正则表达式--python

正则表达式

1、简介

概述

正确的, 符合特定规则的 字符串. 英文名叫: Regular Expression, 简称叫: re, RegExp

作用

主要是校验数据

细节

• 学正则, 主要是学正则的规则. 即: 哪个符号表示什么含义.

• 关于正则, 要求很简单, 只要能用规则, 看懂别人写的式子, 且能简单修改即可, 大部分情况下无需你手动编写.

• 到目前为止, 正则已经经历了N长的时间, 几乎你遇到的绝大多数的正则校验, 前辈们都已经写过了(帮我们写好了).

• 正则不独属于Python, 例如: Java, C#, JavaScript, Go…等众多的语言都支持, 且: 正则的规则都是一样的.

调用过程

• 导包

  • import re

• 正则匹配校验.

  • result = re.match(正则规则, 要被校验的字符串, 扩展选项-例如区分大小写, 空值过滤…) 全词匹配, 从左往右依次匹配
  • result = re.search(正则规则, 要被校验的字符串, 扩展选项-例如区分大小写, 空值过滤…) 分段批次, 任意一段能匹配即可.
  • result = re.compile(…).sub(…) 用于做替换的

• 获取匹配到的数据.

  • result.group()

2、几种常用方法

(一)、match

格式

result = re.match(正则规则, 要被校验的字符串, 扩展选项-例如区分大小写, 空值过滤…)

全词匹配, 从左往右依次匹配

例如

# 导包
import re

# 校验字符串是否是 任意字符 + it + 任意字符.
result = re.match('.it.', 'aitb')   # 可以匹配
result = re.match('.it.', 'ait\n')  # 未匹配
result = re.match('.it.', 'ait')    # 未匹配

# 获取到匹配的结果.
if result:
    # 走这里, 有值, 获取到匹配的数据, 打印即可.
    print(result.group())
else:
    # 走这里, 没有匹配到数据, 打印即可.
    print('未匹配到!')

(二)、search

格式

result = re.search(正则规则, 要被校验的字符串, 扩展选项-例如区分大小写, 空值过滤…)

分段批次, 任意一段能匹配即可

例如

# 演示 match 和 search的区别
# 相同点: 都可以做正则校验, 传参都是一样的.
# 不同点: match()是全词匹配, 即: 从左往右依次匹配(不能跳).  search()是分段匹配, 有任意一部分能匹配即可.

# 判断字符串中是否有 it + 任意的多个字符
# result = re.match('it.*', 'itabc123!@#')
# result = re.match('it.*', 'itabc')
# result = re.match('it.*', 'it')
# result = re.match('it.*', 'aA12!@#itabc')   # 未匹配

result = re.search('it.*', 'itabc123!@#')
result = re.search('it.*', 'itabc')
result = re.search('it.*', 'it')
result = re.search('it.*', 'aA12!@#itabc')   # itabc

# 打印匹配到的结果.
if result:
    # 走这里, 有值, 获取到匹配的数据, 打印即可.
    print(result.group())
else:
    # 走这里, 没有匹配到数据, 打印即可.
    print('未匹配到!')

(三)、compile…sub…

格式

re.compile(正则规则).sub(新字符串, 旧字符串)

去旧字符串中, 找到符合正则规则的内容, 用新字符串来替换.

语法糖

re.sub(正则规则, 新字符串, 旧字符串)

去旧字符串中, 找到符合正则规则的内容, 用新字符串来替换.

例如

import re

if __name__ == '__main__':
    # 案例1: 把下述的符合正则规则的内容, 用*来替换.
    # 1. 定义 旧字符串.
    old_str = '你可以这样: 桀1桀2桀, 哈3哈, 呵A呵, 嘿嘿, 嘻嘻, 略略略, 嘤嘤嘤...'
    # 2. 定义 正则规则(字符串形式)
    reg_exp = '桀|哈|呵|嘿|嘻'
    # 3. 把符合正则规则的内容, 用*来替换.
    # 分解版写法.
    # 3.1 获取正则对象.
    # re_obj = re.compile(reg_exp)
    # 3.2 具体的替换过程.
    # result = re_obj.sub('*', old_str)

