Python基础学习笔记(十)正则表达式(上)

本节知识大纲:


图片.png

一、正则表达式介绍

正则表达式是什么?正则表达式是一种特殊的字符串模式,用于匹配一组字符串,就好比模具做产品,而正则就是这个模具,定义一种规则去匹配符合规则的字符。
如果我们对字符串有要求,我们就可以通过正则表达式把它表示出来,我们可以用正则表达式去匹配符合规则的字符串;
正则表达式的处理对象是字符串,主要应用正则表达式的操作有:

  • 验证
  • 查找
  • 替换
1. 正则表达式的匹配流程:
图片.png
2. 正则表达式的应用流程

match()是用于校验的函数
案例01
输入一个三位数,通过正则表达式输入的是否满足要求?

import re
input_number = input("请输入一个三位数:")
match = re.match("^\d{3}$",input_number)
if match is None:
    print("不符合要求")
else:
    print("符合要求")

案例02
判断输入的手机号码是否有效,要求:号码位数是11位;第一位是数字1;第二位是数字345789;后面是0-9均可

# 步骤一:通过引擎编译出对象
import re
pattern = re.compile(R"[1][345789]\d{9}")   # 编译出pattern对象
input_mobile = input("请输入手机号码:")
# 步骤二:对输入的内容进行匹配
# print(pattern.match(input_mobile))
if pattern.match(input_mobile):
    print("输入的手机号有效!")
else:
    print("输入的手机号无效!")
3.正则表达式的基本语法
图片.png

二、预定义字符

如果每次都通过代码来验证正则表达式是否正确效率有点低,我们可以通过在线工具来校验我们的正则表达式是否正确,比如oschina的在线正则表达式测试工具;当然在Windows系统下可以使用RegexBuddy工具进行检测。
普通字符:字母、数字、下划线以及没有特殊意义的符号,都是普通字符。
元字符:这里主要有11个构成正则表达式元字符

.   \   |   ^   $   *   +   ?   []   {}   ()
1. 通配字符

.是一个能匹配除\n以外任何字符的通用匹配符,例如,我们想匹配以a开头的,后面跟3个任意字符的正则表达式可以这样写:

re.match("^a...","avfs")

另外三个连续的通配符可以写成{3}像这样:

re.match("^a.{3}","avfs")

这里也可以使用findall()方法,能返回待匹配字符串中所有与正则表达式相匹配的字符串

print(re.findall("a.{3}","avfssssadddadddaef"))  # 把匹配开头的^去掉了

输出结果:

['avfs', 'addd', 'addd']
2. 反斜杠

反斜杠加字母有时候在转义字符和正则表达式中功能冲突,通常的解决办法是使用r或者R取消转义。

三、字符集

1. 系统正则表达式字符集
图片.png

案例:非数字开头 + 两个空格 + 数字/字母/下划线

import re
print(re.match(R"^\D\s{2}\w$","a  _"))
2. 用户自定义正则表达式字符集

除了使用系统字符集以外,用户可以自定义字符集

注意:这里一个中括号只能匹配一个字符;
^在中括号外表示一行开始,在中括号里面表示取反、排除的意思

图片.png

案例:使用自定义字符集,匹配不区分大小写以a-f开头,接接着是三个小写字母,再后面是以偶数结尾

import re
print(re.findall(R"[a-fA-F][a-z]{3}[02468]","bddf42fbas8"))

注意:除了^-以外,如果把其它任何特殊符号放到[]里,那么就自动去掉特殊意义,只表示符号本身的含义,如.[]里只表示.点号的意思,没有了通配符的功能。

四、正则表达式中量词

1. 三种量词符号

图片.png

案例:
通过正则表达式匹配英文单词,要求以na开头,以e来结尾
方法一:使用*

print(re.findall(R"na[a-z]*e","my name is Alice,nae,nattore"))

输出结果:

['name', 'nae', 'nattore']

使用*号匹配name(重复1次),匹配nae(重复0次),匹配nattore(重复多次)
方法二:使用+

print(re.findall(R"na[a-z]+e","my name is Alice,nae,nattore"))

输出结果:

['name', 'nattore']

使用+号,只能匹配name(重复1次),匹配nattore(重复多次)
方法三:使用?

print(re.findall(R"na[a-z]?e","my name is Alice,nae,nattore"))

输出结果:

['name', 'nae']

