Python学习（十三）--正则表达式

1.概述

正则表达式是一个特殊的字符序列，一个字符串是否与我们所设定的字符序列相匹配

主要用于快速检索文本、实现一些替换文本的操作
例如：
（1）检查一串数字是否是电话号码
（2）检查一个字符串是否符合email
（3）把一个文本里指定的单词替换为另一个单词

2.初识

不使用正则表达式查找字符串中某个单词

    a = 'C|C++|Java|Python|C#|Javascript'
    print(a.index('Python') > -1)
    print('Python' in a)
==>
    True
    True

使用正则表达式：要用到Python的模块re

import re

a = 'C|C++|Java|Python|C#|Javascript'
r = re.findall('Python',a)
print(r)
if len(r) > 0:
    print('字符串中包含Python')
else:
    print('No')
==>
['Python']
字符串中包含Python

3.数字正则表达式

b = 'C0C++7Java8Python9C#6Javascript'
需求：找出字符串中所有的数字
（1）方法1：for in 循环找出所有的数字
（2）方法2：

import re

b = 'C0C++7Java8Python9C#6Javascript'
re.findall('0' , b)
re.findall('1' , b)
re.findall('2' , b)
re.findall('3' , b)
.....
re.findall('9' , b)

（3）方法3：

import re

b = 'C0C++7Java8Python9C#6Javascript'
r = re.findall('\d' , b)    #\d表示所有的数字
print(r)
==>
['0', '7', '8', '9', '6']

4.正则表达式类型

（1）普通字符 'Python'
（2）元字符
例如：'\d' 匹配一个数字字符。等价于[0-9]
'\D' 匹配一个非数字字符。等价于[^0-9]
（3）普通字符和元字符混合
参考链接：https://baike.baidu.com/item/%E6%AD%A3%E5%88%99%E8%A1%A8%E8%BE%BE%E5%BC%8F
https://www.runoob.com/regexp/regexp-metachar.html

5.字符集

import re

s = 'abc, acc, adc, aec, afc, ahc'
#找出所有中间字母为c或者f的单词
r = re.findall('a[cf]c', s)
print(r)
#找出所有中间字符非c或f或d的单词
r1 = re.findall('a[^cdf]c',s)
print(r1)
#找出所有中间字符为c或d或e或f的单词
r2 = re.findall('a[c-f]c',s)
print(r2)
==>
['acc', 'afc']
['abc', 'aec', 'ahc']
['acc', 'adc', 'aec', 'afc']

6.概括字符集

'\d' 匹配一个数字字符。等价于[0-9]
'\D' 匹配一个非数字字符。等价于[^0-9]
[\w] 匹配包括下划线的任何单词字符。类似但不等价于“[A-Za-z0-9_]”，这里的"单词"字符使用Unicode字符集，例如 & 是匹配不到的
[\W] 匹配任何非单词字符。等价于[^A-Za-z0-9_] 包含空格、回车、制表符等
[\s] 匹配任何不可见字符，包括空格、制表符、换页符等等。等价于[ \f\n\r\t\v]
[\S] 匹配任何可见字符。等价于[^ \f\n\r\t\v]
.点 匹配除“\n”和"\r"之外的任何单个字符。要匹配包括“\n”和"\r"在内的任何字符，请使用像“[\s\S]”的模式

