正则表达式:一种可以让一些复杂字符串问题变简单的工具。
注意:所有的高级编程语言都支持正则,正则的语法通用。不是Python特有的。
re模块:Python用来支持正则表达式的一个模块,模块中包含了所有和正则相关的函数。
fullmatch
(正则表达式, 字符串)
判断正则表达式和指定的字符串是否完全匹配。(判断字符串是否符合正则表达式描述的规则)
匹配成功返回匹配对象,匹配失败返回None。
# 导入re模块中的fullmatch方法
from re import fullmatch
匹配类符号语法
1)普通符号:正则表达式表达符号本身的符号。
2).:匹配任意一个字符
3)\d:匹配任意一个数字字符
4)\s:匹配任意一个空白字符
5)\D:匹配任意一个非数字字符
6)\S:匹配任意一个非空白字符
7)[字符集]:匹配字符集中任意一个字符
[abc] - 匹配a或者b或者c
[abc\d] - 匹配a或者b或者c或者任意一个数字
[1-9] - 匹配1-9中任意一个数字
[a-z] - 匹配任意一个小写字母
[A-Z] - 匹配任意一个大写字母
[a-zA-Z\d_] - 匹配字母数字或者下划线
[\u4e00-\u9fa5] - 匹配任意一个中文字符
注:[]中减号放在两个字符之间表示谁到谁(确定的方式是根据字符编码值大小确定的);如果减号不在两个字符之间表示普通的减号。
8)[^字符集]:匹配不在字符集中任意一个字符,^只能放在最前面
from re import fullmatch
# 1)普通符号:正则表达式表达符号本身的符号。
result = fullmatch(r'abc', 'abc')
print(bool(result)) # True
# 2). - 匹配任意一个字符
result = fullmatch(r'a.c', 'acc')
print(bool(result)) # True
# 3)\d - 匹配任意一个数字字符
result = fullmatch(r'a\dc', 'a0c')
print(bool(result)) # True
# 4)\s - 匹配任意一个空白字符
# 空白字符 - 能产生空白效果的字符,例如:空格、换行、水平制表符
result = fullmatch(r'a\sc', 'a c')
print(bool(result)) # True
result = fullmatch(r'a\sc', 'a\tc')
print(bool(result)) # True
result = fullmatch(r'a\sc', 'a\nc')
print(bool(result)) # True
# 5)\D - 匹配任意一个非数字字符
result = fullmatch(r'a\Dc', 'abc')
print(bool(result)) # True
# 6)\S - 匹配任意一个非空白字符
result = fullmatch(r'a\Sc', 'a c')
print(bool(result)) # False
# 7)[字符集]:匹配字符集中任意一个字符
result = fullmatch(r'x[a-zA-Z\u4e00-\u9fa5-]h', 'x-h')
print(bool(result)) # True
# 8)[^字符集]:匹配不在字符集中任意一个字符,^只能放在最前面
result = fullmatch(r'x[^\d]h', 'x是h')
print(bool(result)) # True
*: 0次或多次(任意次数);
注:星号在谁后面控制谁的次数
result = fullmatch(r'a*123', '123')
print(bool(result)) # True
result = fullmatch(r'a*123', 'aaaa123')
print(bool(result)) # True
+:1次或者多次(至少一次)
result = fullmatch(r'[MN]+abc', 'abc')
print(bool(result)) # False
result = fullmatch(r'[MN]+abc', 'MNNMabc')
print(bool(result)) # True
?:0次或1次
result = fullmatch(r'A?abc', 'abc')
print(bool(result)) # True
result = fullmatch(r'A?abc', 'Aabc')
print(bool(result)) # True
result = fullmatch(r'A?abc', 'AAabc')
print(bool(result)) # False
{}
{M,N} - M到N次
{M,} - 至少M次
{,N} - 最多N次
{N} - N次
result = fullmatch(r'[a-z]{3,5}123', 'asdf123')
print(bool(result)) # True
result = fullmatch(r'[a-z]{3,}123', 'asdfssss123')
print(bool(result)) # True
result = fullmatch(r'[a-z]{,5}123', 'asdf123')
print(bool(result)) # True
result = fullmatch(r'[a-z]{3}123', 'asdf123')
print(bool(result)) # False
贪婪和非贪婪
当匹配次数不确定(*、+、?、{M,N}、{M,}、{,N})时,匹配模式分为贪婪和非贪婪两种。默认贪婪。
1.贪婪:匹配成功时有多种匹配结果,贪婪取最多次数对应的匹配结果。
(匹配次数不确定的地方,有多种匹配方式都可以匹配成功,贪婪取最多次数)
贪婪模式:*、+、?、{M,N}、{M,}、{,N}
# 贪婪
result = match(r'a.+b', 'amb互换bfjbmi')
print(result) # match='amb互换bfjb'
# 注意:如果匹配结果只有一种可能,贪婪和非贪婪的结果一样。
# 贪婪
result = match(r'a.+b', 'amb互换')
print(result) # match='amb'
2.非贪婪:匹配成功时有多种匹配结果,贪婪取最少次数对应的匹配结果。
(匹配次数不确定的地方,有多种匹配方式都可以匹配成功,贪婪取最少次数)
非贪婪模式:*?、+?、??、{M,N}?、{M,}?、{,N}?
