s 是符合规定的邮件地址,匹配后的结果是:%s" % (email, ret.group())) else: print("%s 不符合要求" % email)
- 打印结果是：
xiaoWang@163.com 是符合规定的邮件地址,匹配后的结果是:xiaoWang@163.com xiaoWang@163.comheihei 不符合要求 .com.xiaowang@qq.com 不符合要求
提示： re.match()是默认开头的，结尾要自己这是，
$是以塔之前的字符结尾，开头大家也可以设置^,平时很少用是因为：re.match()是默认开头的
- 遇到 普通的
?与.以及*要用进行转义字符\，如上面的163.com中的我们要对.进行转义，如:163\.com
七、匹配分组
| 字符 | 功能 |
| |
匹配左右任意一个表达式 |
(ab) |
将括号中字符作为一个分组 |
\num |
引用分组num匹配到的字符串 |
(?P<name>) |
分组起别名 |
(?P=name) |
引用别名为name分组匹配到的字符串 |
- 7.1、示例 1，我们以匹配 163或者qq邮箱为例
import re email_list = ["xiaoWang@163.com", "xiaoWang@163.comheihei", "xiaowang@qq.com"] for email in email_list: ret = re.match(r"[\w]{4,20}@(163|qq)\.com$", email) if ret: print("%s 是符合规定的邮件地址,匹配后的结果是:%s" % (email, ret.group())) else: print("%s 不符合要求" % email)
- 打印结果是：
xiaoWang@163.com 是符合规定的邮件地址,匹配后的结果是:xiaoWang@163.com xiaoWang@163.comheihei 不符合要求 xiaowang@qq.com 是符合规定的邮件地址,匹配后的结果是:xiaowang@qq.com
- 分析：我们可以看到
re.match("[\w]{4,20}@(163|qq)\.com$", email),其中(163|qq)代表可以匹配163或者qq,如果想取出来用的匹配出来的是qq还是163我们可以使用group(num),其中 num 代表第几个括号，在正则里面你可能用很多个括号，如下
print("%s 是符合规定的邮件地址,匹配后的结果是:%s 具体匹配的是：%s" % (email, ret.group(),ret.group(1)))
- 打印结果是：
xiaoWang@163.com 是符合规定的邮件地址,匹配后的结果是:xiaoWang@163.com 具体匹配的是：163 xiaoWang@163.comheihei 不符合要求 xiaowang@qq.com 是符合规定的邮件地址,匹配后的结果是:xiaowang@qq.com 具体匹配的是：qq
提示：如果你还想匹配其他的邮箱：如126等等，可以
(163|162|qq)
- 7.2、不是以5、9结尾的手机号码(11位)
import re result = re.match(r"1\d{9}[0-46-8]]","13462902659") if result: print("手机号：%s 符合规则"%result.group()) else: print("不符合规则的手机号")
- 7.3、提取区号和电话号码
import re result = re.match(r"(\d{3,4})-(\d{7,8})$","010-12345678") if result: print("符合规则：%s 区号是：%s 电话号码是：%s"%(result.group(),result.group(1),result.group(2))) else: print("不是符合规则的号码")
- 打印结果是：
符合规则：010-12345678 区号是：010 电话号码是：12345678
- 7.4、匹配出
<body><html>hh</html></body>
import re result = re.match(r"<(body)><(html)>\w*</\2></\1>","<body><html>你是标签吗</html></body>") if result: print("可以匹配出结果：%s"%result.group()) else: print("不符合匹配的规则")
- 结果是：
可以匹配出结果：<body><html>你是标签吗</html></body>
- 7.5、
(?P<name>)与(?P=name)的使用：我们还用7.4的例子，用分组起别名来写''
import re result = re.match(r"<(?P<p1>body)><(?P<p2>html)>\w*</(?P=p2)></(?P=p1)>","<body><html>你是标签吗</html></body>") if result: print("可以匹配出结果：%s"%result.group()) else: print("不符合匹配的规则")
注意：注意：
(?P<name>)和(?P=name)中的字母P大写
八、re 模块的高级用法
- 8.1、search
需求：匹配出文章阅读的次数
import re result = re.search(r"\d+","这篇作文有 299 人读过") if result: print(result.group()) else: print("无法匹配")
- 8.2、findall : 找出所有匹配的内容，以 列表 的形式返回
需求：统计出字符串中出现love的次数，代码如下：
import re result = re.findall(r"love","I love you baby! Can you love me ? ") print(result)
- 打印结果是：
['love', 'love']
- 8.3、sub 将匹配到的数据进行替换: 返回的是替换过的字符串
- 需求1：将8.2匹配到的
love替换为like
import re result = re.sub(r"love","like","I love you baby! Can you love me ? ") print(result)
- 结果是：
I like you baby! Can you like me ?
