一、正则表达式基本语法
正则表达式就是用来检测字符串是否满足某种规则的工具
例如:
1.账号是手机号/邮箱/多少位,由什么东西组成等.......
2.网络聊天中,脏话替换成*
1,匹配
1)“.”:匹配任意字符
匹配一个字符串,只有一位字符,任意字符
re_str=r'.'
result=fullmatch(re_str,'a')
result=fullmatch(re_str,'aas') #None----需要3个“ . ”
print(result)
匹配一个字符串,前三位是abc,最后一位是任意字符
re_str=r'abc.'
result=fullmatch(re_str,'abcf') # <_sre.SRE_Match object; span=(0, 4), match='abcf'>
result=fullmatch(re_str,'abdf') # None
print(result)
2)“\w”:匹配字母数字下划线
匹配一个字符串,前三位是abc,最后一位是字母数字下划线
re_str=r'abc\w'
result=fullmatch(re_str,'abc2') #<_sre.SRE_Match object; span=(0, 4), match='abc2'>
result=fullmatch(re_str,'abc!') #None
print(result)
3)“ \s ”:匹配空白字符(空白指空格,制表符,回车等所有能产生空白的字符)
re_str=r'\w\w\w\s.'
result=fullmatch(re_str,'a2_\n!')
print(result)
4)“ \d ”:匹配数字字符
前三位是数字,最后一位是任意字符
re_str=r'\d\d\d.'
result=fullmatch(re_str,'123&')
print(result)
5)“\W”:匹配非字母数字下划线
6)“ \S ”:匹配非空白字符(空白指空格,制表符,回车等所有能产生空白的字符)
7)“ \D ”:匹配非数字字符
2,检测(匹配时不占位)
1)“ \b ”:检测是否是单词边界(单词开头和结尾,单词间的标点、空格等)
匹配中遇到\b先不管,匹配成功后再回头看\b位置是否是单词边界
匹配一个字符串,前四位是when,第五位是空白,空白后是where,并且第四位后边是单词边界
re_str=r'when\b\swhere'
result=fullmatch(re_str,'when where')
print(result)
2)“ ^ ”:检测字符串是否以给定的正则表达式开头,匹配时不占位
匹配一个字符串,是否以两位数字开头
re_str=r'^\d\d'
result=fullmatch(re_str,'22')
result=search(re_str,'22sdvcs')
print(result)
3)“ $ ”:检测字符串是否以给定的正则表达式结束,匹配时不占位
匹配一个字符串,是否以 a数字 结束
re_str=r'a\d$'
result=fullmatch(re_str,'a2')
result=search(re_str,'sdvarva7')
print(result)
4)“ \B ”:检测是否是非单词边界,匹配时不占位
3匹配次数
1)“ [] ”:匹配中括号中出现的任意字符
注意:一个中括号只匹配一个字符
匹配一个3位的字符串,第一位是‘abc’中一个,后两位是数字
re_str=r'[ab+]\d\d'
result=fullmatch(re_str,'+34')
print(result)
“ - ” 在正则中的中括号中的应用:如果将-放到两个字符中间代表谁到谁(利用ASCII码排序,不能从大到小)。如果想表示‘-’本身,就放在开头或结尾
要求一个字符串中的第一个是1~8中的一个,后面两位是两个小写字母
[-18],[18-]:代表的字符是‘1’,‘8’,‘-’三个字符
re_str=r'[1-8][a-z][a-z]'
result=fullmatch(re_str,'3ab')
print(result)
2)“ [^字符集] ”:匹配不在中括号中出现的任意字符
匹配一个四位字符串,第一位不是大写字母,后三位是abc
re_str=r'[^A-Z]abc'
result=fullmatch(re_str,'(abc')
print(result)
3)“ * ”:匹配0次或多次
匹配一个字符串,最后一位是b,b的前面有0个或多个a
re_str=r'a*b' #'b','ab','aab','aaab','aaaab'
result=fullmatch(re_str,'aaaab')
print(result)
4)“ + ”:匹配1次或多次(至少一次)
判断一个字符串是否是无符号整数
re_str=r'[1-9]+\d*'
