码迷,mamicode.com
首页 > 编程语言 > 详细

Python基础 - 正则表达式

时间:2020-02-21 00:05:51      阅读:202      评论:0      收藏:0      [点我收藏+]

标签:内嵌   删除字符串   范围   man   import   空格替换   读取   aaa   idea   

正则表达式, 是用来描述, 匹配字符串规则的. 跟什么编程语言没啥关系, 这个太强大了. Python中, 内置 re 模块对正则有很强大的支持.

正则表达式基本语法

  • ". " 任意字符,除了\n
  • "* " 其前面子模式0或多
  • ‘+ ‘ 其前面子模式的**1或多次
  • ‘- ‘ 在 [ ] 之间表示范围,如[0-9]
  • | 前or后的字符串
  • ^ 后面的模式开头
  • ‘$ ‘后面的模式结尾
  • ? 前面0或1个字符, 也作为非贪婪限定词
  • ?转义
  • \num 子模式编号,名字
  • \f 换页
  • \n 换行
  • \r 回车(回到一行的头部)
  • \b 单词头或单词尾
  • \B 非\b
  • \d 数字[0-9]
  • \D 非数字[^0-9]
  • \s 空白符,\t\n\f\v
  • \S 非空白符
  • \w 字母, 数字, 下划线, 中文
  • \W 除\w外的特殊字符
  • () 里面内容作为一个整体
  • {m} 前面子模式m次
  • {m,n} 前面的子模式m次到n次(闭区间)
  • [ ] 里面任意一个单字符
  • [^ x] 里面的任意一个单字符
  • [a-zA-Z0-9_]
  • [^ a-z]

扩展语法

( ) 表示一个子模式, 将里面的内容作为一整体看待

import re
re.match(r'(cj){3}', 'cjcjcjcjcjcjxxx').group()  # 都加上原字符 r''
'cjcjcj'
  • (?P<groupname) 为子模式命名
  • (?#...) 注释
  • (?:...) 匹配但不捕获该匹配的表达式
  • (?<=...) 正则之后,...的内容出现则匹配,但不返回
  • (?=...)
  • (?<!...) 不匹配
  • (?!...)
  • 这些不怎么用先忽略

正则表达式集锦

  • abcde 可匹配 abcde
  • [cj]python 可匹配 cpthon, jpython
  • [a-zA-Z0-9_] 大小写字母,数字,下划线
  • python|java 匹配 python or java
  • [^abc] 除了a,b,c外的一个字符
  • r‘(http://)?(www.)?python.org‘ 只能 python.org, http://python.org, http://www.python.org
  • ^(http) 以http开头
  • (.com) 以. com 结尾
  • (pattern)* 0或多次
  • (pattern)+ 或多次, 至少一次
  • (pattern)? 0或1次
  • (pattern){m} m次
  • (pattern){m,n} m到n次闭区间
  • (a|b)*c 0或多个a或b, 后面紧跟一个字母c
  • ab{1,} 等价于ab+
  • ^[a-zA-Z]{1}([A-Z0-9a-z._]{4,19} 长度为5-25之间,字母开头,后面跟字母or数字or下划线or点 的字串
  • ^(\w){6,20} 长度为6-20,可包含数字,字母,汉字,下划线,点
  • \d{1,3}.\d{1,3}.\d{1,3}.\d{1,3} 是否为合法IP
  • (13[4-9]\d{8})|(15[01289]\d{8}) 移动号码
  • \w+@\w+(.\w+)+ 合法邮箱 cjsd_marketing@163.com
  • (?=.* [a-z])(?=.* [A-Z])(?=.* \d)(?=.* [,.]{8,} 强密码检查,同时包含**大小写字母,数字,特殊字符*,且长度至少为8位**
  • (?!.* [‘";==?]+.+>) **包含.‘";= %? 的任意一个则匹配失败
  • (.)\1+ 匹配任意子模式至少1次
  • 缓缓.........
re.match('\w+@(\w+\.)+\w+ ', 'cjsd_marketing@163.com').group()
---------------------------------------------------------------------------

AttributeError                            Traceback (most recent call last)

<ipython-input-14-4b9af62021f0> in <module>
----> 1 re.match('\w+@(\w+\.)+\w+ ', 'cjsd_marketing@163.com').group()


AttributeError: 'NoneType' object has no attribute 'group'
re.match('\w+@\w+(\.\w+)+', 'cjsd_marketing@163.com').group()
'cjsd_marketing@163.com'