使用?号,只能name(重复1次)和nae(重复0次)

案例:
判断身份证号是否有效,
特征一:长度18或者15位
特征二:前17位是数字
特征三:最后一位是数字或者x

print(re.match(r"(\d{14}[0-9x]|\d{17}[0-9x])","34262320001218646x"))
2. 花括号表示重复次数
图片.png

(1){n}表示重复n次

# 正则表达式匹配以na开头加上4个小写字母并以e结尾:
print(re.findall(R"na[a-z]{4}e","my name is Alice,nae,nattore"))

输出结果:

['nattore']

(2){n,m}表示重复n到m次

# 正则表达式匹配以na开头加上3-10个小写字母并以e结尾:
print(re.findall(R"na[a-z]{3,10}e","my name is Alice,naicajoe,nattorirce"))

输出结果:

['naicajoe', 'nattorirce']

(3){n,}表示重复n次到无限次

# 正则表达式匹配以na开头加上3个以上的小写字母并以e为结尾:
print(re.findall(R"na[a-z]{3,}e","my name is Alice,naicajoe,nattorighjrce"))

输出结果:

['naicajoe', 'nattorighjrce']
3. 贪婪模式和非贪婪模式

(1)贪婪模式
贪婪模式是指在Python在默认情况下量词会尽可能多的匹配

print(re.findall("\d+","12345678888888abc"))    # 尽量多的匹配
print(re.findall("\d*","12345678888888abc"))
print(re.findall("\d{3,}","12345678888888abc"))
print(re.findall("\d{3,8}","1234567888888888abc"))

输出结果:

['12345678888888']
['12345678888888', '', '', '', '']
['12345678888888']
['12345678', '88888888']

(2)非贪婪模式
在表达式的结尾加上问号?,会切换成非贪婪模式

print(re.findall("\d+?","12345678888888abc"))
print(re.findall("\d{3,}?","12345678888888abc"))

输出结果:

['1', '2', '3', '4', '5', '6', '7', '8', '8', '8', '8', '8', '8', '8']
['123', '456', '788', '888']

五、字符边界

Python正则表达式字符边界主要有四种:

^      开始位置
$      结束
\b     单词边界
\B     非单词边界
1. 字符串的开始和结束

案例:
输入一个6位数字,必须要以95开头,以8结尾的数字

print(re.findall(r"^95\d{3}8$","958348"))

输出结果:

['958348']
2. 字符串的边界

\b表示单词的边界,指某一个位置前后不都是字母、数字、下划线(\w
案例:
输入一句英文,找出里面以a、b、c开头的单词

str01 = "Use this toggle to the left to manage how your " \
        "browser uses BBC’s performance cookies. If you’re " \
        "outside the UK you can also use the toggle to set " \
        "your preferences for personalised advertising cookies."
pattern = re.compile(r"\b[abcABC][a-z]*\b")
print(pattern.findall(str01))

输出结果:

['browser', 'cookies', 'can', 'also', 'advertising', 'cookies']

六、逻辑判断

正则表达式中表示逻辑或的是用符号|,分为整体或和部分或
(1)整体或
案例:
简单匹配身份证号,现在的身份证号是18位以前是15位,我们希望两者都兼容;前面全是数字,最后一位可以是数字或者x

import re
print(re.findall("\d{14}[0-9x]|\d{17}[0-9x]]","34262219971012x"))

输出结果:

['34262219971012x']

(2)部分或
案例:在一段英文句子中,找出es、er或者ing结尾的单词

str01 = "Use this toggle to the left to manage how your " \
        "browser uses BBC’s performance cookies. If you’re " \
        "outside the UK you can also use the toggle to set " \
        "your preferences for personalised advertising cookies."
pattern = re.compile(r"\b[a-z]*(es|ing|er)\b")
print(pattern.findall(str01))

输出结果:

['er', 'es', 'es', 'es', 'ing', 'es']

为什么没有显示出完整的单词呢,这就涉及到正则表达式中分组的知识了;

