Python入门-正则表达式
一、字符串类型数据，自带查找功能
#字符串，匹配查找，返回的是下标位置,空格也算占位 info = "www baidu com" print(info.find("baidu")) print(info.find("www")) """ 5 0 """ #默认为左边,find查找，也可以使用右边查找rfind info = "www 111 com 222 www" print(info.find("www")) print(info.rfind("www")) """0 19 """ #如果查询不到，返回-1，int类型 info = "www 111 com 222 www" es = info.find("baidu") print(type(es)) """ -1 <class 'int'> """
二、正则匹配函数-match，search，findall的区别
# 需要先导入re模块 import re #字符串，匹配查找 info = "www baidu com"print("=======re.match方法从头查找==============") print("从头匹配OK：", re.match("www", info)) # 匹配成功返回match类对象 print("获取从头匹配OK结果：", str(re.match("www", info).span())) # span获取位置 print("从头不匹配：", re.match("baidu", info)) #不匹配返回None print("忽略大小写：", re.match("www","WWW.BAIDU.COM", re.IGNORECASE)) print("=======re.search任意位置查找==============") print("search匹配：",re.search("www",info)) print("search匹配：",re.search("baidu",info)) print("search忽略大小写：", re.search("www","WWW.BAIDU.COM", re.IGNORECASE)) print("=======re.findall全局查找==============") print("findall匹配：",re.findall("www",info)) print("findall匹配：",re.findall("baidu",info)) print("findall忽略大小写：", re.findall("www","WWW.BAIDU.COM", re.IGNORECASE)) """ =======re.match方法从头查找============== 从头匹配OK： <re.Match object; span=(0, 3), match='www'> 获取从头匹配OK结果： (0, 3) 从头不匹配： None 忽略大小写： <re.Match object; span=(0, 3), match='WWW'> =======re.search任意位置查找============== search匹配： <re.Match object; span=(0, 3), match='www'> search匹配： <re.Match object; span=(5, 10), match='baidu'> search忽略大小写： <re.Match object; span=(0, 3), match='WWW'> =======re.findall全局查找================ findall匹配： ['www'] findall匹配： ['baidu'] findall忽略大小写： ['WWW'] """
三、findall详细使用
1.查询固定字符串【不常用，可用于判断是否存在】
import re text = "张三身高： 199， 体重300， 学号123456， 密码6677555" print(re.findall(r"123456", text)) #['123456'] #r:表示这是一个raw字符串，不进行特殊字符转义，参数一：规则，参数二：原字符串
2.查找某一类字符【例如：找出全部数字】
找出来一个，就加一个，全是一个个。。
import re text = "张三身高： 199， 体重300， 学号123456， 密码6677555" print(re.findall(r"\d", text)) print(re.findall(r"[一重号]", text)) print(re.findall(r"[0-9]", text)) print(re.findall(r"[a-z]", text)) """ ['1', '9', '9', '3', '0', '0', '1', '2', '3', '4', '5', '6', '6', '6', '7', '7', '5', '5', '5'] ['重', '号'] ['1', '9', '9', '3', '0', '0', '1', '2', '3', '4', '5', '6', '6', '6', '7', '7', '5', '5', '5'] [] 找不到就是空列表 """
3.不想找单个，连在一起的多个【重复某一类字符：例如连在一起的数字】
import re text = "张三身高： 199， 体重300， 学号123456， 密码6677555" print(re.findall(r"\d+", text)) print(re.findall(r"\d{2,4}",text)) """ ['199', '300', '123456', '6677555'] ['199', '300', '1234', '56', '6677', '555'] +号： 匹配合适的全部 {1,2}：匹配合适的，指定数量 """
4.找出组合的不连续字符
import re text = "张三的电话号码是：123456789， 新换的手机号是88997766， 同时家里座机为：121-9989888" print(re.findall(r"\d{1,3}-\d{5,9}",text)) """ ['121-9989888'] 使用拼接方法，并指定数量 """
#复杂情况的拼接方法，使用竖线：| import re text = "张三的电话号码是：123456789， 新换的手机号是88997766， 同时家里座机为：121-9989888" print(re.findall(r"\d{1,3}-\d{7,10}|\d{5,10}",text)) """ ['123456789', '88997766', '121-9989888'] 使用\d提取数字，使用{}指定数量范围，使用-确定格式，使用|拼接多种情况 """
5.限定范围是开头还是尾部
import re text = "张三的电话号码是：123456789， 新换的手机号是88997766， 同时家里座机为：121-9989888" print(re.findall(r"^\d{5,10}",text)) text = "123456789可能不是，张三的电话号码是：123456789， 新换的手机号是88997766， 同时家里座机为：121-9989888" print(re.findall(r"^\d{1,3}-\d{7,10}|^\d{5,10}",text)) """ [] ['123456789'] 使用^限定查询的结果，只能使开头位置的，所以第一次没有匹配结果 """
7.内部约束【例如：找出重复字符】
import re text = "abc11abc qweqwe zxccxz poipoi" print(re.findall(r"\w{3}", text)) print(re.findall(r"(\w{3})(\1)", text)) """ ['abc', '11a', 'qwe', 'qwe', 'zxc', 'cxz', 'poi', 'poi'] [('qwe', 'qwe'), ('poi', 'poi')] \w{3} 表示三个字符 (\w{3})表示一个分组 (\1) 表示里面的内容和第一个组相同 """
8.练手项目