result=fullmatch(re_str,'9870')
print(result)
5)“ ? ”:匹配0次或1次
判断一个字符串是否是无符号整数
re_str=r'@?\d+'
result=fullmatch(re_str,'9870')
print(result)
判断一个字符串是否是整数
re_str=r'[+-]?[1-9]+\d*'
result=fullmatch(re_str,'9870')
print(result)
6)“ {N} ”:匹配N次
re_str=r'\d{3}' #匹配三位数字字符串
result=fullmatch(re_str,'987')
print(result)
7)“ {N,} ”:至少匹配N次
re_str=r'\d{3,}' #至少匹配三位数字字符串
result=fullmatch(re_str,'98764')
print(result)
8)“ {,N} ”:最多匹配N次
re_str=r'\d{,5}' #最多匹配5位数字字符串
result=fullmatch(re_str,'64234')
print(result)
9)“ {M,N} ”:至少匹配M次,最多匹配N次
re_str=r'\d{3,5}' #最多匹配5位数字字符串
result=fullmatch(re_str,'64234')
print(result)
注意:次数相关的操作都是约束符号前的前一个字符
练习:
用户名必须由字母、数字或下划线构成且长度在6~20个字符之间
QQ号是5~12的数字且首位不能为0
user=input('请输入用户名:')
if fullmatch(r'\w{6,20}',user):
print('用户名可用')
qq=input('请输入qq:')
if fullmatch(r'[1-9]\d{4,11}',qq):
print('qq可用')
4,分之和分组
1) | 分之(相当于逻辑运算中的or)
匹配一个字符串是三个字母或者是三个数字
re_str = r'[a-zA-Z]{3}|\d{3}'
print(fullmatch(re_str, 'abc'))
'\d{3}[a-z]{2}'是分之中的第一个条件, '[A-F]{3}'是分之的第二个条件
re_str = r'\d{3}[a-z]{2}|[A-F]{3}'
print(fullmatch(re_str, 'ABC'))
注意:正则中的分之有短路操作:如果使用|去连接多个条件,前面的条件已经匹配出结果,那么就不会使用后面的条件再去匹配了
练习:写一个正则表达式,能够匹配出字符串中所有的数字(包括整数和小数)
# 'abc12.5hhh60,30.2kkk9nn0.12'
# 100, 89.89, 20.12, 0.23
# re_str = r'[1-9]\d*[.]?\d*|0[.]\d+'
re_str = r'[1-9]\d*|\d+[.]\d+'
re_str = r'\d+[.]\d+|[1-9]\d*'
print(findall(re_str, 'abc12.5hhh60,30.2kkk9nn0.12'))
2) 分组
a.分组
通过加()来对正则条件进行分组
两位数字两位字母出现3次 ac23bn45hj34
re_str = r'([a-z]{2}\d{2}){3}'
print(fullmatch(re_str, 'ac23bn45hj34'))
匹配一个字符串,按照一个数字一个字母的规律出现一次或者多次
re_str = r'(\d[a-z])+'
print(fullmatch(re_str, '9a2s3k4k9o'))
b.重复
可以通过\数字来重复匹配前面的分组中匹配的结果。数字的值代表前面的第几个分组
re_str = r'(\d{2}[A-Z])=%\1\1'
print(fullmatch(re_str,'23B=%23B23B'))
re_str = r'(\d{3})-(\w{2})\1{2}\2'
print(fullmatch(re_str,'123-aa123123aa'))
c.捕获
按照完整的正则表达式去匹配,只捕获()中的内容。只有在findall中有效
re_str = r'a(\d{3})b'
print(fullmatch(re_str, 'a786b'))
print(findall(re_str, 'a786b'))
5 转义
1),正则表达式中的转义和字符串中的转义字符没有任何关系。 在python中的字符串前加r组织的是字符串转义,不能阻止正则表达式的转义
2),在正则表达式中可以在有特殊意义的符号前加\来表示符号本身
+ , . , * , ? , \ , ( , ) , [ , ] , $ , ^
注意:
- a,-只有在中括号中的两个字符之间才有特殊的意义
- b,如果特殊符号放到[]中作为字符集的内容,那么除了-在两个字符之间以外,其他的都不需要转义
