Python3-re模块

Posted 追梦的肥猪

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Python3-re模块相关的知识,希望对你有一定的参考价值。

根据手机号码一共11位并且是只以13、14、15、18开头的数字这些特点,我们用python写了如下代码:
while True:
    phone_number = input(please input your phone number : )
    if len(phone_number) == 11             and phone_number.isdigit()            and (phone_number.startswith(13)             or phone_number.startswith(14)             or phone_number.startswith(15)             or phone_number.startswith(18)):
        print(是合法的手机号码)
    else:
        print(不是合法的手机号码)
这是你的写法,现在我要展示一下我的写法:
import re
phone_number = input(please input your phone number : )
if re.match(^(13|14|15|18)[0-9]{9}$,phone_number):
        print(是合法的手机号码)
else:
        print(不是合法的手机号码)

这样写明显代码少了很多,这就是python的re模块(正则表达式)

正则表达式本身也和python没有什么关系,就是匹配字符串内容的一种规则

官方定义: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”用来表达对字符串的一种过滤逻辑。


正则表达式

字符:

 
元字符
 
匹配内容
匹配除换行符以外的任意字符
w 匹配字母或数字或下划线
s 匹配任意的空白符
d 匹配数字
匹配一个换行符
匹配一个制表符
 匹配一个单词的结尾
^ 匹配字符串的开始
$ 匹配字符串的结尾
W
匹配非字母或数字或下划线
D
匹配非数字
S
匹配非空白符
a|b
匹配字符a或字符b
()
匹配括号内的表达式,也表示一个组
[...]
匹配字符组中的字符
[^...]
匹配除了字符组中字符的所有字符

量词:
量词
用法说明
* 重复零次或更多次
+ 重复一次或更多次
? 重复零次或一次
{n} 重复n次
{n,} 重复n次或更多次
{n,m} 重复n到m次

 

* + ? { }

正则 待匹配字符 匹配
结果
说明
李.? 李杰和李莲英和李二棍子

李杰
李莲
李二

 
?表示重复零次或一次,即只匹配"李"后面一个任意字符
 
李.* 李杰和李莲英和李二棍子 李杰和李莲英和李二棍子
*表示重复零次或多次,即匹配"李"后面0或多个任意字符
李.+ 李杰和李莲英和李二棍子 李杰和李莲英和李二棍子
+表示重复一次或多次,即只匹配"李"后面1个或多个任意字符
李.{1,2} 李杰和李莲英和李二棍子

李杰和
李莲英
李二棍

{1,2}匹配1到2次任意字符

 注意:前面的*,+,?等都是贪婪匹配,也就是尽可能匹配,后面加?号使其变成惰性匹配

 

正则 待匹配字符 匹配
结果
说明
李.*? 李杰和李莲英和李二棍子

惰性匹配

字符集[][^]

正则 待匹配字符 匹配
结果
说明
李[杰莲英二棍子]* 李杰和李莲英和李二棍子

李杰
李莲英
李二棍子

 
表示匹配"李"字后面[杰莲英二棍子]的字符任意次
 
李[^和]* 李杰和李莲英和李二棍子

李杰
李莲英
李二棍子

表示匹配一个不是"和"的字符任意次
[d] 456bdha3

4
5
6
3

表示匹配任意一个数字,匹配到4个结果
[d]+ 456bdha3

456
3

表示匹配任意个数字,匹配到2个结果

分组 ()与 或 |[^]

 身份证号码是一个长度为15或18个字符的字符串,如果是15位则全部由数字组成,首位不能为0;如果是18位,则前17位全部是数字,末位可能是数字或x,下面我们尝试用正则来表示:

正则 待匹配字符 匹配
结果
说明
^[1-9]d{13,16}[0-9x]$ 110101198001017032

110101198001017032

   表示可以匹配一个正确的身份证号
^[1-9]d{13,16}[0-9x]$ 1101011980010170

1101011980010170

表示也可以匹配这串数字,但这并不是一个正确的身份证号码,它是一个16位的数字
^[1-9]d{14}(d{2}[0-9x])?$ 1101011980010170

False

现在不会匹配错误的身份证号了
()表示分组,将d{2}[0-9x]分成一组,就可以整体约束他们出现的次数为0-1次
^([1-9]d{16}[0-9x]|[1-9]d{14})$ 110105199812067023

110105199812067023

表示先匹配[1-9]d{16}[0-9x]如果没有匹配上就匹配[1-9]d{14}

 

