码迷,mamicode.com
首页 > 其他好文 > 详细

正则表达式,看完这篇应该八九不离十了吧

时间:2020-05-22 00:17:27      阅读:54      评论:0      收藏:0      [点我收藏+]

标签:不能   pytho   连续   空格   sci   imp   而不是   非贪婪   替换   

提起正则表达式,新手可能都会脑袋一懵,什么呀!完全不懂呀,别急,静下心来,看完这篇你应该就八九不离十了

首先我们得清楚正则表达构成

 

第一部分,基础部分,包含正则表达的几个基本函数和最底层的方法,话不多说,上码

import re

s = 许诺正在使用python学习正则表达式

result = re.match(许诺, s)  # .match表示从头开始匹配,这里可以实现
print(result)

result = re.match(python, s)  # .match表示从头开始匹配,这里可以不能实现
print(result)

result = re.search(python, s)  # .search表示全局匹配,这里可以实现 但是需要注意search只要找到一个就会停止
print(result)  # 返回匹配结果
print(result.span())  # 返回匹配结果位置
print(result.group())  # 返回匹配内容

# 从msg中找到类似a7s这种两个字母中间一数字的字符串
msg = non34non324tn2pin5in5io3ni5uo5np5n
result = re.search([a-z][0-9][a-z], msg)  # .search只要找到一个就会停止,不再进行检索
print(result)
result = re.findall([a-z][0-9][a-z], msg)  # .findall会找到所有匹配内容
print(result)

# a7e a77u a998t 检索这三种
msg = a7essa77uu8hy99ia998t
result = re.findall([a-z][0-9]+[a-z], msg)  # 注意[0-9]后面的+ 这个+表示大于等于1 利用这个特点匹配到相应内容
print(result)

# QQ号码验证 5-11位数字,首位不为0
qq = 342452563
result = re.match(^[1-9][0-9]{4,10}$, qq)
print(result)
‘‘‘
^[1-9][0-9]{4,10}$
    ^ $ 匹配首尾,验证整个匹配内容
    [1-9] 限制首位不为0
    [0-9] 其他位是数字即可
    {4,10} 限制[0-9]只能出现4-10次
‘‘‘
# 用户名验证,要求6个字符以上,首位不能位数字
username = admin123%
result = re.match([a-zA-Z][a-zA-Z0-9]{5,}, username)  # {5,}表示至少5位
print(result)
username = admin123%
result = re.match([a-zA-Z][a-zA-Z0-9]{5,}$, username)  # {5,}表示至少5位 $符号用于匹配整个字符串,不会出现上面那种直接选择性匹配的情况
print(result)
username = admin123
result = re.match([a-zA-Z]\\w{5,}$, username)  # {5,}表示至少5位 $符号用于匹配整个字符串,不会出现上面那种直接选择性匹配的情况
print(result)

# 检索所有py文件名
msg = a.py sd.txt kk.py pyg.dot cc.py
result = re.findall(\\w*\\.py\\b, msg)
print(result)
‘‘‘
    . 任意字符出(\n)
    ^$开头结尾
    []范围,内部规定访问内容
正则预定义
    \s 空白(空格)
    \b 边界
    \d 数字
    \w word [0-9a-zA-Z]
    \W 非\w
‘‘‘

第二部分 进阶篇之量词

import re

# 匹配0-100的数字
n = 98
result = re.match(r[1-9]?\d, n)  # [1-9]?   ?表示第一位可以没有
print(result)

n = 09
result = re.match(r[1-9]?\d$, n)  # [1-9]?   ?表示第一位可以没有
print(result)

n = 100
result = re.match(r[1-9]?\d?$|100$, n)
print(result)

‘‘‘
[1-9]?\d?$|100$
    [1-9]? 表示第一位可以没有 或者是1-9的数字
    \d?$   表示第二位可以没有或者是任意数字 并检索整个字符串
    |      或 匹配前面的或者后面的
    100$   匹配100 并检索整个字符串
‘‘‘
# 验证邮箱输入要求必须是163 或 126或 qq 的 至少5位以上
email = 1171977478@qq.com
result = re.match(r\w{5,20}@(163|126|qq)\.(com|cn)$, email)
print(result)
‘‘‘
(163|126|qq)  区分()和[] ()表示整体判断[]表示单个字母进行判断
\.转义符
(com|cn)$ 末尾$符表示整体判断
‘‘‘

# 手机号验证 不是以4或7结尾的手机号
phone = 17809878765
result = re.match(r1\d{9}[0-35689]$, phone)
print(result)
phone = 17809878767
result = re.match(r1\d{9}[0-35689]$, phone)
print(result)

# 分组检索验证
phone = 0326-17809878765
result = re.match(r(\d{3}|\d{4})-(1\d{9}[0-35689])$, phone)  # ()分组验证
print(result)
print(result.group())  # 利用group分组提取内容
print(result.group(1))
print(result.group(2))

