15 python re 模块

1、基础知识

正则表达式是用于处理字符串的强大工具，拥有自己独特的语法以及一个独立的处理引擎

正则表达式的大致匹配流程：依次拿出表达式和文本中的字符比较，

如果每一个字符都能匹配，则匹配成功；一旦有匹配不成功的字符则匹配失败。

常用的表达式规则
'.'     默认匹配除\n之外的任意一个字符，若指定flag DOTALL,则匹配任意字符，包括换行
'^'     匹配字符开头，若指定flags MULTILINE,这种也可以匹配上(r"^a","\nabc\neee",flags=re.MULTILINE)
'$'     匹配字符结尾， 若指定flags MULTILINE ,re.search('foo.$','foo1\nfoo2\n',re.MULTILINE).group() 会匹配到foo1
'*'     匹配*号前的字符0次或多次， re.search('a*','aaaabac')  结果'aaaa'
'+'     匹配前一个字符1次或多次，re.findall("ab+","ab+cd+abb+bba") 结果['ab', 'abb']
'?'     匹配前一个字符1次或0次 ,re.search('b?','alex').group() 匹配b 0次
'{m}'   匹配前一个字符m次 ,re.search('b{3}','alexbbbs').group()  匹配到'bbb'
'{n,m}' 匹配前一个字符n到m次，re.findall("ab{1,3}","abb abc abbcbbb") 结果'abb', 'ab', 'abb']
'|'     匹配|左或|右的字符，re.search("abc|ABC","ABCBabcCD").group() 结果'ABC'
'(...)' 分组匹配， re.search("(abc){2}a(123|45)", "abcabca456c").group() 结果为'abcabca45'


'\A'    只从字符开头匹配，re.search("\Aabc","alexabc") 是匹配不到的，相当于re.match('abc',"alexabc") 或^
'\Z'    匹配字符结尾，同$ 
'\d'    匹配数字0-9
'\D'    匹配非数字
'\w'    匹配[A-Za-z0-9]
'\W'    匹配非[A-Za-z0-9]
's'     匹配空白字符、\t、\n、\r , re.search("\s+","ab\tc1\n3").group() 结果 '\t'

'(?P<name>...)' 分组匹配 re.search("(?P<province>[0-9]{4})(?P<city>[0-9]{2})(?P<birthday>[0-9]{4})","37

 

re的匹配语法有以下几种
re.match 从头开始匹配
re.search 匹配包含
re.findall 把所有匹配到的字符放到以列表中的元素返回
re.split 以匹配到的字符当做列表分隔符
re.sub 匹配字符并替换
re.fullmatch 全部匹配

 2、re方法：

2.1、re.match

从开头位置匹配，匹配成功只返回一个，返回的是对象
若要显示值。group() 返回被 RE 匹配的字符串

re.match语法：re.match(pattern,string,flags=0)

pattern:匹配的正则表达式，string:要匹配的字符串，flags:标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等。
s = 'abc1d3e'
print(re.match('[a-z]',s).group())
print(re.match('[0-9]',s))

>a
>None

 2.2、re.search(pattern,string ,flags=0)

re.search(pattern, string, flags=0)

用于查找字符串中可以匹配成功的子串，从string的开始位置匹配到结尾，匹配成功则返回一个匹配结果不再向后匹配了，如匹配失败则返回None。

pattern = re.search('w','aw,bw,cw,dw')  #匹配结果
print(pattern)  #返回一个match对象
print(pattern.group())   #获取一个分组截获的字符串
print(pattern.start())  #截获字符串的开始索引
print(pattern.end())  #截获字符串的结束索引
>w
>1
>2

• group() 返回被 RE 匹配的字符串
• start() 返回匹配开始的位置
• end() 返回匹配结束的位置
• span() 返回一个元组包含匹配 (开始,结束) 的位置

 2.3、re.findall(pattern,string,flags=0)

re.findall(pattern, string, flags=0)

