Python 高级 8正则表达式

正则表达式、re模块、匹配单个字符、匹配多个字符、匹配开头结尾、匹配分组、re模块的高级用法、python贪婪和非贪婪、r的作用

1.正则表达式的介绍

在实际开发过程中经常会有查找符合某些复杂规则的字符串的需要，比如:邮箱、图片地址、手机号码等，这时候想匹配或者查找符合某些规则的字符串就可以使用正则表达式了。

<1>正则表达式概念

正则表达式(pattern)就是记录文本规则的代码

<2>正则表达式的样子

0\d{2}-\d{8} 这个就是一个正则表达式，表达的意思是匹配的是座机号码

<3>正则表达式的特点

  正则表达式的语法很令人头疼，可读性差

  正则表达式通用行很强，能够适用于很多编程语言

小结

正则表达式是匹配或者查找符合某些规则的字符串数据

2.re模块介绍

<1>re模块的使用过程

在Python中需要通过正则表达式对字符串进行匹配的时候，可以使用一个模块，名字为re

\ 转义符

    # 导入re模块

    import re

    # 使用match方法进行匹配操作

    result = re.match(正则表达式,要匹配的字符串)

    # 如果上一步匹配到数据的话，可以使用group方法来提取数据

# pattern: 正则表达式

# str: 匹配的字符串

# 根据正则表达式在指定字符串中从头匹配数据，如果匹配成功返回一个匹配结果对象,匹配失败返回None对象

result.group()

3.匹配单个字符

在上一小节中，了解到通过re模块能够完成使用正则表达式来匹配字符串

本小节，将要讲解正则表达式的单字符匹配

代码 功能

. 匹配任意1个字符（除了\n）

[ ] 匹配[ ]中列举的字符

\d 匹配数字，即0-9

\D 匹配非数字，即不是数字

\s 匹配空白，即 空格，tab键

\S 匹配非空白

\w 匹配非特殊字符，即a-z、A-Z、0-9、_、汉字

\W 匹配特殊字符，即非字母、非数字、非汉字

[^内容] 除了^后的内容都匹配，可以是一个或者多个内容

<1>示例1： .

#coding=utf-8

import re

ret = re.match(".","M")

print(ret.group())

ret = re.match("t.o","too")

print(ret.group())

ret = re.match("t.o","two")

print(ret.group())

运行结果：

M

too

two

<2>示例2：[]

import re

# 如果hello的首字符小写，那么正则表达式需要小写的h

ret = re.match("h","hello Python")

print(ret.group())

# 如果hello的首字符大写，那么正则表达式需要大写的H

ret = re.match("H","Hello Python")

print(ret.group())

# 大小写h都可以的情况

ret = re.match("[hH]","hello Python")

print(ret.group())

ret = re.match("[hH]","Hello Python")

print(ret.group())

ret = re.match("[hH]ello Python","Hello Python")

print(ret.group())

# 匹配0到9第一种写法

ret = re.match("[0123456789]Hello Python","7Hello Python")

print(ret.group())

# 匹配0到9第二种写法

ret = re.match("[0-9]Hello Python","7Hello Python")

print(ret.group())

ret = re.match("[0-35-9]Hello Python","7Hello Python")

print(ret.group())

# 下面这个正则不能够匹配到数字4，因此ret为None

ret = re.match("[0-35-9]Hello Python","4Hello Python")

# print(ret.group())

运行结果：

h

H

h

H

Hello Python

7Hello Python

7Hello Python

7Hello Python

<3>示例3：\d

import re

# 普通的匹配方式

ret = re.match("嫦娥1号","嫦娥1号发射成功")

print(ret.group())

ret = re.match("嫦娥2号","嫦娥2号发射成功")

print(ret.group())

ret = re.match("嫦娥3号","嫦娥3号发射成功")

print(ret.group())