- 需求2：将 8.1 中匹配出文章阅读的次数
+1处理
import re def add(temp): # 取出匹配的次数 read_num_str = temp.group() # 进行+1 操作 num = int(read_num_str) + 1 # 返回操作后的结果 return str(num) result = re.sub(r"\d+",add,"这篇作文有 299 人读过") print(result)
- 结果是：(上面的add是一个函数名字，自己可以随便写)
这篇作文有 300 人读过
提示：
sub(匹配规则，参数2，要匹配的内容)
- 参数2 (字符串)：如果你写为字符串，那么将匹配到的内容将被字符串参数2替换掉，如上：需求1
- 参数2 (函数名)：如果你写为函数名，那么将匹配到的内容将会去调用函数，在函数里面处理过的内容返回，返回的内容将替换掉原来匹配到到的内容，如上：需求2
- 8.4、split 根据匹配进行切割字符串，并返回一个列表
需求：切割字符串“ I,love you”
import re ret = re.split(r",| ","I,love you") print(ret)
- 打印结果是：
['I', 'love', 'you']
九、python贪婪和非贪婪
- 9.1、Python里数量词默认是贪婪的（在少数语言里也可能是默认非贪婪），总是尝试匹配尽可能多的字符；
非贪婪则相反，总是尝试匹配尽可能少的字符。
在 "*"、"?"、"+"、"{m,n}"后面加上 ？，使 贪婪 变成 非贪婪。
>>> s="This is a number 234-235-22-423" >>> r=re.match(".+(\d+-\d+-\d+-\d+)",s) >>> r.group(1) '4-235-22-423' >>> r=re.match(".+?(\d+-\d+-\d+-\d+)",s) >>> r.group(1) '234-235-22-423' >>>
- 9.2、正则表达式模式中使用到 通配字，那它在从左到右的顺序求值时，会尽量“抓取”满足匹配最长字符串，在我们上面的例子里面，“.+”会从字符串的启始处抓取满足模式的最长字符，其中包括我们想得到的第一个整型字段的中的大部分，“\d+”只需一位字符就可以匹配，所以它匹配了数字“4”，而“.+”则匹配了从字符串起始到这个第一位数字4之前的所有字符。
解决方式：非贪婪操作符“？”，这个操作符可以用在"*","+","?"的后面，要求正则匹配的越少越好。
>>> re.match(r"aa(\d+)","aa2343ddd").group(1) '2343' >>> re.match(r"aa(\d+?)","aa2343ddd").group(1) '2' >>> re.match(r"aa(\d+)ddd","aa2343ddd").group(1) '2343' >>> re.match(r"aa(\d+?)ddd","aa2343ddd").group(1) '2343' >>>
- 9.3、练习：提取url地址
<img data-original="https://rpic.douyucdn.cn/appCovers/2016/11/13/1213973_201611131917_small.jpg" src="https://rpic.douyucdn.cn/appCovers/2016/11/13/1213973_201611131917_small.jpg" style="display: inline;">
- 正则为：
hhtps://.*?\.jpg
十、r 的作用
>>> mm = "c:\\a\\b\\c" >>> mm 'c:\\a\\b\\c' >>> print(mm) c:\a\b\c >>> re.match("c:\\\\",mm).group() 'c:\\' >>> ret = re.match("c:\\\\",mm).group() >>> print(ret) c:\ >>> ret = re.match("c:\\\\a",mm).group() >>> print(ret) c:\a >>> ret = re.match(r"c:\\a",mm).group() >>> print(ret) c:\a >>> ret = re.match(r"c:\a",mm).group() Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: 'NoneType' object has no attribute 'group' >>>
说明: Python中字符串前面加上 r 表示原生字符串，与大多数编程语言相同，正则表达式里使用""作为转义字符，这就可能造成反斜杠困扰。假如你需要匹配文本中的字符""，那么使用编程语言表示的正则表达式里将需要4个反斜杠"\"：前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。
- Python里的原生字符串很好地解决了这个问题，有了原生字符串，你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观。
>>> mm = "c:\\a\\b\\c" >>> ret = re.match(r"c:\\a",mm).group() >>> print(ret) c:\a
解释：如果上面你不用
r,那么正则你需要写为：c:\\\\a,也就是转义，有了r,你就可以省掉了，r可以帮你自己动添加