# 标签验证  需要提取标签中间的内容 也就是这里的abc
msg = <html><h1>abc</h1></html>
result = re.match(r<(?P<name1>\w+)><(?P<name2>\w+)>(.+)</(?P=name2)></(?P=name1)>, msg)
print(result)
print(result.group(3))

msg = <html><h1>abc</h1></html>
result = re.match(r<([0-9a-zA-Z]+)><([0-9a-zA-Z]+)>(.+)</\2></\1>$, msg)  # 也可以用这种方式实现分组
print(result)
print(result.group(3))
‘‘‘
(?P<name1>\w+)  分组检索    ([0-9a-zA-Z]+)
(?P=name1)      调用分组    /\1
分组检索()  只要正则中分了组 后期就可以用result.group()拿到分组的内容 
‘‘‘
‘‘‘
re 模块
    match
    search
    findall
    sub  替换功能(正则,新内容,字符串)
    split
‘‘‘
# sub 替换
result = re.sub(r\d+, 90, js:99,py:100)
print(result)


# sub中间也可以是函数
def func(temp):
    num = temp.group()
    num1 = int(num)
    num1 += 1
    return str(num1)


result = re.sub(r\d+, func, js:99,py:100)
print(result)

# split切割
result = re.split(r[,:], js:99,py:100)  # 查找字符串,在遇到,或:时切割
print(result)
‘‘‘
总结
    函数
        re.match
        re.search
        re.findall
        re.sub  替换功能(正则,新内容,字符串)
        re.split
    基础符号
        .  任意字符
        [] 选定范围
        |  或者
        () 分组
    量词
        *       >=0
        +       >=1
        ?        0,1
        {m}      =m
        {m,}     >=m
        {m,n}    >=m  <=n
    预定义
        文档
    分组  ()
        结合group使用
    贪婪与惰性
        python 中的量词默认是贪婪的
        想要改变直接子啊对应量词后加?
        例
            + 表示获取大于1
            +?表示就获取一个      
‘‘‘