# 使用\d进行匹配

ret = re.match("嫦娥\d号","嫦娥1号发射成功")

print(ret.group())

ret = re.match("嫦娥\d号","嫦娥2号发射成功")

print(ret.group())

ret = re.match("嫦娥\d号","嫦娥3号发射成功")

print(ret.group())

运行结果：

嫦娥1号

嫦娥2号

嫦娥3号

嫦娥1号

嫦娥2号

嫦娥3号

<4>示例4：\D

import re

match_obj = re.match("\D", "f")

if match_obj:

    # 获取匹配结果

    print(match_obj.group())

else:

    print("匹配失败")

运行结果:

f

<5>示例5：\s

import re

# 空格属于空白字符

match_obj = re.match("hello\sworld", "hello world")

if match_obj:

    result = match_obj.group()

    print(result)

else:

    print("匹配失败")

# \t 属于空白字符

match_obj = re.match("hello\sworld", "hello\tworld")

if match_obj:

    result = match_obj.group()

    print(result)

else:

    print("匹配失败")

运行结果:

hello world

hello world

<6>示例6：\S

import re

match_obj = re.match("hello\Sworld", "hello&world")

if match_obj:

result = match_obj.group()

print(result)

else:

print("匹配失败")

match_obj = re.match("hello\Sworld", "hello$world")

if match_obj:

result = match_obj.group()

print(result)

else:

print("匹配失败")

运行结果:

hello&world 

hello$world

<7>示例7：\w

import re

# 匹配非特殊字符中的一位

match_obj = re.match("\w", "A")

if match_obj:

    # 获取匹配结果

    print(match_obj.group())

else:

    print("匹配失败")

执行结果:

A

<8>示例8：\W

# 匹配特殊字符中的一位

match_obj = re.match("\W", "&")

if match_obj:

    # 获取匹配结果

    print(match_obj.group())

else:

    print("匹配失败")

执行结果:

&

4.匹配多个字符

匹配多个字符的相关格式

代码 功能

* 匹配前一个字符出现0次或者无限次，即可有可无

+ 匹配前一个字符出现1次或者无限次，即至少有1次

? 匹配前一个字符出现1次或者0次，即要么有1次，要么没有

{m} 匹配前一个字符出现m次

{m,n} 匹配前一个字符出现从m到n次

<1>示例1：*

需求：匹配出一个字符串第一个字母为大小字符，后面都是小写字母并且这些小写字母可 有可无

import re

ret = re.match("[A-Z][a-z]*","M")

print(ret.group())

ret = re.match("[A-Z][a-z]*","MnnM")

print(ret.group())

ret = re.match("[A-Z][a-z]*","Aabcdef")

print(ret.group())

运行结果：

M

Mnn

Aabcdef

<2>示例2：+

需求：匹配一个字符串，第一个字符是t,最后一个字符串是o,中间至少有一个字符

import re

match_obj = re.match("t.+o", "two")

if match_obj:

    print(match_obj.group())

else:

    print("匹配失败")

运行结果：

two

<3>示例3：?

需求：匹配出这样的数据，但是https 这个s可能有，也可能是http 这个s没有

import re

match_obj = re.match("https?", "http")

if match_obj:

    print(match_obj.group())

else:

    print("匹配失败")

运行结果：

https

<4>示例4：{m}、{m,n}逗号和n直接不可以有空格

需求：匹配出，8到20位的密码，可以是大小写英文字母、数字、下划线

import re

ret = re.match("[a-zA-Z0-9_]{6}","12a3g45678")

print(ret.group())

ret = re.match("[a-zA-Z0-9_]{8,20}","1ad12f23s34455ff66")

print(ret.group())

运行结果：

12a3g4

1ad12f23s34455ff66

5.匹配开头结尾

匹配开头和结尾的正则表达式

代码 功能

^ 匹配字符串开头

$ 匹配字符串结尾

<1>示例1：^

需求：匹配以数字开头的数据

import re

# 匹配以数字开头的数据

match_obj = re.match("^\d.*", "3hello")

if match_obj:

