Python基础 - 正则表达式
2018-10-23 本文已影响0人
莫名ypc
正则表达式
正则表达式是用来匹配或者描述字符串的工具。
用处：
a.判断输入的字符串是否是邮箱或者手机号。是否是IP地址
b.提取满足条件的字符串
c.字符串替换
python中通过re模块中相应的方法来支持相应的正则表达式的匹配、查找和替换等功能
from re import fullmatch
fullmatch(正则表达式， 字符串) -> 判断正则表达式都和字符串是否完全匹配
正则表达式字符串：就是一个字符串，字符串中是正则表达式语法。r'正则表达式'
正则表达式中包含两个部分，一个是正则语法对应的字符，二是普通字符
1 .(匹配任意字符)
一个 . 只匹配一个任意字符
匹配一个长度是3的字符串，第一个字符是'a',第二个字符是任意字符，最后一个字符是'b'
re_str = r'a.b'
result = fullmatch(re_str, 'acb')
print(result)
匹配一个长度是4，第一个字符和最后一个字符分别是a和b，中间是任意字符的字符串
re_str = r'a..b'
2 \w(匹配数字字母下划线)
一个\w只能匹配一个字符
匹配一个第一个字符是数字字母下划线，后面三个字符是任意字符的字符串
re_str = r'\w...'
result = fullmatch(re_str, 'a;.]')
print(result)
3 \s (匹配任意空白字符)
空白字符：空格、制表符、回车（换行），都属于空白字符
一个\s匹配一个空白字符
匹配一个第一个字符串是a，第二个字符是空白，最后一个字符是b的字符串
re_str = r'a\sb'
result = fullmatch(re_str, 'a\nb')
print(result)
4 \d (匹配数字字符,一个\d匹配一个数字)
re_str = r'\d\d\d'
result = fullmatch(re_str, '123')
print(result)
5 \b (检测边界)
一个\b不会去匹配一个字符，而是单纯的检测\b出现的位置是否是单词边界
单词边界：字符串开始和结尾、空格、换行、标点符号等，可以将两个单词隔开的字符都是单词边界
re_str = r'\babc'
re_str = r'abc\b\saaa' # 前三位是abc，第四位是空白字符，后面是aaa。并且要求c的后面是单词边界
result = fullmatch(re_str, 'abc aaa')
print(result)
6 ^ (检测是否是字符串开头)
re_str = r'^\d\d\d' # 判断一个字符串是否是三个数字开头
result = fullmatch(re_str, '123')
print(result)
7 $ (检测是否是字符串结尾)
re_str = r'abc$'
result = fullmatch(re_str, 'abc')
print(result)
8 \W (匹配 非 字母数字下划线)
re_str = r'\Wabc'
result = fullmatch(re_str, '#abc')
print(result)
9 \S (匹配非空白字符串)
re_str = r'\S...'
result = fullmatch(re_str, '4sad')
print(result)
10 \D (匹配非数字字符)
re_str = r'\D\w\w\w'
result = fullmatch(re_str, '#sa4')
print(result)
11 \B (检测是否不是单词边界)
re_str = r'and\BYou'
result = fullmatch(re_str, 'andYou')
print(result)
12 [] (匹配中括号中出现的任意一个字符)
一个[]匹配一个字符
[字符集] ——> 匹配一个字符，这字符是字符集中的任意一个字符
例如：[abc], [\d+]
[字符1 - 字符2] ——> 匹配一个字符，这个字符是Unicode编码值在字符1到字符2之间的任意一个字符
要求字符1的编码值要小于字符2
例如：[1-9] ——> 数字1到9 [a-z] ——> 小写字母 [A-Z] ——> 大写字母
[]内可以写编码值
匹配一个第一个字符是 a 或者 b 或者 c ，后面是aaa
re_str = r'[abc]aaa'
result = fullmatch(re_str, 'aaaa')
print(result)
re_str = r'[1-4]\d\d\d'
result = fullmatch(re_str, '1988')
print(result)
匹配一个字符，是数字字母下划线或者空白
re_str = r'[\w\s]'
result = fullmatch(re_str, 'a')
print(result)
13 [^字符集] (匹配一个不在字符集中的任意字符)
注意：^ 必须放在中括号的最前面才有效
匹配一个四位的字符串，第一位不是abc中的任意一个，后面三位是任意字符
re_str = r'[^abc]...'