搜索string，以列表的形式返回全部能匹配到的字串。

s = 'abc1d3e'
print(re.findall('[a-z]',s))

print(re.findall('[0-9]','a1b2c3'))

print(re.findall('\d+','a21b32c35'))
#以列表的形式返回所有匹配的子串，\d+为匹配1到多个数字

输出结果：
['a', 'b', 'c', 'd', 'e']
['1', '2', '3']
['21', '32', '35']

 2.4、re.finditer(patter,string,flag=0)

re.finditer(pattern, string, flags=0)

搜索string，返回访问每一个匹配结果的match对象的迭代器

pat = re.finditer('\d+','aa123bb456cc')  #返回match对象的一个迭代器
print(pat)

for i in pat:     #循环迭代器取值
  print(i.group())

>
<callable_iterator object at 0x0000000002696A90>
123
456

 2.5、re.sub()

re.sub(pattern, repl, string, count=0, flags=0)

使用repl替换string中每一个匹配的子串后返回替换后的字符串。count用于指定最多替换的次数，默认时时全部替换。

pat = re.sub('\d+','@@@','aaa1bbb22ccc333')
print(pat)   #替换匹配对象
print(re.sub('\d+','@@@','aaa1bbb22ccc333',count=2))

>
aaa@@@bbb@@@ccc@@@
aaa@@@bbb@@@ccc333
有加号时 把1 22 333 看成一个整体
没有就会单个，，，每个都会替换     aaa@@@bbb@@@@@@ccc@@@@@@@@@
'\d'没有+，结果不一样

 2.6、re.compile()

re.compile(pattern,flags=0)

编译一个正则表达式模式，返回一个模式对象

import re
re1 = re.compile(r'hello')   #编译一个正则匹配模式
print(type(re1))
print(re.match(re1,'hello world').group())

>
<class 're.Pattern'>
hello

 2.7、re.spilt()

re.spilt

re.split(pattern, string[, maxsplit])
按照能够匹配的子串将string分割后返回列表。

maxsplit用于指定最大分割次数，不指定将全部分割。

import re

s='9-2*5/3+7/3*99/4*2998+10*568/14'
print(re.split('[\*\-\/\+]',s))

print(re.split('[\*\-\/\+]',s,3))#分割三次
>
['9', '2', '5', '3', '7', '3', '99', '4', '2998', '10', '568', '14']
['9', '2', '5', '3+7/3*99/4*2998+10*568/14']

 2.8、re.fullmath

re.fullmatch(pattern, string, flags=0)

整个字符串匹配成功就返回re object, 否则返回None

re.fullmatch('\w+@\w+\.(com|cn|edu)',"alex@oldboyedu.cn")

 3、练习题

# 1 验证手机号是否合法
import re
# phone_number = input('phone_number:>').strip()
# print('phone_number:>',type(phone_number))
# if re.findall('1[0-9]{10}',phone_number):
#     print('合法')

# 2 验证邮箱是否合法
#
import re
# email = input('email:>').strip()
# if re.fullmatch('^\w+@\w+\.[a-zA-Z]{3}$',email):
#     print('email合法')
# 3 开发一个简单的python计算器，实现加减乘除及拓号优先级解析
#用户输入 1 - 2 * ( (60-30 +(-40/5) * (9-2*5/3 + 7 /3*99/4*2998 +10 * 568/14 )) - (-4*3)/ (16-3*2) )
# 等类似公式后，必须自己解析里面的(),+,-,*,/符号和公式(不能调用eval等类似功能偷懒实现)，
# 运算后得出结果，结果必须与真实的计算器所得出的结果一致

 

(1). 读取文件a.txt,匹配文中所有ip地址,将所有ip地址加入到一个列表中,打印该列表。

import re

li = []
with open("a","r") as f:
for line in f:
result = re.findall(r'\d+\.\d+\.\d+\.\d+', line)
if result:
li += result
print(li)

(2). s = '123.33sdhf3424.34fdg323.324',计算字符串中所有数字的和
本题结果应为：123.33+3424.34+323.32

import re
s = '123.33sdhf3424.34fdg323.324sss12'
obj = re.findall(r'\d+\.\d+|\d+',s)

start = 0
for i in obj:
start += float(i)
print(start)