# 非贪婪
result = match(r'a.*?b', 'amb互换bfjbmi')
print(result) # match='amb'
# 注意:如果匹配结果只有一种可能,贪婪和非贪婪的结果一样。
# 贪婪
result = match(r'a.+b', 'amb互换')
print(result) # match='amb'
# 非贪婪
result = match(r'a.*?b', 'amb互换')
print(result) # match='amb'
分组
1)整体:将正则表达式中的一部分作为一个整体进行相关操作。
2)重复:可以在正则表达式中通过\M来重复它前面的第M个分组的匹配结果。
不能重复\M之后出现的内容(否则会报错!)。
3)捕获:只获取正则表达式中分组的一部分匹配到的结果(分为手动和自动捕获两种)
# 导入fullmatch模块和findall模块
from re import fullmatch, findall
# 2.重复
# 例子1:两个数字两个大写字母重复
result = fullmatch(r'(\d\d[A-Z]{2})+', '22WE35SD')
print(result)
# 例子2:23d23 45t45
result = fullmatch(r'(\d{2})[a-z]\1', '45t45')
print(result)
# 例子3:23dfg=dfg232323(重复两个分组)
result = fullmatch(r'(\d{2})([a-z]{3})=\2\1{3}', '23dfg=dfg232323')
print(result)
# 3.捕获
message ='我今年18岁,月薪50000元,身高180,体重70公斤,8块腹肌。每年交300元的腾讯会员费。房贷每月3000元,车贷每月2280元。'
result = findall(r'(\d+)元',message)
print(result) # ['50000', '300', '3000', '2280']
分支:|(或者)
正则1|正则2|正则3|...:匹配可以和多个正则中任意一个正则匹配的字符串。
# 例子
# 匹配三个数字或两个字母
result = fullmatch(r'\d{3}|[a-z]{2}', 'ed')
print(bool(result)) # True
# a两个数字d、a三个字母d
# 注:如果想要正则表达式中的一部分实现多选一功能,变化的部分用分组表示。
result = fullmatch(r'a(\d{3}|[a-z]{2})d', 'a123d')
print(bool(result)) # True
转义符号
在本身具备特殊功能或特殊意义的符号前加'\',让这个符号变成普通符号。
# .具备特殊意义,所以前面加个\
result = fullmatch(r'\d+\.\d+', '23.89')
print(bool(result)) # True
# +具备特殊意义
result = fullmatch(r'\+\d+', '+123329')
print(bool(result)) # True
# ()具备特殊意义
result = fullmatch(r'\([A-Z]+\)', '(ASJDSJI)')
print(bool(result)) # True
[]里的转义符号
1)单独存在有特殊意义的符号(+、*、?、.等),在[]中特殊意义会自动消失。
2)本身在中括号中有特殊功能的符号(-、^),如果表示普通符号必须加'\'。
# 1)单独存在有特殊意义的符号(+、*、?、.等),在[]中特殊意义会自动消失
result = fullmatch(r'\d+[.+*?]\d+', '433?444')
print(bool(result)) # True
# 2)本身在中括号中有特殊功能的符号(-、^),如果表示普通符号必须加'\'
result = fullmatch(r'a[M\-N]b', 'a-b') # -
print(bool(result)) # True
result = fullmatch(r'a[\^MN]b', 'a^b') # ^
print(bool(result)) # True
检测类符号是在匹配成功的情况下,检测检测类符号所在的位置是否符合符号相关要求。
\b: 检测是否是单词边界
单词边界:可以将两个单词区分开的符号都是单词边界,比如:空白符号、英文标点符号、字符串开头和字符串结尾。
result = fullmatch(r'abc\b mn', 'abc mn')
print(result) # √
message = '203mn45,89 四级45kn;23;09mll==333,234 89='
result = findall(r'\d+', message)
print(result) # ['203', '45', '89', '45', '23', '09', '333', '234', '89']
result = findall(r'\d+\b', message) # 右