result = fullmatch(re_str, 'abcd')
print(result)
re_str = r'[^1-9[]'
正则表达式次数相关符号
from re import fullmatch
1 * (匹配0次或者多次)
字符* ——> 字符出现0次或者多次
匹配0位或者多位的数字字符串
re_str = r'\d*'
print(fullmatch(re_str, '123456'))
用正则表达式来检测一个标识符是否符合要求：数字字母下划线组成，数字不能开头
re_str = r'[a-zA-Z_]\w*'
print(fullmatch(re_str, 'zf123'))
2 + (匹配一次或者多次)
匹配abc前面有一个或者多个数字的字符串
re_str = r'\d+abc'
print(fullmatch(re_str, '445456abc'))
3 ？ (匹配0次或者一次)
re_str = r'a?123'
print(fullmatch(re_str, 'a123'))
写一个正则表达式，匹配所有的整数(123, -5458, +44...可以匹配， 012， -012， +045...不匹配)
re_str = r'[+-]?[1-9]\d*'
print(fullmatch(re_str, '+121'))
4 {} (指定次数)
{N} ——> 匹配N次
{M, N} -> 匹配M到N次
{M, } -> 至少匹配M次
re_str = r'\d{3}'
print(fullmatch(re_str, '123'))
re_str = r'\d{3,}'
print(fullmatch(re_str, '123456'))
re_str = r'\d{,3}'
print(fullmatch(re_str, '12'))
re_str = r'[a-z]{2,5}'
print(fullmatch(re_str, 'abc'))
判断密码是否符合要求：密码由数字和字母组成，并且是6-16位
re_str = r'[a-zA-Z\d]{6,16}'
print(fullmatch(re_str, 'abcd123'))
分支和分组
import re
1. | (分支)
条件1|条件2 -> 先用条件1去匹配，如果成功就匹配成功。如果条件1匹配失败，用条件2去匹配。
注意：如果条件1匹配成功就不会再去匹配条件2
re_str = r'[a-z]{3}|[A-Z]{3}'
print(re.fullmatch(re_str, 'abc'))
print(re.fullmatch(re_str, 'ABC'))
re_str = r'abc|d|aaa'
print(re.fullmatch(re_str, 'd'))
# 'abc' + w/h/y
re_str = r'abc(w|h|y)'
print(re.fullmatch(re_str, 'abch'))
2. () (分组)
a.组合（将括号中的内容作为一个整体进行操作）
b.捕获 -> 使用带括号的正则表达式匹配成功后，只获取括号中的内容
c.重复 —> 在正则表达式中可以通过\数字来重复前面（）中匹配到的结果。数字代表前面第几个分组
匹配一个字符串，以数字字母的组合出现三次
re_str = r'(\d[a-zA-Z]){3}'
print(re.fullmatch(re_str, '1a2b3c'))
# 捕获
re_str = r'(\d{3})abc'
print(re.fullmatch(re_str, '456abc'))
print(re.findall(re_str, '456abcdsjfdsk456abc7898797abc'))
# 重复
re_str = r'([a-z]{3})-(\d{2})\1\2'
print(re.fullmatch(re_str, 'hsn-12hsn12'))
3.转义符号
正则表达式中可以通过在特殊的符号前加\，来让特殊的符号没有意义
. + * ^ $ ?等有特殊的功能
注意：在中括号中有特殊功能的符号，只代表符号本身
\不管在哪里都需要转义
-在[]外面没有特殊的功能，在[]中要表示-本身，不能放在两个字符中间
()需要转义
re_str = r'\d{2}\.\d{2}'
print(re.fullmatch(re_str, '20.12'))
re_str = r'\d\+\d'
print(re.fullmatch(re_str, '1+2'))
re_str = r'\(\\'
print(re.fullmatch(re_str, '(\\'))
re模块中的函数
import re
1.compile
compile(正则表达式字符串) -> 将正则表达式字符串转换成正则表达式对象
re_object = re.compile(r'\d+')
print(re_object)
print(re_object.fullmatch('123456'))
2.fullmatch和match
fullmatch(正则表达式字符串， 字符串)
-> 用正则表达式去完全匹配字符串（匹配整个字符串），返回匹配对象
match()
-> 匹配字符串的开头，返回匹配对象或者None
result = re.fullmatch(r'(\d)([a-zA-Z]+)', '4sadsdSD')
print(result)
1.span(group = 0) -> 获取匹配成功的区间（左开右闭）
print(result.span(0))
print(result.start(2)) # 获取匹配到的开始下标
print(result.end(2)) # 获取匹配到的结束下标后的下标
2.group(index = 0) -> 获取匹配结果
group()/group(0) -> 获取正则表达式完全匹配的结果
group(index>0) -> 获取正则表达式中第index个分组匹配到的结果