    # 合并版写法,         正则规则       新内容     旧内容
    # result = re.compile(reg_exp).sub('*', old_str)

    # 上述格式的语法糖, 正则规则   新内容     旧内容
    result = re.sub(reg_exp, '*', old_str)

    # 4 打印结果
    print(result)
    print('-' * 21)

    # 案例2: 回顾字符串的replace()函数.
    s1 = '抽烟只抽煊赫门, 一生只爱一个人. 其他烟: 中华, 煊赫门, 天叶, 煊赫门...'
    # result = s1.replace('煊赫门', '*')     # 不写次数, 默认替换所有.
    # result = s1.replace('煊赫门', '*', 1)  # 只替换1次(个)
    result = s1.replace('煊赫门|中华|天叶', '*')
    print(f'result:  {result}')

3、校验单个字符

规则

.           代表: 任意的1个字符, \n除外
\.          代表: 1个普通的.  即: 取消.的特殊含义
a           代表: 1个字符a
[abc]       代表: a, b, c中任意的1个字符, 即: 要么a, 要么b, 要么c
[^abc]      代表: 除了a,b,c外, 任意的1个字符
\d          代表: 任意的1个整数, 等价于 [0-9]
\D          代表: 任意的1个非整数, 等价于 [^0-9]
\w          代表: 非特殊字符, 即: 大小写英文字符, 数字, _, 汉字
\W          代表: 特殊字符, 即: \w 取反.
\s          代表: 空白字符, 例如: 空格, \t...
\S          代表: 非空白字符, 即: \s取反.

例如

# 导包
import re

# 在main中测试
if __name__ == '__main__':
    # 演示: .           代表: 任意的1个字符, \n除外
    result = re.match('it.', 'ita')     # ita
    result = re.match('it.', 'it\t')    # it\t
    result = re.match('it.', 'it\n')    # 未匹配

    # 演示: \.          代表: 1个普通的.  即: 取消.的特殊含义
    # 细节: 为了防止打印异常信息, 你可以写成: r'it\.'  或者 'it\\.'
    result = re.match('it\\.', 'ita')        # 未匹配
    result = re.match('it\\.', 'it.')        # it.
    result = re.match('it\\.', 'it.abc')     # it.

    # 演示: a           代表: 1个字符a
    result = re.match('a', 'abc')            # a
    result = re.match('a', 'xyz')            # 未匹配

    # 演示: [abc]       代表: a, b, c中任意的1个字符, 即: 要么a, 要么b, 要么c
    result = re.match('it[abc]', 'itabc')    # ita
    result = re.match('it[abc]', 'itbc')     # itb
    result = re.match('it[abc]', 'itd')      # 未匹配

    # 演示: [^abc]      代表: 除了a,b,c外, 任意的1个字符
    result = re.match('it[^abc]', 'itabc')  # 未匹配
    result = re.match('it[^abc]', 'itbc')   # 未匹配
    result = re.match('it[^abc]', 'itd')    # itd

    # 演示: \d          代表: 任意的1个整数, 等价于 [0-9]
    result = re.match('ho[0-9]', 'ho1')     # ho1
    result = re.match('ho[0-9]', 'ho3a')    # ho3
    result = re.match(r'ho\d', 'ho3a')      # ho3
    result = re.match(r'ho\d', 'hoa')      # 未匹配

    # 演示: \D          代表: 任意的1个非整数, 等价于 [^0-9]
    result = re.match(r'ho\D', 'hoa')   # hoa
    result = re.match(r'ho\D', 'ho3a')  # 未匹配

    # 演示: \w          代表: 非特殊字符, 即: 大小写英文字符, 数字, _, 汉字
    result = re.match(r'ho\w', 'hoa')  # hoa
    result = re.match(r'ho\w', 'hoB')  # hoB
    result = re.match(r'ho\w', 'ho1')  # ho1
    result = re.match(r'ho\w', 'ho_')  # ho_
    result = re.match(r'ho\w', 'ho!')  # 未匹配

    # 演示: \W          代表: 特殊字符, 即: \w 取反.
    result = re.match(r'ho\W', 'ho!')  # ho!
    result = re.match(r'ho\W', 'ho_')  # 未匹配