    # 获取匹配结果

    print(match_obj.group())

else:

    print("匹配失败")

运行结果:

3hello

<2>示例2：$

需求: 匹配以数字结尾的数据

import re

# 匹配以数字结尾的数据

match_obj = re.match(".*\d$", "hello5")

if match_obj:

    # 获取匹配结果

    print(match_obj.group())

else:

    print("匹配失败")

运行结果：

hello5

<3>示例3：^ 和 $

需求: 匹配以数字开头中间内容不管以数字结尾

match_obj = re.match("^\d.*\d$", "4hello4")

if match_obj:

    # 获取匹配结果

    print(match_obj.group())

else:

    print("匹配失败")

运行结果:

4hello4

<4>除了指定字符以外都匹配 [^指定字符]

[^指定字符]: 表示除了指定字符都匹配

指定字符可以是一个或者多个

需求: 第一个字符除了aeiou的字符都匹配

import re

match_obj = re.match("[^aeiou]", "h")

if match_obj:

    # 获取匹配结果

    print(match_obj.group())

else:

    print("匹配失败")

执行结果

h

6.匹配分组

匹配分组相关正则表达式

代码 功能

| 匹配左右任意一个表达式

(ab) 将括号中字符作为一个分组

\num 引用分组num匹配到的字符串

(?P<name>) 分组起别名

(?P=name) 引用别名为name分组匹配到的字符串

<1>示例1：|

需求：在列表中["apple", "banana", "orange", "pear"]，匹配apple和pear

import re

# 水果列表

fruit_list = ["apple", "banana", "orange", "pear"]

# 遍历数据

for value in fruit_list:

    # |    匹配左右任意一个表达式

    match_obj = re.match("apple|pear", value)

    if match_obj:

        print("%s是我想要的" % match_obj.group())

    else:

        print("%s不是我要的" % value)

执行结果:

apple是我想要的

banana不是我要的

orange不是我要的

pear是我想要的

<2>示例2：( )

需求：匹配出163、126、qq等邮箱

import re

match_obj = re.match("[a-zA-Z0-9_]{4,20}@(163|126|qq|sina|yahoo)\.com", "hello@163.com")

if match_obj:

# 提示： 默认获取的是第0个分组，正则表达式匹配的数据

    print(match_obj.group())

    # 获取第一个分组匹配的数据

#提示： 分组是按照从左到右一次排序的，默认最左边的是第一个分组

    print(match_obj.group(1))

else:

    print("匹配失败")

执行结果:

hello@163.com

163

需求: 匹配qq:10567这样的数据，提取出来qq文字和qq号码

import re

match_obj = re.match("(qq):([1-9]\d{4,10})", "qq:10567")

if match_obj:

    print(match_obj.group())

    # 分组:默认是1一个分组，多个分组从左到右依次加1

    print(match_obj.group(1))

    # 提取第二个分组数据

    print(match_obj.group(2))

else:

    print("匹配失败")

执行结果:

qq

10567

<3>示例3：\num

需求：匹配出<html>hh</html>

match_obj = re.match("<[a-zA-Z1-6]+>.*</[a-zA-Z1-6]+>", "<html>hh</div>")

if match_obj:

    print(match_obj.group())

else:

    print("匹配失败")

match_obj = re.match("<([a-zA-Z1-6]+)>.*</\\1>", "<html>hh</html>")

if match_obj:

    print(match_obj.group())

else:

    print("匹配失败")

运行结果：

<html>hh</div>

<html>hh</html>

需求：匹配出<html><h1>www.itcast.cn</h1></html>

match_obj = re.match("<([a-zA-Z1-6]+)><([a-zA-Z1-6]+)>.*</\\2></\\1>", "<html><h1>www.itcast.cn</h1></html>")

if match_obj:

    print(match_obj.group())

else:

    print("匹配失败")

运行结果：

<html><h1>www.itcast.cn</h1></html>

<4>示例4：(?P<name>) (?P=name)