print(result.group())
print(result.group(1))
print(result.group(2))
3.string -> 获取被匹配的原字符串
print(result.string)
3.search
search(正则表达式， 字符串)
——> 查找字符串中满足正则表达式的第一个字符串。返回值是匹配对象或者None
result = re.search(r'\d[a-zA-Z]+', 'asddsfg5aas+46sdjhgjh')
print(result)
使用search匹配出一个字符串中所有的数字字符串
‘abc45sdasdsf9789sfadfsadf6sdfsd46545k’ -> 45, 9789, 6, 46545
re_str = r'\d+'
str1 = 'abc45sdasdsf9789sfadfsadf6sdfsd46545k'
result = re.search(re_str, str1)
while result:
print(result)
str1 = str1[result.end():]
result = re.search(re_str, str1)
4.findall
findall(正则表达式， 字符串) -> 获取字符串中满足正则表达式的所有字串，返回一个列表
注意：如果正则表达式中有分组，取值的时候只取分组中匹配到的结果;
如果有多个分组，会将每个分组匹配到的结果作为一个元组的元素
re_str = r'(\d+)k([a-z]+)'
str1 = 'abc45kdsf9789ksfdf06ksdfsd46545k'
result = re.findall(re_str, str1)
print(result)
re_str = r'(\d+)k[a-z]+'
str1 = 'abc45kdsf9789ksfdf06ksdfsd46545k'
result = re.findall(re_str, str1)
print(result)
re_str = r'\d+k[a-z]+'
str1 = 'abc45kdsf9789ksfdf06ksdfsd46545k'
result = re.findall(re_str, str1)
print(result)
5.finditer
finditer(正则表达式， 字符串)
-> 查找所有满足正则表达式的子串，返回值是迭代器，迭代器中元素是匹配对象
re_str = r'(\d+)k[a-z]+'
str1 = 'abc45kdsf9789ksfdf06ksdfsd46545k'
result = re.finditer(re_str, str1)
print(result)
for item in result:
print(item)
6.split
split(正则表达式， 字符串) -> 将字符串按照满足正则表达式条件的子串进行分割
str1 = 'sdf5f+fhg6-ghjgh-j7hkj+kl9jkh-kl12uhhkj+'
result = re.split(r'[-+]', str1)
print(result)
7.sub
sub(正则表达式， repl， 字符串)
-> 将字符串中满足正则表达式条件的子串替换成repl。返回替换后的字符串
str1 = 'sf54rw8787wew8fgg4few54'
result = re.sub(r'\d+', '*', str1)
print(result)
歌词解析
需求：播放指定歌曲的时候，给一个时间，能够把这首歌在这个时间对应的歌词返回
面向对象：找一个类，让它拥有解析歌词的功能
class Lyrics:
def __init__(self, time='', word=''):
self._time = time
self.word = word
@property
def time(self):
return self._time
@time.setter
def time(self, value):
fen = float(value[1:3])
miao = float(value[4:])
self._time = fen * 60 + miao
def __gt__(self, other):
return self.time > other.time
def __repr__(self):
return str(self.__dict__)
class LyricsAnalysis:
def __init__(self, name):
self.name = name # 歌名
self.__all_lyric = [] # 当前歌名解析出来的歌词
# 分离歌词和时间
def __split_time_word(self, line):
# 时间 歌词
lines = line.split(']')
# print(lines)
# 获取每一行的词
word = lines[-1]
# 遍历获取每一行的时间
for time in lines[:-1]:
# 根据时间和歌词创建歌词对象
ly_obj = Lyrics(word=word)
ly_obj.time = time
self.__all_lyric.append(ly_obj)
def get_lyrics(self, time: int):
# 判断之前是否已经解析过
if self.__all_lyric:
# 解析过，根据时间取值
for item in self.__all_lyric:
if item.time < time:
return item.word
# 读文件内容
try:
with open('./' + self.name + '.txt', 'r', encoding='utf-8') as f:
line = f.readline()
while line:
# print(line)
self.__split_time_word(line)