- c,\ 不管在哪都需要转义,^放在中括号前面需要转义
re_str=r'a\+'
print(re.fullmatch(re_str,'a+'))
re_str=r'\+a'
print(re.fullmatch(re_str,'+a'))
re_str=r'a\\'
print(re.fullmatch(re_str,'a\\'))
re_str=r'\(asd\)'
re_str=r'[.\\?*]mbc'
print(re.fullmatch(re_str,'\\mbc'))
二、re模块
1.compile(正则表达式): 将正则表达式转换成正则表达式对象
re_str = r'\d+'
re_object = re.compile(re_str)
print(re_object)
#不转成对象,调用相应的函数
re.fullmatch(re_str, '78hj')
# 转换成对象,调用相应的方法
re_object.fullmatch('78hj')
2.match(正则表达式, 字符串) 和 fullmatch(正则表达式,字符串)
match:判断字符串的开头是否能够和正则表达式匹配
fullmatch: 判断整个字符串是否能够和正则表达式匹配
返回值都是匹配结果,如果匹配成功返回匹配对象,否则返回None
re_str = r'abc\d{3}'
match1 = re.match(re_str, 'abc234abcdef')
match2 = re.fullmatch(re_str, 'abc234')
print(match1)
print(match2)
a.匹配到的范围。匹配结果字符的下标范围:(起始下标,结束下标) ---- 结束下标取不到
(起始下标,结束下标)
print(match1.span())
# 获取起点
print(match1.start())
# 获取终点
print(match1.end())
注意:group参数,用来指定分组对应的相应的结果
re_str = r'(\d{3})\+([a-z]{2})'
match1 = re.match(re_str, '234+hjaaaaaa')
print(match1)
print(match1.span())
# 在匹配结果中,获取第1个分组的范围
print(match1.span(1))
# 在匹配结果中,获取第2个分组的范围
print(match1.span(2))
# 在匹配结果中,获取第2个分组的起始下标
print(match1.start(2))
b. 获取匹配结果对应的字符串
print(match1.group())
print(match1.group(1))
print(match1.group(2))
c. 获取被匹配的原字符串
print(match1.string)
3.search(正则表达式, 字符串)
在字符串中去查找第一个满足正则表达式要求的子串,如果找到了就返回匹配对象,找不到返回None
search1 = re.search(r'\d+aa', 'he9aallo 78aabc wolrd')
print(search1)
if search1:
print(search1.span())
练习:使用search将一个字符串中所有的数字字符串全部找到....
'工资是10000元,年龄是18岁,身高是:180,颜值100分'
str1 = '工资是10000元,年龄是18岁,身高是:180,颜值100分'
re_str = r'[1-9]\d*'
search1 = re.search(re_str, str1)
while search1:
print(search1.group())
end = search1.end()
str1 = str1[end:]
search1 = re.search(re_str, str1)
4.split(正则表达式,字符串)
按满足正则表达式的子串去切割字符串
返回值是列表
str1 = '床前明月光,疑是地上霜。举头望明月,低头思故乡!'
result = re.split(r'\W+', str1)
print('mmm',result)
中文输入\w范围
5.sub(正则表达式,替换字符串,被替换的字符串)
返回值是新的字符串
word = '你丫是傻叉吗? 我操你大爷的. Fuck you'
result = re.sub(r'傻叉|操|Fuck|煞笔', '*', word)
print(result)
6.findall(正则表达式, 字符串)
获取字符串中所有满足正则表达式的子串
返回值是列表
注意:分组中的捕获效果在这儿有效
result = re.findall(r'\d([a-z]+)', '安徽省1boy,and你好福建0action')
print(result)