a = 'C#\rpython_11&11 java\n678\tphp'
r1 = re.findall('[0-9]',a)
print(r1)
r2 = re.findall('[^0-9]',a)
print(r2)
r3 = re.findall('\w',a)
print(r3)
r4 = re.findall('\W',a)
print(r4)
r5 = re.findall('\s',a)
print(r5)
r6 = re.findall('\S',a)
print(r6)
r7 = re.findall('.',a)
print(r7)
==>
['1', '1', '1', '1', '6', '7', '8']
['C', '#', '\r', 'p', 'y', 't', 'h', 'o', 'n', '_', '&', ' ', 'j', 'a', 'v', 'a', '\n', '\t', 'p', 'h', 'p']
['C', 'p', 'y', 't', 'h', 'o', 'n', '_', '1', '1', '1', '1', 'j', 'a', 'v', 'a', '6', '7', '8', 'p', 'h', 'p']
['#', '\r', '&', ' ', '\n', '\t']
['\r', ' ', '\n', '\t']
['C', '#', 'p', 'y', 't', 'h', 'o', 'n', '_', '1', '1', '&', '1', '1', 'j', 'a', 'v', 'a', '6', '7', '8', 'p', 'h', 'p']
['C', '#', '\r', 'p', 'y', 't', 'h', 'o', 'n', '_', '1', '1', '&', '1', '1', ' ', 'j', 'a', 'v', 'a', '6', '7', '8', '\t', 'p', 'h', 'p']

7.数量词

（1）？
当该字符紧跟在任何一个其他限制符（*,+,?，{n}，{n,}，{n,m}）后面时，匹配模式是非贪婪的。非贪婪模式尽可能少地匹配所搜索的字符串，而默认的贪婪模式则尽可能多地匹配所搜索的字符串。例如，对于字符串“oooo”，“o+”将尽可能多地匹配“o”，得到结果[“oooo”]，而“o+?”将尽可能少地匹配“o”，得到结果 ['o', 'o', 'o', 'o']

贪婪：尽可能匹配最大设置数量来做匹配，尽可能匹配更多，满足3时，不会立刻满足并返回结果，还会继续往下匹配，因此会匹配出python
例如：[a-z]{3,6} 会尽可能按照[a-z]{6}做匹配
非贪婪：[a-z]{3,6}? 一旦满足3，就返回结果了

import re

a = 'ptho0python1pythonn2'

r = re.findall('[a-z]{3,6}',a)
print(r)

r1 = re.findall('[a-z]{3,6}?',a)
print(r1)
==>
['ptho', 'python', 'python']
['pth', 'pyt', 'hon', 'pyt', 'hon']

（2）*
匹配前面的子表达式任意次。例如，zo能匹配“z”，也能匹配“zo”以及“zoo”。等价于{0,}

import re

a = 'pytho0python1pythonn2'
r3 = re.findall('python*',a)
print(r3)
==>
['pytho', 'python', 'pythonn']

（3）+
匹配前面的子表达式一次或多次(大于等于1次）。例如，“zo+”能匹配“zo”以及“zoo”，但不能匹配“z”。+等价于{1,}

import re

a = 'pytho0python1pythonn2'
r3 = re.findall('python+',a)
print(r3)
==>
['python', 'pythonn']

（4）?
匹配前面的子表达式零次或一次。例如，“do(es)?”可以匹配“do”或“does”。?等价于{0,1}

import re

a = 'pytho0python1pythonn2'
r3 = re.findall('python?',a)
print(r3)
==>
['pytho', 'python', 'python']

8.边界匹配

qq = '100001'
需求：校验QQ号是否合规，要求QQ号必须在4-8位之间
错误方法：

r = re.findall('\d{4,8}',qq)
#qq号小于4位时，能筛选出错误的qq号
#当qq = '1000000001'  为9位时，上方语句也能匹配出来，这样就错了

正确方法：

#从行首开始匹配，满足4-8字符，同时后边紧跟着行尾
r = re.findall('^\d{4,8}$',qq)

^:匹配输入字行首。如果设置了RegExp对象的Multiline属性，^也匹配“\n”或“\r”之后的位置
$:匹配输入行尾。如果设置了RegExp对象的Multiline属性，$也匹配“\n”或“\r”之前的位置

qq = '100001'
r1 = re.findall('^000',qq)
print(r1)
r2 = re.findall('000$',qq)
print(r2)
==>
[]
[]

9.以单词为最小单位匹配，用（）括起来即可

a = 'PythonPythonPythoPythonPythonPython'
#匹配是否有连续3个Python
r = re.findall('(Python){3}',a)
print(r)
r1 = re.findall('(Python){4}',a)
print(r1)
==>
['Python']
[]