    # 演示: \s          代表: 空白字符, 例如: 空格, \t...
    result = re.match(r'ho\s', 'ho')    # 未匹配
    result = re.match(r'ho\s', 'ho ')   # ho
    result = re.match(r'ho\s', 'ho\t')  # ho
    result = re.match(r'ho\s', 'ho\n')  # ho\n
    result = re.match(r'ho\s', 'hoa')   # 未匹配

    # 演示: \S          代表: 非空白字符, 即: \s取反.
    result = re.match(r'ho\S', 'ho')  # 未匹配
    result = re.match(r'ho\S', 'ho ')  # 未匹配
    result = re.match(r'ho\S', 'ho\t')  # 未匹配
    result = re.match(r'ho\S', 'ho\n')  # 未匹配
    result = re.match(r'ho\S', 'hoa')  # hoa

    # 打印校验到的数据.
    if result:
        print(f'匹配到: {result.group()}')
    else:
        print('未匹配!')

4、校验多个字符

规则

?           代表: 前边的内容, 出现0次 或者 1次
*           代表: 前边的内容, 至少出现0次, 至多出现n次(无数次)
+           代表: 前边的内容, 出现1次 或者 多次.
a{n}        代表: a恰好出现n次, 多一次少一次都不行.
a{n,}       代表: a至少出现n次, 至多无所谓.
a{n,m}      代表: a至少出现n次, 至多出现m次, 包括n 和 m

例如

# 导包
import re

# main中测试
if __name__ == '__main__':
    # 演示: ?           代表: 前边的内容, 出现0次 或者 1次
    result = re.match('it.?', 'it')
    result = re.match('it.?', 'it ')
    result = re.match('it.?', 'itabcABC')
    result = re.match('it.?', 'it\nABC')    # it

    # 演示: *           代表: 前边的内容, 至少出现0次, 至多出现n次(无数次)
    result = re.match('it[abc]*', 'it\nABC')  # it
    result = re.match('it[abc]*', 'itabcABC') # itabc
    result = re.match('it[abc]*', 'it ')      # it
    result = re.match('it[abc]*', 'it')       # it

    # 演示: +           代表: 前边的内容, 出现1次 或者 多次.
    result = re.match('it[abc]+', 'it')   # 未匹配
    result = re.match('it[abc]+', 'it ')  # 未匹配
    result = re.match('it[abc]+', 'it\nABC')  # 未匹配
    result = re.match('it[abc]+', 'itabcABC')  # itabc

    # 演示: a{n}        代表: a恰好出现n次, 多一次少一次都不行.
    result = re.match('it[abc]{2}', 'itabcABC')  # itab
    result = re.match('it[abc]{2}', 'itacb')     # itac
    result = re.match('it[abc]{2}', 'ita')       # 未匹配

    # 演示: a{n,}       代表: a至少出现n次, 至多无所谓.
    result = re.match('it[abc]{2,}', 'ita')         # 未匹配
    result = re.match('it[abc]{2,}', 'itacb')       # itacb
    result = re.match('it[abc]{2,}', 'itabcABC')    # itabc

    # 演示: a{n,m}      代表: a至少出现n次, 至多出现m次, 包括n 和 m
    result = re.match('it[abc]{2,3}', 'itabcde')     # itabc
    result = re.match('it[abc]{2,3}', 'ita')         # 未匹配


    # 打印结果.
    print(f'匹配到: {result.group()}' if result else '未匹配!')

5、校验开头和结尾

规则

^       代表: 正则表达式的 开头
$       代表: 正则表达式的 结尾

例如

import re

if __name__ == '__main__':
    # 演示: ^       代表: 正则表达式的 开头
    # 需求: 校验字符串必须以 it 开头.
    result = re.match(r'it\d', 'it123')      # it1
    result = re.match(r'it\d', '1it123')     # 未匹配!

    result = re.search(r'it\d', 'it123')   # it1
    result = re.search(r'it\d', '1it123')  # it1

    # ^代表开头, 即: 如下的代码其实是 全词匹配, 必须从字符串的第1个字符开始校验.
    result = re.search(r'^it\d', '1it123')  # 未匹配!

    # 演示: $       代表: 正则表达式的 结尾
    # 需求: 校验字符串必须以 数字 结尾.
    result = re.match(r'it\d', 'it123a')      # it1
    result = re.match(r'it\d$', 'it123a')     # 未匹配!