line = f.readline()
self.__all_lyric.sort(reverse=True)
# print(self.__all_lyric)
# 根据时间打印歌词
for item in self.__all_lyric:
if item.time < time:
return item.word
except FileNotFoundError:
print('没有相应的歌词')
# 解析文件
# 找到时间
# 将时间返回
ly_lan = LyricsAnalysis('蓝莲花')
print(ly_lan.get_lyrics(20))
print(ly_lan.get_lyrics(40))
print(ly_lan.get_lyrics(80))
print(ly_lan.get_lyrics(100))
print(ly_lan.get_lyrics(200))
作业
- 写一个正则表达式判断一个字符串是否是ip地址
规则：一个ip地址由4个数字组成，每个数字之间用.连接。每个数字的大小是0-255
255.189.10.37 正确
256.189.89.9 错误
import re
re_ip = r'((25[0-5]|2[0-4]\d|((1\d{2})|([1-9]?\d)))\.){3}(25[0-5]|2[0-4]\d|((1\d{2})|([1-9]?\d)))'
result = re.fullmatch(re_ip, '192.168.1.1')
result2 = re.fullmatch(re_ip, '123.123.256.0')
print(result)
print(result2)
结果：
1.JPG
- 计算一个字符串中所有的数字的和
例如：字符串是：‘hello90abc 78sjh12.5’ 结果是90+78+12.5 = 180.5
sum1 = 0
str1 = 'hello90abc 78sjh12.5'
re_str = r'\d+(\.\d+)?'
result = re.search(re_str, str1)
while result:
print(result.group(), end=' ')
sum1 += float(result.group())
str1 = str1[result.end():]
result = re.search(re_str, str1)
print(sum1)
结果：
2.JPG
- 验证输入的内容只能是汉字
re_word = r'^[\u4e00-\u9fa5]{0,}$'
result = re.fullmatch(re_word, '是不是汉字')
result2 = re.fullmatch(re_word, 'no ')
print(result)
print(result2)
结果：
3.JPG
- 电话号码的验证
re_tel = r'1([3-5]|[78])\d{9}'
result = re.fullmatch(re_tel, '15108704521')
result2 = re.fullmatch(re_tel, '123456789')
print(result)
print(result2)
结果：
4.JPG
- 简单的身份证号的验证
re_id = r'(\d{15})|(\d{18})|(\d{17}(\d|X|x))'
result = re.fullmatch(re_id, '530421199606242118')
result2 = re.fullmatch(re_id, '53042119960624211X')
result3 = re.fullmatch(re_id, '12345678910')
print(result)
print(result2)
print(result3)
结果：
5.JPG
二、不定项选择题
- 能够完全匹配字符串“(010)-62661617”和字符串“01062661617”的正则表达式包括（ ）
A. “(?\d{3})?-?\d{8}”
B. “[0-9()-]+”
C. “[0-9(-)]\d”
D. “[(]?\d[)-]\d*”
答案：A、B
- 能够完全匹配字符串“c:\rapidminer\lib\plugs”的正则表达式包括（ ）
A. “c:\rapidminer\lib\plugs”
B. “c:\\rapidminer\\lib\\plugs”
C. “(?i)C:\RapidMiner\Lib\Plugs” ?i:将后面的内容的大写变成小写
D. “(?s)C:\RapidMiner\Lib\Plugs” ?s：单行匹配
答案：B、C
- 能够完全匹配字符串“back”和“back-end”的正则表达式包括（ ）
A. “\w{4}-\w{3}|\w{4}” match->back,back-end fullmatch-> back,back-end
B. “\w{4}|\w{4}-\w{3}” match-> back, back fullmatch-> back,back-end
C. “\S+-\S+|\S+”
D. “\w\b-\b\w|\w*”
答案：A、B、C、D
- 能够完全匹配字符串“go go”和“kitty kitty”，但不能完全匹配“go kitty”的正则表达式包括（ ）
:\1就是重复前面第一个()/组合里面的内容
：\2就是重复前面第二个()/组合里面的内容
A. “\b(\w+)\b\s+\1\b”
B. “\w{2,5}\s*\1”
C. “(\S+) \s+\1”
D. “(\S{2,5})\s{1,}\1”
答案：A、C、D
- 能够在字符串中匹配“aab”，而不能匹配“aaab”和“aaaab”的正则表达式包括（ ）
A. “a*?b”
B. “a{,2}b”
C. “aa??b”
D. “aaa??b”
答案：B、C