10.匹配模式

language = 'PythonC#\nJavaPHP'
r = re.findall('c#',language)
print(r)
==>
[]
#匹配不到
修饰符 描述
re.I 使匹配对大小写不敏感
re.S 使 . 匹配包括换行在内的所有字符
re.L 做本地化识别（locale-aware）匹配
re.M 多行匹配，影响 ^ 和 $
re.U 根据Unicode字符集解析字符。这个标志影响 \w, \W, \b, \B.
re.X 该标志通过给予你更灵活的格式以便你将正则表达式写得更易于理解。

使用re.I使匹配对大小写不敏感

language = 'PythonC#\nJavaPHP'
r = re.findall('c#',language,re.I)
print(r)
==>
['C#']

需求：匹配到c#和其后边的一个换行符

language = 'PythonC#\nJavaPHP'
r = re.findall('c#.{1}',language,re.I)
==>
[]
#匹配不到，因为.点无法匹配“\n”和“\r”这种字符

使用re.S使 . 匹配包括换行在内的所有字符

language = 'PythonC#\nJavaPHP'
r = re.findall('c#.{1}',language,re.I | re.S)
print(r)
==>
['C#\n']

11.re.sub 正则替换

import re

language = 'PythonC#JavaC#PHPC#'
r = re.sub('C#','GO',language)
#上述语句等同于r = re.sub('C#','GO',language,0)，意思是字符串的C#全部替换
print(r)
==>
PythonGOJavaGOPHPGO

可以选择不全部替换'C#'

language = 'PythonC#JavaC#PHPC#'
r = re.sub('C#','GO',language,1)
print(r)
==>
PythonGOJavaC#PHPC#

language = 'PythonC#JavaC#PHPC#'
r = re.sub('C#','GO',language,2)
print(r)
==>
PythonGOJavaGOPHPC#

全部替换也可以用另一个函数：replace

language = language.replace('C#','GO')
print(language)
==>
PythonGOJavaGOPHPGO

sub函数的第二个参数不仅可以是一个常量，也可以是一个函数
例如：

import re
    
def convert(value):
    pass
language = 'PythonC#JavaC#PHPC#'
r = re.sub('C#',convert,language)
print(r)
==>
PythonJavaPHP

源字符串如果有'C#',则'C#'会作为函数convert的入参，convert的输出则将替换'C#'，上方因为convert输出为空，因此所有'C#'消失了
打印一下函数convert的入参value

def convert(value):
    print(value)
==>
<re.Match object; span=(6, 8), match='C#'>
<re.Match object; span=(12, 14), match='C#'>
<re.Match object; span=(17, 19), match='C#'>

原来value不单纯只是一个字符串，而是一个对象，那么怎么直接拿到对象的内容？使用group()函数

def convert(value):
    matched = value.group()
    return '!!'+ matched + '!!'
language = 'PythonC#JavaC#PHPC#'
r = re.sub('C#',convert,language)
print(r)
==>
Python!!C#!!Java!!C#!!PHP!!C#!!

12.练习

字符串s = 'A83C27D1D8E67'
按如下规则进行字符串转换：
（1）找到所有数字，数字为1位则删掉
（2）数字为2位，则判断数字是否大于等于50，若是，则替换为99；若不是，则替换为00
答案：

s = 'A83C27D1D8E67'
def convert(value):
    matched = value.group()
    if len(matched) < 2:
        return ''
    elif int(matched) >= 50:
        return '99'
    else:
        return '00'
r = re.sub('\d{1,2}',convert,s)
print(r)
==>
A99C00DDE99

13.match和search

s = 'A83CF8943GH44'
#match从字符串的第一个字符开始匹配，匹配不到\d就返回None
r1 = re.match('\d',s)
print(r1)
#search从整个字符串进行搜索，当搜索到第一个符合条件的字符时就返回该字符，并停止搜索
r2 = re.search('\d',s)
print(r2)
==>
None
<re.Match object; span=(1, 2), match='8'>