需求：匹配出<html><h1>www.itcast.cn</h1></html>

match_obj = re.match("<(?P<name1>[a-zA-Z1-6]+)><(?P<name2>[a-zA-Z1-6]+)>.*</(?P=name2)></(?P=name1)>", "<html><h1>www.itcast.cn</h1></html>")

if match_obj:

    print(match_obj.group())

else:

    print("匹配失败")

运行结果：

<html><h1>www.itcast.cn</h1></html>

小结

  (分组数据)：分组数是从左到右的方式进行分配的

7.re模块的高级用法

目标

  知道使用findall查找多个字符

  知道使用sub替换数据

  知道使用split根据多个标识符进行分割数据

<1>search

需求：匹配出水果的个数

import re

# 根据正则表达式查找数据，提示：只查找一次

# 1.pattern: 正则表达式

# 2.string: 要匹配的字符串

match_obj = re.search("\d+", "水果有20个 其中苹果10个")

if match_obj:

    # 获取匹配结果数据

    print(match_obj.group())

else:

    print("匹配失败")

运行结果：

20

<2>findall

需求：匹配出多种水果的个数

import re

# 根据正则表达式查找数据，提示：可以查找多次，返回一个列表，如果没找到返回一个空列表

# 1.pattern: 正则表达式

# 2.string: 要匹配的字符串

result = re.findall("\d+", "苹果10个 鸭梨5个 总共15个水果")

print(result)

运行结果：

['10', '5', '15']

<3>sub 将匹配到的数据进行替换

需求：将匹配到的评论数改成22

import re

# pattern: 正则表达式

# repl: 替换后的字符串

# string: 要匹配的字符串

# count=0 替换次数，默认全部替换 , count=1根据指定次数替换

result = re.sub("\d+", "22", "评论数:10 赞数:20", count=1)

print(result)

运行结果：

评论数:22 赞数:20

需求：将匹配到的阅读数加1

import re

# match_obj:该参数系统自动传入

def add(match_obj):

    # 获取匹配结果的数据

    value = match_obj.group()

    result = int(value) + 1

    # 返回值必须是字符串类型

    return str(result)

result = re.sub("\d+", add, "阅读数:10")

print(result)

运行结果：

阅读数:11

<4>split 根据匹配进行切割字符串，并返回一个列表

需求：切割字符串"貂蝉,杨玉环:西施,王昭君"

import re

# 1. 正则

# 2. 要匹配的字符串

# maxsplit=1 分割次数1次， 默认maxsplit=0 全部分割

result = re.split(",|:", my_str, maxsplit=1)

print(result)

运行结果：

['貂蝉', '杨玉环:西施,王昭君']

思考

使用正则表达式把职位描述信息提取出来不要html标签数据

<div>

<p>岗位职责：</p>

<p>完成推荐算法、数据统计、接口、后台等服务器端相关工作</p>

<p><br></p>

<p>必备要求：</p>

<p>良好的自我驱动力和职业素养，工作积极主动、结果导向</p>

<p> <br></p>

<p>技术要求：</p>

<p>1、一年以上 Python 开发经验，掌握面向对象分析和设计，了解设计模式</p>

<p>2、掌握HTTP协议，熟悉MVC、MVVM等概念以及相关WEB开发框架</p>

<p>3、掌握关系数据库开发设计，掌握 SQL，熟练使用 MySQL/PostgreSQL 中的一种<br></p>

<p>4、掌握NoSQL、MQ，熟练使用对应技术解决方案</p>

<p>5、熟悉 Javascript/CSS/HTML5，JQuery、React、Vue.js</p>

<p> <br></p>

<p>加分项：</p>

<p>大数据，数理统计，机器学习，sklearn，高性能，大并发。</p>

</div>

参考代码:

import re

my_str = """<div>

        <p>【职位描述】<br>1、负责数据后台服务的架构设计、开发、优化；<br><br>【任职要求】<br>1、本科以上学历，计算机相关专业；<br>2、3年以上python开发经验；<br>3、熟悉Unix、Linux操作系统原理及常用工具；<br>4、熟悉TCP/IP协议、进程间通讯编程，熟悉Unix/Linux下常用架构设计方法；<br>5、熟悉Mysql数据库，熟悉NoSQL存储，熟悉面向对象设计；<br>6、具备全面的软件知识结构认知（操作系统、软件工程、设计模式、数据结构、数据库系统、网络安全）；<br>7、具备良好的分析解决问题能力，能独立承担任务，有系统进度把控能力</p>

        </div>"""

# 根据正则表达式替换指定的标签数据

result = re.sub(r"</?[a-zA-Z1-6]+>", "", my_str)

# 去除左右空格

print(result.strip())

执行结果:

【职位描述】1、负责数据后台服务的架构设计、开发、优化；【任职要求】1、本科以上学历，计算机相关专业；2、3年以上python开发经验；3、熟悉Unix、Linux操作系统原理及常用工具；4、熟悉TCP/IP协议、进程间通讯编程，熟悉Unix/Linux下常用架构设计方法；5、熟悉Mysql数据库，熟悉NoSQL存储，熟悉面向对象设计；6、具备全面的软件知识结构认知（操作系统、软件工程、设计模式、数据结构、数据库系统、网络安全）；7、具备良好的分析解决问题能力，能独立承担任务，有系统进度把控能力

8.python贪婪和非贪婪

目标

  知道贪婪的特点

  掌握非贪婪的使用

Python里数量词默认是贪婪的（在少数语言里也可能是默认非贪婪），总是尝试匹配尽可能多的字符；

非贪婪则相反，总是尝试匹配尽可能少的字符。

在"*","?","+","{m,n}"后面加上？，使贪婪变成非贪婪。

非贪婪操作符“？”，这个操作符可以用在"*","+","?"的后面，这样?前面的正则表达式不能匹配?后面正则表达式的数据

思考

请提取斗鱼图片的url地址

字符串为:

<img data-original="https://rpic.douyucdn.cn/appCovers/2016/11/13/1213973_201611131917_small.jpg" src="https://rpic.douyucdn.cn/appCovers/2016/11/13/1213973_201611131917_small.jpg" style="display: inline;">

参考代码

import re

my_str = """<img alt="小浅月o的直播" data-original="https://rpic.douyucdn.cn/live-cover/appCovers/2018/03/25/3544712_20180325111300_big.jpg" src="https://rpic.douyucdn.cn/live-cover/appCovers/2018/03/25/3544712_20180325111300_big.jpg" width="283" height="163" class="JS_listthumb" style="display: block;">"""

# python里面正则表达式默认是贪婪的， 尽量根据正则表达式多匹配数据

# 设置成为非贪婪， 非贪婪就是根据正则表达式尽量少匹配数据

# 非贪婪的样式: *? +? ??

# 非贪婪的含义:?后面的数据不要前面去匹配，让?后面匹配

match_obj = re.search(r"https?://.*?\.jpg", my_str)

if match_obj:

    # 获取匹配结果数据

    print(match_obj.group())

else:

    print("匹配失败")

执行代码：

https://rpic.douyucdn.cn/live-cover/appCovers/2018/03/25/3544712_20180325111300_big.jpg

9.r的作用

目标

  知道r的作用

说明

Python中字符串前面加上 r 表示原生字符串，数据里面的反斜杠不需要进行转义，针对的只是反斜杠

Python里的原生字符串很好地解决了这个问题，有了原生字符串，你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观。

建议: 如果使用使用正则表达式匹配数据可以都加上r，要注意r针对的只是反斜杠起作用，不需要对其进行转义

>>> ret = re.match(r"c:\\a",mm).group()

>>> print(ret)

c:\a

小结

  r 表示原生字符串，数据里面的反斜杠不需要进行转义，针对的只是反斜杠