res = re.findall("\S+@\S+", text) #获取电子邮箱 res = re.findall("\d+@qq.com", text) #获取QQ邮箱 res = re.findall("https://www.+\s*", text) #获取网址 res = re.findall("[1-9][0-9]{4,}", text) #获取QQ账号 res = re.findall("\d+.\d+.\d+.\d+", text) #获取ip res = re.findall("(?<=密码)\S+", text) #获取密码开头的后续字符 res = re.findall("(?=密码)\S+", text) #获取密码开头的后续字符
匹配符号范围
import re info = "www.baidu.com.17745674567.127.o.0.1.hello.heLLo.heLlo" print("原始字符串：",info) print("==========范围内匹配==========") mark1 = "he[lkn][lkn]o" mark2 = "he[a-z][a-z]o" mark3 = "he[a-zA-Z][a-zA-Z]o" print("匹配[lkn]范围字符：",re.findall(mark1, info, re.I)) print("匹配[a-z]范围字符：",re.findall(mark2, info, re.I)) print("匹配[a-zA-Z]范围字符：",re.findall(mark3, info, re.I)) print("匹配[0-9]范围字符：",re.findall("[0-9]", info, re.I)) print("匹配[^0-9a-t]范围取反匹配：",re.findall("[^0-9a-t]", info, re.I)) """ 原始字符串： www.baidu.com.17745674567.127.o.0.1.hello.heLLo.heLlo ==========范围内匹配========== 匹配[lkn]范围字符： ['hello', 'heLLo', 'heLlo'] 匹配[a-z]范围字符： ['hello', 'heLLo', 'heLlo'] 匹配[a-zA-Z]范围字符： ['hello', 'heLLo', 'heLlo'] 匹配[0-9]范围字符： ['1', '7', '7', '4', '5', '6', '7', '4', '5', '6', '7', '1', '2', '7', '0', '1'] 匹配[^0-9a-t]范围取反匹配： ['w', 'w', 'w', '.', 'u', '.', '.', '.', '.', '.', '.', '.', '.', '.'] """
边界数量匹配
import re #有边界符号，表示单边位置 #如没有边界符号，表示任意全局匹配 str = "food hello Food" pat = "fo[ol][dlk]$" print("============开始结束匹配==============") pat22 = "^fo[ol][dlk]" pat33 = "fo[ol][dlk]" print("匹配开头：", re.findall(pat, str, re.I)) print("匹配结尾：", re.findall(pat22, str, re.I)) print("匹配不限开头结尾：", re.findall(pat33, str, re.I)) print("============多位简写匹配==============") input_data = "2020-09-09" mark = "[0-9]{4}-[0-9]{2}-[0-9]{2}" # 使用{}进行多次匹配 print("生日格式匹配为：", re.match(mark, input_data, re.I)) print("============拆分匹配==============") info = "hjdfkj3243423.4324324kjkl343435353adf" mark2 = r"\d+" #加R表示，这是正则匹配，不加理论上也可以 print(re.split(mark2, info)) score = "119.9" mark3 = r"^[+-]?\d+(\.\d+)?$" print(re.match(mark3, score, re.I)) print("============逻辑匹配==============") tel = "(010)-12343234" """ 7-8位数字：'\d{7,8}' 前三位区号：\d{3,4} 区号+括号：(\d{3,4}) """ mark4 = r"((\d{3,4})|(\(\d{3,4}\)-))?\d{7,8}" print(re.match(mark4, tel)) """ ============开始结束匹配============== 匹配开头： ['Food'] 匹配结尾： ['food'] 匹配不限开头结尾： ['food', 'Food'] ============多位简写匹配============== 生日格式匹配为： <re.Match object; span=(0, 10), match='2020-09-09'> ============拆分匹配============== ['hjdfkj', '.', 'kjkl', 'adf'] <re.Match object; span=(0, 5), match='119.9'> ============逻辑匹配============== <re.Match object; span=(0, 14), match='(010)-12343234'> """
正则匹配模式
#正则匹配模式 import re data = """ food is very good food is very good food is very good """ mark = "fo{2}d" mark2 = ".+" print("多行匹配以及忽略大小写：",re.findall(mark, data, re.I | re.M)) #多行匹配以及忽略大小写 print("默认匹配，不加其他后缀：",re.findall(mark2, data)) #多行匹配以及忽略大小写 print("修改.匹配任意模式，可匹配换行等任意字符：",re.findall(mark2, data, re.S)) #多行匹配以及忽略大小写 print("忽略空白和注释，进行匹配：",re.findall(mark2, data, re.X)) #多行匹配以及忽略大小写 """ 多行匹配以及忽略大小写： ['food', 'food', 'food'] 默认匹配，不加其他后缀： [' ', 'food is very good', 'food is very good', 'food is very good '] 修改.匹配任意模式，可匹配换行等任意字符： [' \nfood is very good\nfood is very good\nfood is very good \n'] 忽略空白和注释，进行匹配： [' ', 'food is very good', 'food is very good', 'food is very good '] """
分组
#获取数据后，需要再拆分，可以使用分组 import re info = "id:root, phone:11012341234, bir:2021-09-08" mark = r"(\d{4})-(\d{2})-(\d{2})" res = re.search(mark, info) print("获取分组数据为 ：", res.group()) print("获取第1组数据为：", res.group(1)) print("获取第2组数据为：", res.group(2)) print("获取第3组数据为：", res.group(3)) mark2 = r"\d{4}-\d{2}-\d{2}" res2 = re.search(mark2, info) print("不加分组括号为 ：",res2.group()) """ 获取分组数据为 ： 2021-09-08 获取第1组数据为： 2021 获取第2组数据为： 09 获取第3组数据为： 08 不加分组括号为 ： 2021-09-08 """
环视
# 通过获取指定字符串位置,然后达到匹配目的字符 import re info = "id:root,name:tom,age:33,id:root" mark = r"(?<=id:)(?P<name>\w+)" print(re.findall(mark, info)) """ ['root', 'root'] """
浙公网安备 33010602011771号