14.group()

import re

s = 'life is short,i use python'
s1 = 'life is short,i use python,i love python'

r = re.findall('life(.*)python',s)
print(r)

r = re.search('life(.*)python(.*)python',s1)
print(r.group(0))
print(r.group(1))
print(r.group(2))
print(r.groups())
==>
[' is short,i use ']      # 用圆括号括起来，可以不输出边界，只输出想要的部分
life is short,i use python,i love python      #group(0)默认输出全部
 is short,i use      #group(1)输出第一个圆括号中的内容
,i love      #group(2)输出第二个圆括号中的内容
(' is short,i use ', ',i love ')      #groups()把两个括号中的内容合成一个元组输出

15.JSON是一种轻量级的数据交换格式

（1）和XML相比，JSON很轻量
字符串是JSON的表现形式
符合JSON格式的字符串，就是JSON字符串
JSON是跨语言的，在每一种语言基本都能找到相对应的数据格式

import json

json_str = '{"name":"huluwa", "age":18}'
json_str1 = '[{"name":"huluwa", "age":18, "flag":false},{"name":"test", "age":28}]'
# 注意点：
# 1.key一定要用双引号引起来，单引号不行（与语言无关）
# 2.字符串一定要用双引号引起来，单引号不行（与语言无关）,数字不需要引起来
# 3.python内部有双引号，最外部一定要用单引号（与python有关）
student = json.loads(json_str)
print(type(student))
print(student)

student1 = json.loads(json_str1)
print(type(student1))
print(student1)

==>
<class 'dict'>
{'name': 'huluwa', 'age': 18}
<class 'list'>
[{'name': 'huluwa', 'age': 18, 'flag': False}, {'name': 'test', 'age': 28}]

（2）反序列化

# 从字符串转化成语言下的某种数据类型的过程，叫做反序列化，反之则叫做序列化;
# json.loads()就是一个反序列化的过程，下面来看一下序列化：

student2 = [
    {'name':'huluwa','age':18,'flag':False},
    {'name':'test','age':28}
]

print(type(student2))
json_str2 = json.dumps(student2)
print(type(json_str2))
print(json_str2)
==>
<class 'list'>      #student2本来是list类型
<class 'str'>      #经过json.dumps()之后变成了字符串类型
[{"name": "huluwa", "age": 18, "flag": false}, {"name": "test", "age": 28}]

（3）JSON和python数据类型对应列表

JSON python
object dict
array list
string str
number int
number float
true True
false False
null None
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
  • 人面猴
    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 194,088评论 5赞 459
  • 死咒
    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 81,715评论 2赞 371
  • 救了他两次的神仙让他今天三更去死
    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 141,361评论 0赞 319
  • 道士缉凶录：失踪的卖姜人
    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 52,099评论 1赞 263
  • 港岛之恋（遗憾婚礼）
    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 60,987评论 4赞 355
  • 恶毒庶女顶嫁案：这布局不是一般人想出来的
    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 46,063评论 1赞 272
  • 城市分裂传说
    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 36,486评论 3赞 381
  • 双鸳鸯连环套：你想象不到人心有多黑
    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 35,175评论 0赞 253
  • 万荣杀人案实录
    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 39,440评论 1赞 290
  • 护林员之死
    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 34,518评论 2赞 309
  • 白月光启示录
    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 36,305评论 1赞 326
  • 活死人
    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 32,190评论 3赞 312
  • 日本核电站爆炸内幕
    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 37,550评论 3赞 298
  • 男人毒药：我在死后第九天来索命
    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 28,880评论 0赞 17
  • 一桩弑父案，背后竟有这般阴谋
    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 30,152评论 1赞 250
  • 情欲美人皮
    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 41,451评论 2赞 341
  • 代替公主和亲
    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 40,637评论 2赞 335