    # 扩展: 校验手机号.
    # 规则: 1. 必须以1开头.   2.第2位数字可以是3 ~ 9.  3.必须是纯数字.  4.长度必须是11位.
    result = re.match(r'^1[3-9]\d{9}$', '13112345678a')
    result = re.match(r'^1[3-9]\d{9}$', '13112345678')

    # 打印匹配到的结果.
    print(result.group()  if result else '未匹配!')

6、校验分组

规则

|           代表: 或者的意思.
()          代表: 分组
\num        代表: 获取第num组的内容
(?P<分组名>)   设置分组名
(?P=分组名)    获取指定分组的内容

细节

正则默认属于第0组, 之后就按照 左小括号来数, 是第几个, 就是第几组.

例如

# |   或的意思
import re

if __name__ == '__main__':
    # 需求: 匹配出 163, 126, qq等邮箱.
    # 邮箱规则: 前边是4 ~ 20位的字母, 数字, 下划线 + @标记符 + 域名
    # 1. 定义邮箱字符串.
    email_str = 'zhangsan@163com'
    email_str = 'zhangsan@1634.com'
    email_str = 'zh@qq.com'
    email_str = 'zhangsan@163.com'

    # 2. 定义 校验邮箱的 正则表达式.
    pattern = r'^[a-zA-Z0-9_]{4,20}@(163|126|qq)\.com$'
    # 3. 校验邮箱.
    result = re.match(pattern, email_str)
    # 4. 打印结果.
    if result:
        print(f'匹配到: {result.group()}')     # zhangsan@163.com, 等价于 result.group(0), 即: 获取所有匹配到的数据
        print(f'匹配到: {result.group(0)}')    # zhangsan@163.com, 效果同上.
        print(f'匹配到: {result.group(1)}')    # 163
    else:
        print('未匹配!')


     
    
# ()   分组的意思
import re

if __name__ == '__main__':
    # 需求: 匹配 qq:qq号 这样的数据, 提取出 qq文字 和 qq号码.
    # 1. 定义字符串.
    s1 = "qq:1234567"

    # 2. 匹配数据.
    result = re.match(r'(qq):(\d{6,11})', s1)

    # 3. 打印匹配到的数据.
    if result:
        print(f'匹配到: {result.group()}')     # qq:1234567
        print(f'匹配到: {result.group(0)}')    # qq:1234567
        print(f'匹配到: {result.group(1)}')    # qq
        print(f'匹配到: {result.group(2)}')    # 1234567
    else:
        print('未匹配!')
        
        
        
        
# \num   获取第几组的内容
# (?P<分组名>)   设置分组名
# (?P=分组名)    获取指定分组的内容
import re

if __name__ == '__main__':
    # 需求1: 正则校验 html标签, 简单版.
    # 1. 定义html标签字符串.
    html_str1 = '<html>电子海鸥</html>'

    # 2. 正则校验.
    # 假设: 标签规则: 2到4位字母
    result = re.match('<[a-zA-Z]{2,4}>.*</[a-zA-Z]{2,4}>', html_str1)

    # 上述格式优化版, 加入: 分组思想.
    result = re.match(r'<([a-zA-Z]{2,4})>.*</\1>', html_str1)

    # 3. 打印匹配结果.
    if result:
        print(f'匹配到: {result.group()}')
    else:
        print('未匹配!')

    print('-' * 21)

    # 需求2: 正则校验 html标签, 升级版.
    # 假设: 外部标签规则 2到4位字母,  内部标签规则: h + 1到6的数字
    # 1. 定义html标签字符串.
    html_str2 = '<html><h1>电子海鸥</h1></html>'

    # 2. 正则校验
    result = re.match(r'<[a-zA-Z]{2,4}><h[1-6]>.*</h[1-6]></[a-zA-Z]{2,4}>', html_str2)
    # 加入分组, 优化上述的代码.
    result = re.match(r'<([a-zA-Z]{2,4})><(h[1-6])>.*</\2></\1>', html_str2)

    # 扩展: 给分组设置组名.
    result = re.match(r'<(?P<A>[a-zA-Z]{2,4})><(?P<B>h[1-6])>.*</(?P=B)></(?P=A)>', html_str2)

    # 3. 打印匹配结果.
    if result:
        print(f'匹配到: {result.group()}')
    else:
        print('未匹配!')