print(result) # ['45', '89', '23', '333', '234', '89']
result = findall(r'\b\d+', message) # 左
print(result) # ['203', '89', '23', '09', '333', '234', '89']
result = findall(r'\b\d+\b', message) # 左、右都有
print(result) # ['89', '23', '333', '234', '89']
\B: 检测是否不是单词边界
message = '203mn45,89 四级45kn;23;09mll==333,234 89='
result = findall(r'\B\d+\B', message)
print(result) # ['03', '4', '45', '9', '3', '3']
^: 检测是否是字符串开头
message = '203mn45,89 四级45kn;23;09mll==333,234 89='
result = findall(r'^\d+', message)
print(result) # ['203']
# 提取字符串前十个字符
message = '203mn45,89 四级45kn;23;09mll==333,234 89='
result = findall(r'^.{10}', message)
print(result) # ['203mn45,89']
$: 检测是否是字符串结尾
# 提取字符串后十个字符
message = '203mn45,89 四级45kn;23;09mll==333,234 89='
result = findall(r'.{10}$', message)
print(result) # ['33,234 89=']
函数
1.fullmatch
(正则表达式,字符串): 完全匹配,判断整个字符串是否符合正则表达式描述的规则,匹配成功返回匹配对象,匹配失败返回None。
2.match
(正则表达式,字符串): 匹配字符串开头,判断字符串开头是否符合正则表达式描述的规则。
3.search
(正则表达式,字符串): 获取字符串中第一个能够和正则表达式匹配成功的子串。
4.findall
(正则表达式,字符串): 获取字符串中所有满足正则表达式的子串,返回一个元素为字符串的列表;没有则为[]。
注:如果正则表达式有分组,会针对分组做自动捕获(只获取分组匹配到的结果)。
5.finditer
(正则表达式,字符串): 获取字符串中所有满足正则表达式的子串,返回一个迭代器,迭代器中的元素是每个子串对应的匹配结果。
6.split
(正则表达式,字符串): 将字符串中所有满足正则的子串作为切割点对字符串进行切割。
str1 = '123aMNnb看的价位aIIeea990b=='
print(str1.split('a')) # ['123', 'MNnb看的价位', 'IIee', '990b==']
# 将a、b作为切割点
result = split(r'a|b', str1)
print(result) # ['123', 'MNn', '看的价位', 'IIee', '990', '==']
7.sub
(正则表达式,字符串1,字符串2):将字符串2中所有满足正则的子串都替换成字符串1。
result = sub(r'\d+', '+', '123aMNnb看的价位aIIeea990b==')
print(result) # +aMNnb看的价位aIIeea+b==
匹配对象
result = search(r'(\d{3})([A-Z]{3})', '233SDD556WER')
print(result) #
1.匹配对象.group(): 直接获取整个正则表达式对应的匹配结果。
print(result.group()) # 233SDD
2.匹配对象.group(分组数): 手动捕获某个分组对应的匹配结果。
print(result.group(1)) # 233
print(result.group(2)) # SDD
3.匹配对象.span(): 获取指定结果在原字符串中的位置。
print(result.span()) # (0, 6)
print(result.span(2)) # (3, 6)
参数
1.匹配忽略大小写: (?i)写在正则表达式前面。
result = fullmatch(r'(?i)abc', 'ABc')
print(result) #
2.单行匹配: (?s)写在正则表达式最前面。
多行匹配(默认):匹配时.不能和'\n'进行匹配
单行匹配:匹配时.可以和'\n'进行匹配
# 多行
result = fullmatch(r'abc.123', 'abc\n123')
print(result) # None
# 单行
result = fullmatch(r'(?s)abc.123', 'abc\n123')
print(result) #