re 模块

  • match(pattern,string) 从字符开始出匹配,放回match对象或None, 需要调用group()显示一下
  • complie(pattern[,flags] 创建模式对象
  • search(pattern, string) 从左到右,一搜索到则返回match对象,否则None
  • findall(pattern, string) 以列表形式返回所有匹配内容
  • sub(pat, repl, string[,count=0]) 从stringpat到的字串用repl代替(字串or方法)[默认为0次]
  • split(pattern, string)
  • finditer(pattern,srting) 以列表形式返回所有匹配上的可迭代对象
  • purge() 清空正则表达式缓存
  • escape(string) 特殊正则字符转义
import re 
re.findall('\d', 'sfs8sdfjsd8sdfjsd90dfs8')
['8', '8', '9', '0', '8']
text = 'alpha.beta....gama delta'
re.split('[\.]+', text )  # 按照模式(一个点,或多个点)分割字符串
['alpha', 'beta', 'gama delta']
re.split('[\.]+', text, maxsplit=1)  # 最多分割1次
['alpha', 'beta....gama delta']
re.findall('[a-zA-Z]+', text)  # 查找所有单词
['alpha', 'beta', 'gama', 'delta']
re.sub('{name}', 'chenjie', 'Dear {name}')  # 从string中用chenjie 取替换匹配的字符
'Dear chenjie'
re.sub('a|s|d', 'good', 'as')
'goodgood'
s = 'it is a good good good idea idea'    ???
re.sub(r'(\b\w+)\1',r'\1', s)
  File "<ipython-input-28-2eecdf4127bd>", line 1
    s = 'it is a good good good idea idea'    ???
                                              ^
SyntaxError: invalid syntax
re.sub('a', lambda x: x.group(0).upper(), 'aaa, aab, abcdas')   # 将所有 小写a 变成大写 a 
'AAA, AAb, AbcdAs'
re.sub('[a-zA-Z]', lambda x: chr(ord(x.group(0))^32), 'aaa Bbc agbDs')  # 英文字母,大小写互换  
'AAA bBC AGBdS'
re.subn('a', 'chenjie', 'aasksdf afk jfej ak fsd ')   # 返回新字符串和替换次数
('chenjiechenjiesksdf chenjiefk jfej chenjiek fsd ', 4)
re.escape('http://www.python.org')  # 字符串转义
'http\\:\\/\\/www\\.python\\.org'
re.match('yes|no', 'yesnofsfsdfdsf')  # 从字符头开始匹配, 匹配成功则返回match对象
<_sre.SRE_Match object; span=(0, 3), match='yes'>
re.match('\w+@\w+(\.\w+)+','cjsd_marketing@163.com').group()  # match() 成功并group()出来
'cjsd_marketing@163.com'

1. 删除多余空格, 如果连续多个,则保留一个,同时删除字符串两侧的所有空白字符

s = 'aaa     bbb,    cd, fff   fs    ,  '
' '.join(s.split())   # 先按空格分割,在join一下, 显然,不太搞得定, 不仅有空格, 还有,
'aaa bbb, cd, fff fs ,'
' '.join(re.split(',|\s+', s.strip()))  # re.split(',|\s+', s.strip())  按照 空格,或者逗号分割
'aaabbbcdffffs'
re.sub(',|\s+', ' ', s.strip())    # 直接用空格替换,这个厉害了
'aaa bbb  cd  fff fs  '

2. 删除字符串中指定的内容

email = 'cjsd_marketing@163.com'  # 想要删除 _marketing
m = re.search('_marketing', email) # marketing
email[:m.start()] + email[m.end(): ]   # 老方法,字符串拼接
'cjsd_@163.com'
re.sub('_marketing', '', email)  # 直接sub 替换, 找到_marketing 用 空白符替换(全部替换)
'cjsd@163.com'
re.sub('a', 'b', 'aa,aa,gdsdaa')
'bb,bb,gdsdbb'

小结:sub()替换是无敌强, 就跟word的查找替换是一样的


3. 特定字符搜索

text = 'Beautiful is better than ugly.'
re.findall('\\bb.*?\\b', text)  #  以字母 b 开头的完整单词 \bxxx\b, 包起来, re则转义一下 \\b xxx \\b
['better']
re.findall(r'\bb.*?\b', text)  # 以后都加上 r, \bxx\b 包起来, 此处非贪心
['better']
re.findall(r'\bb.*\b', text)  # \b xxx \b  包起来, 贪心模式
['better than ugly']
re.findall(r'\Bh.+?\b', text)  # 不以h 开头,且剩余部分含有h的单词
['han']
import re
re.findall(r'\b\w+?\b', text)  # 所有单词
['Beautiful', 'is', 'better', 'than', 'ugly']
re.findall(r'\w+', text)
['Beautiful', 'is', 'better', 'than', 'ugly']
re.match('^B.*l$', text) # ^ $ 匹配的是字符串的开头和结尾, 不是其中的单词
re.split('\s', text)  #  使用任何空白字符分割
['Beautiful', 'is', 'better', 'than', 'ugly.']
re.findall(r'\d+\.\d+\.\d+', 'Python 3.6.1')  # x.x.x形式的数字
['3.6.1']

match 对象

m = re.match(r'(\w+) (\w+)', 'chen jie will be a great man')  # 中间还匹配了一个空格
m.group(0)  # 第一个子模式
'chen jie'
m.group(1)  # 第二个子模式
'chen'
m.group(1,2)
('chen', 'jie')

栗子

提取字符串中的电话号码

import re 

tel_number = '''Suppose my Phone No. is 0606-1234666, 
                Yours number is 010-123456,
                his number is 025-8799342.'''

pattern = re.compile(r'(\d{3,4})-(\d{7,8})')   # 逗号后面不能有空格

result = pattern.search(tel_number, index)
if not result:
    print('no match')
    
print('=='*20)
print('success', result.group())
========================================
success 0606-1234666

用正则表达式批量检查网页文件是否包含iframe(内嵌)框架

import os
import re 


def delect_iframe(file):
    
    content = []  # 存放网页的列表
    with open(file, encoding='utf-8') as f:
        # 读取文件所有行,删除两侧的空白符, 然后添加到列表中
        for line in f:
            content.append(line.strip())
            
        # 将所有字符连接成字符串
        ''.join(content)
        # 正则
        result = re.findall(r'<iframe\s+src=.*?></iframe>', content)
        if result:
            return {file:result}
        return False
    
    
for file in (f for f in os.listdir('.') if f.endswith(('.html', '.htm'))):   # 遍历一个文件生成器
    result = delect_iframe(file)
    if not result:
        continue
    # 输出检查结果
    for k, v in r.items():
        print(k)
        for vv in v:
            print('\t', vv)
            
            
# print(result.group())

0606-1234666

Python基础 - 正则表达式

标签:内嵌   删除字符串   范围   man   import   空格替换   读取   aaa   idea   

原文地址:https://www.cnblogs.com/chenjieyouge/p/12337929.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!