看完前两部分可能还会有这个符号怎么这么用呀,要用哪个符号呀,别急 第三部分,纯纯的干货

第三部分之正则符号大全

字符描述
\ 将下一个字符标记为一个特殊字符、或一个原义字符、或一个 向后引用、或一个八进制转义符。例如,‘n‘ 匹配字符 "n"。‘\n‘ 匹配一个换行符。序列 ‘\\‘ 匹配 "\" 而 "\(" 则匹配 "("。
^ 匹配输入字符串的开始位置。如果设置了 RegExp 对象的 Multiline 属性,^ 也匹配 ‘\n‘ 或 ‘\r‘ 之后的位置。
$ 匹配输入字符串的结束位置。如果设置了RegExp 对象的 Multiline 属性,$ 也匹配 ‘\n‘ 或 ‘\r‘ 之前的位置。
* 匹配前面的子表达式零次或多次。例如,zo* 能匹配 "z" 以及 "zoo"。* 等价于{0,}。
+ 匹配前面的子表达式一次或多次。例如,‘zo+‘ 能匹配 "zo" 以及 "zoo",但不能匹配 "z"。+ 等价于 {1,}。
? 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" 中的"do" 。? 等价于 {0,1}。
{n} n 是一个非负整数。匹配确定的 n 次。例如,‘o{2}‘ 不能匹配 "Bob" 中的 ‘o‘,但是能匹配 "food" 中的两个 o。
{n,} n 是一个非负整数。至少匹配n 次。例如,‘o{2,}‘ 不能匹配 "Bob" 中的 ‘o‘,但能匹配 "foooood" 中的所有 o。‘o{1,}‘ 等价于 ‘o+‘。‘o{0,}‘ 则等价于 ‘o*‘。
{n,m} m 和 n 均为非负整数,其中n <= m。最少匹配 n 次且最多匹配 m 次。例如,"o{1,3}" 将匹配 "fooooood" 中的前三个 o。‘o{0,1}‘ 等价于 ‘o?‘。请注意在逗号和两个数之间不能有空格。
? 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的匹配所搜索的字符串,而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如,对于字符串 "oooo",‘o+?‘ 将匹配单个 "o",而 ‘o+‘ 将匹配所有 ‘o‘。
. 匹配除 "\n" 之外的任何单个字符。要匹配包括 ‘\n‘ 在内的任何字符,请使用象 ‘[.\n]‘ 的模式。
(pattern) 匹配 pattern 并获取这一匹配。所获取的匹配可以从产生的 Matches 集合得到,在VBScript 中使用 SubMatches 集合,在JScript 中则使用 $0…$9 属性。要匹配圆括号字符,请使用 ‘\(‘ 或 ‘\)‘。
(?:pattern) 匹配 pattern 但不获取匹配结果,也就是说这是一个非获取匹配,不进行存储供以后使用。这在使用 "或" 字符 (|) 来组合一个模式的各个部分是很有用。例如, ‘industr(?:y|ies) 就是一个比 ‘industry|industries‘ 更简略的表达式。
(?=pattern) 正向预查,在任何匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配,也就是说,该匹配不需要获取供以后使用。例如,‘Windows (?=95|98|NT|2000)‘ 能匹配 "Windows 2000" 中的 "Windows" ,但不能匹配 "Windows 3.1" 中的 "Windows"。预查不消耗字符,也就是说,在一个匹配发生后,在最后一次匹配之后立即开始下一次匹配的搜索,而不是从包含预查的字符之后开始。
(?!pattern) 负向预查,在任何不匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配,也就是说,该匹配不需要获取供以后使用。例如‘Windows (?!95|98|NT|2000)‘ 能匹配 "Windows 3.1" 中的 "Windows",但不能匹配 "Windows 2000" 中的 "Windows"。预查不消耗字符,也就是说,在一个匹配发生后,在最后一次匹配之后立即开始下一次匹配的搜索,而不是从包含预查的字符之后开始
x|y 匹配 x 或 y。例如,‘z|food‘ 能匹配 "z" 或 "food"。‘(z|f)ood‘ 则匹配 "zood" 或 "food"。
[xyz] 字符集合。匹配所包含的任意一个字符。例如, ‘[abc]‘ 可以匹配 "plain" 中的 ‘a‘。
[^xyz] 负值字符集合。匹配未包含的任意字符。例如, ‘[^abc]‘ 可以匹配 "plain" 中的‘p‘。
[a-z] 字符范围。匹配指定范围内的任意字符。例如,‘[a-z]‘ 可以匹配 ‘a‘ 到 ‘z‘ 范围内的任意小写字母字符。
[^a-z] 负值字符范围。匹配任何不在指定范围内的任意字符。例如,‘[^a-z]‘ 可以匹配任何不在 ‘a‘ 到 ‘z‘ 范围内的任意字符。
\b 匹配一个单词边界,也就是指单词和空格间的位置。例如, ‘er\b‘ 可以匹配"never" 中的 ‘er‘,但不能匹配 "verb" 中的 ‘er‘。
\B 匹配非单词边界。‘er\B‘ 能匹配 "verb" 中的 ‘er‘,但不能匹配 "never" 中的 ‘er‘。
\cx 匹配由 x 指明的控制字符。例如, \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则,将 c 视为一个原义的 ‘c‘ 字符。
\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]。
\f 匹配一个换页符。等价于 \x0c 和 \cL。
\n 匹配一个换行符。等价于 \x0a 和 \cJ。
\r 匹配一个回车符。等价于 \x0d 和 \cM。
\s 匹配任何空白字符,包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。
\S 匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
\t 匹配一个制表符。等价于 \x09 和 \cI。
\v 匹配一个垂直制表符。等价于 \x0b 和 \cK。
\w 匹配包括下划线的任何单词字符。等价于‘[A-Za-z0-9_]‘。
\W 匹配任何非单词字符。等价于 ‘[^A-Za-z0-9_]‘。
\xn 匹配 n,其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如,‘\x41‘ 匹配 "A"。‘\x041‘ 则等价于 ‘\x04‘ & "1"。正则表达式中可以使用 ASCII 编码。.
\num 匹配 num,其中 num 是一个正整数。对所获取的匹配的引用。例如,‘(.)\1‘ 匹配两个连续的相同字符。
\n 标识一个八进制转义值或一个向后引用。如果 \n 之前至少 n 个获取的子表达式,则 n 为向后引用。否则,如果 n 为八进制数字 (0-7),则 n 为一个八进制转义值。
\nm 标识一个八进制转义值或一个向后引用。如果 \nm 之前至少有 nm 个获得子表达式,则 nm 为向后引用。如果 \nm 之前至少有 n 个获取,则 n 为一个后跟文字 m 的向后引用。如果前面的条件都不满足,若 n 和 m 均为八进制数字 (0-7),则 \nm 将匹配八进制转义值 nm。
\nml 如果 n 为八进制数字 (0-3),且 m 和 l 均为八进制数字 (0-7),则匹配八进制转义值 nml。
\un 匹配 n,其中 n 是一个用四个十六进制数字表示的 Unicode 字符。例如, \u00A9 匹配版权符号 (?)。

正则表达式,看完这篇应该八九不离十了吧

标签:不能   pytho   连续   空格   sci   imp   而不是   非贪婪   替换   

原文地址:https://www.cnblogs.com/Rocknuo/p/12934330.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!