转义符

在正则表达式中,有很多有特殊意义的是元字符,比如 和s等,如果要在正则中匹配正常的" "而不是"换行符"就需要对""进行转义,变成‘\‘。

在python中,无论是正则表达式,还是待匹配的内容,都是以字符串的形式出现的,在字符串中也有特殊的含义,本身还需要转义。所以如果匹配一次" ",字符串中要写成‘\n‘,那么正则里就要写成"\\n",这样就太麻烦了。这个时候我们就用到了r‘ ‘这个概念,此时的正则是r‘\n‘就可以了。

正则 待匹配字符 匹配
结果
说明
 False
因为在正则表达式中是有特殊意义的字符,所以要匹配
本身,用表达式
无法匹配
\n  True
转义之后变成\,即可匹配
"\\n" ‘\n‘  True
如果在python中,字符串中的‘‘也需要转义,所以每一个字符串‘‘又需要转义一次
r‘\n‘ r‘ ‘  True
在字符串之前加r,让整个字符串不转义

贪婪匹配

贪婪匹配:在满足匹配时,匹配尽可能长的字符串,默认情况下,采用贪婪匹配

正则 待匹配字符 匹配
结果
说明
<.*>

<script>...<script>

<script>...<script>
默认为贪婪匹配模式,会匹配尽量长的字符串
<.*?> r‘d‘  

<script>
<script>

加上?为将贪婪匹配模式转为非贪婪匹配模式,会匹配尽量短的字符串
几个常用的非贪婪匹配Pattern
*? 重复任意次,但尽可能少重复
+? 重复1次或更多次,但尽可能少重复
?? 重复0次或1次,但尽可能少重复
{n,m}? 重复n到m次,但尽可能少重复
{n,}? 重复n次以上,但尽可能少重复
.*?的用法
. 是任意字符
* 是取 0 至 无限长度
? 是非贪婪模式。
合在一起就是 取尽量少的任意字符,一般不会这么单独写,他大多用在:
.*?x

就是取前面任意长度的字符,直到第一个x出现

 

re模块下的常用方法

import re

ret = re.findall(a, eva egon yuan)  # 返回所有满足匹配条件的结果,放在列表里
print(ret) #结果 : [a, a]

ret = re.search(a, eva egon yuan).group()
print(ret) #结果 : a
# 函数会在字符串内查找模式匹配,只到找到第一个匹配然后返回一个包含匹配信息的对象,该对象可以
# 通过调用group()方法得到匹配的字符串,如果字符串没有匹配,则返回None。

ret = re.match(a, abc).group()  # 同search,不过尽在字符串开始处进行匹配
print(ret)
#结果 : a

ret = re.split([ab], abcd)  # 先按a分割得到‘‘bcd,在对‘‘bcd分别按b分割
print(ret)  # [‘‘, ‘‘, cd]

ret = re.sub(d, H, eva3egon4yuan4, 1)#将数字替换成H,参数1表示只替换1个
print(ret) #evaHegon4yuan4

ret = re.subn(d, H, eva3egon4yuan4)#将数字替换成H,返回元组(替换的结果,替换了多少次)
print(ret)

obj = re.compile(d{3})  #将正则表达式编译成为一个 正则表达式对象,规则要匹配的是3个数字
ret = obj.search(abc123eeee) #正则表达式对象调用search,参数为待匹配的字符串
print(ret.group())  #结果 : 123

import re
ret = re.finditer(d, ds3sy4784a)   #finditer返回一个存放匹配结果的迭代器
print(ret)  # <callable_iterator object at 0x10195f940>
print(next(ret).group())  #查看第一个结果
print(next(ret).group())  #查看第二个结果
print([i.group() for i in ret])  #查看剩余的结果

注意:

1 findall的优先级查询:

import re

ret = re.findall(www.(baidu|oldboy).com, www.oldboy.com)
print(ret)  # [oldboy]     这是因为findall会优先把组里的匹配结果内容返回,如果想要匹配结果,取消权限即可

ret = re.findall(www.(?:baidu|oldboy).com, www.oldboy.com)
print(ret)  # [www.oldboy.com]

2 split的优先级查询

ret=re.split("d+","eva3egon4yuan")
print(ret) #结果 : [eva, egon, yuan]

ret=re.split("(d+)","eva3egon4yuan")
print(ret) #结果 : [eva, 3, egon, 4, yuan]

#在匹配部分加上()之后所切出的结果是不同的,
#没有()的没有保留所匹配的项,但是有()的却能够保留了匹配的项,
#这个在某些需要保留匹配部分的使用过程是非常重要的。

 




























以上是关于Python3-re模块的主要内容,如果未能解决你的问题,请参考以下文章

Python模块-re模块

python3怎么导入re模块

re模块的高级用法

python常用模块之re模块(正则)

python re模块

模块讲解---time模块,datetime模块,random模块,hashlib模块和hmac模块,typing模块,requests模块,re模块