七、 分组

1. 捕获组与非捕获组

分组是我们正则表达式中一个难点,把正则表达式的一部分用括号括起来作为一个组;主要包括捕获组()非捕获组(?:)
如何进行捕获呢?待捕获的表达式用小括号括起来,编号从1开始,后面通过反斜杠加数字标号进行调用。
我们以一个案例来进行解释
案例:
在前一段英文中,匹配这样的单词,有5个字符;第一个字母和第五个一样,第二个和第四个一样,比如abcba
分析
因为匹配的是单词第一个和最后一个都是单词的边界,故正则表达式的前后都用\b,第一个字母和第二个字母后面都要用到所以分别给它们设置捕获组。用小括号括起来([a-z])([a-z])第三字母后面用不到所以不设置捕获组,第四个字母和第五个字母调用前面的捕获组,所以通过反斜杠加数字编号来进行调用,所以主要的正则表达式为:\b([a-z])([a-z])[a-z]\2\1\b

import re
print(re.findall(r"\b([a-z])([a-z])[a-z]\2\1\b","fdadd abcba"))

输出结果:

[('a', 'b')]

貌似是匹配到了,但是输出的结果并不满意,并不是完整的显示内容这是怎么回事呢?
原因
如果对正则表达式做了分组,使用findall函数则显示捕获组所匹配的内容,不能完整显示,如果想完整显示的话有两个解决办法:
方法一:使用非捕获组
如果不需要对捕获组的内容调用,可以使用非捕获组,在表达式前加上?:就可以了,表示只捕获数据了,只用来表达条件。回到我们前面的案例,英文句子中匹配单词,怎样才能完整显示呢?对于后面不需要调用的正则表达式分组,我们使用非捕获组的方式,就是表达式前加上问号和冒号即可,则前面的正则表达式\b[a-z]*(es|ing|er)\b可以写成\b[a-z]*(?:es|ing|er)\b,这样我们的输出结果就是完整的单词了。

方法二:使用迭代函数finditer
将findall函数改为迭代函数finditer

import re
match_result = re.finditer(r"\b([a-z])([a-z])[a-z]\2\1\b","fdadd abcba")
match_list = []
for i in match_result:
    match_list.append(i.group(0))
print(match_list)

输出结果:

['abcba']

这样就能完成显示匹配结果了

2. 分组的命名

捕获组默认是从数字1开始编号的,但是如果捕获组数量多的话,最好还是能给捕获组命名方便调用,那么怎么给捕获组命名呢?
命名的方法:加问号加P跟着尖括号里写上名称(?P<名称>);调用的方法:加问号加P等于号号码跟上名称(?P=name)
前面的正则表达式\b([a-z])([a-z])[a-z]\2\1\b命名可以写成\b(?P<number01>[a-z])(?P<number02>[a-z])[a-z](?P=number02)(?P=number01)\b
实际代码可以写成:

print(re.findall(r"\b(?P<number01>[a-z])(?P<number02>[a-z])[a-z](?P=number02)(?P=number01)\b","fdadd abcba"))

八、零宽断言

Python正则表达式的零宽断言有着不同的称呼:零宽度断言、预搜索、环视等等,它是干嘛的呢?它是用来匹配一个位置
零宽的意思是不占用字符宽度、位置,比如\b表示单词起始或者结束的位置,^表示正则表达式的开始;$表示正则表达式的结束;
零宽断言的特征:
(1)做位置的匹配,不占宽度
(2)匹配的内容不计入最终的结果
(3)主要用作判断某个位置的前后字符

1. 语法格式
图片.png
2. 解释

有一段字符串我们根据它前面的表达式来找到匹配的字符串,比如要在www.baidu.com中查找名称baidu,我们可以根据条件声明根域名是以www.开头的,.com结尾的。那么零宽断言的表达式就可以写成(?<=www[.])[a-z]+(?=[.]com)
代码示例

import re
print(re.findall(r"(?<=www[.])[a-z]+(?=[.]com)","www.baidu.com"))

输出结果

['baidu']

注意:匹配输出的内容是零宽断言括号外面的部分

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
  • 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 151,688评论 1 330
  • 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 64,559评论 1 273
  • 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 101,749评论 0 226
  • 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 42,581评论 0 191
  • 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 50,741评论 3 271
  • 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 39,684评论 1 192
  • 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 31,122评论 2 292
  • 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 29,847评论 0 182
  • 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 33,441评论 0 228
  • 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 29,939评论 2 232
  • 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 31,333评论 1 242
  • 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 27,783评论 2 236
  • 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 32,275评论 3 220
  • 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 25,830评论 0 8
  • 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 26,444评论 0 180
  • 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 34,553评论 2 249
  • 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 34,618评论 2 249