Python正则表达式讲解

Posted 2021-01-20 mcarryoung

什么是正则表达式？

　　正则表达式，又称规则表达式（英文：Regular Expression，在代码中简写为regex，regexp或re），计算机科学的一个概念，正则表达式通常被用来检索、替换那些符合某个规则的文本。

正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符，及这些特定字符的组合，组成一个‘规则字符串’，这个‘规则字符串’用来表达对字符串一种过滤逻辑。更多关于正则表达式介绍，点击这里进入百度百科。

怎么使用正则表达式？

　　首先，需要导入re模块，因为关于正则表达式处理的功能函数都在这个模块内

　　import re

re模块共分为5个功能函数:

• match 从头开始匹配
• search 使用最多，在整个文本搜索
• findall 取到所有符合逻辑的字符串
• split　分割
• sub　替换

正则表达式符号：

‘.‘	默认匹配除了 以外的任意一个字符
‘^‘	匹配字符开头
‘$‘	匹配字符结尾
‘*‘	匹配*号前的字符0次或者多次
‘+‘	匹配前一个字符1次或多次
‘?‘	匹配前一个字符1次或0次
‘{m}‘	匹配前一个字符m次
‘{n,m}‘	匹配前一个字符n到m次
‘|‘	匹配|左或|右的字符
‘(...)‘	分组匹配

‘A‘	只从字符开头匹配
‘‘	匹配字符结尾，和$一样
‘d‘	匹配0到9的数字
‘D‘	匹配非数字
‘w‘	匹配[A-Za-z0-9]
‘W‘	匹配非[A-Za-z0-9]
‘s‘	匹配空白字符

基础的说完了，下面看看如何使用强大的正则来处理字符串吧

比如说，现在一顿学生的学号和姓名在一块，我现在需要把他们的学号取出来如何去呢？（注：学号是12位的，都是数字）

逻辑分析：上面说的学号是12位的，每个学生的姓名都是英文字母，结合正则表达式字符来解释，取出姓名就可以写成[a-z]+,取出学号可以写成[0-9]{12},因为匹配整个字符串，所以要使用findall函数

下面我们使用代码来测试下：

1 import re
2 
3 z = ‘[0-9]{12}‘
4 z1 = ‘[a-z]+‘
5 str = ‘xiaoming202201056234xiaogang201023415674xiaoli222278564356‘
6 s1 = re.findall(z1,str)
7 s= re.findall(z,str)
8 print(s1)
9 print(s)

运行结果

[‘xiaoming‘, ‘xiaogang‘, ‘xiaoli‘]
[‘202201056234‘, ‘201023415674‘, ‘222278564356‘]

这只是一些简单的例子，对于正则表达式需要不断的练习，网上有很多的在线正则表达式测试的连接，可以去学习学习

sub替换匹配到的字符串：这里是把匹配到的学号替换成1212

1 import re
2 
3 z = ‘[0-9]{12}‘
4 str = ‘xiaoming202201056234xiaogang201023415674xiaoli222278564356‘
5 s= re.sub(z,‘1212‘,str)
6 print(s)

运行结果

xiaoming1212xiaogang1212xiaoli1212

通过split来分割字符串：通过学号来分割字符串

1 import re
2 
3 z = ‘[0-9]{12}‘
4 str = ‘xiaoming202201056234xiaogang201023415674xiaoli222278564356‘
5 s= re.split(z,str)
6 print(s)

运行结果

[‘xiaoming‘, ‘xiaogang‘, ‘xiaoli‘, ‘‘]

这里的结果为什么会在最后多处一个‘’。以为我们分割的时候在最后面的字符串是一个学号，所以说会多出来一个

 

这里我下面写几个正则表达式的匹配规则，大家结合上面的正则表达式符号看看能不能理解为什么这样写

匹配身份证号：^[1-9][0-7]d{4}((19d{2}(0[13-9]|1[012])(0[1-9]|[12]d|30))|(19d{2}(0[13578]|1[02])31)|(19d{2}02(0[1-9]|1d|2[0-8]))|(19([13579][26]|[2468][048]|0[48])0229))d{3}(d|X|x)?$。这里知识匹配的格式是否正确

匹配邮箱：^[a-z0-9A-Z]+[- | a-z0-9A-Z . _][email protected]([a-z0-9A-Z]+(-[a-z0-9A-Z]+)?\.)+[a-z]{2,}$

匹配中文：[u4e00-u9fa5]+