Python 内置模块之 re
前言
輸入一個(gè)手機(jī)號(hào)18333333333，你是怎么知道這串?dāng)?shù)字是手機(jī)號(hào)呢，假如現(xiàn)在你用python寫一段代碼，類似：
phone_number = input('please input your phone number：')你怎么判斷這個(gè)phone_number是合法的呢？根據(jù)手機(jī)號(hào)碼一共11位并且是只以13、14、15、18開頭的數(shù)字這些特點(diǎn)，我們用python寫了如下代碼：
while True:phone_number = input('please input your phone number ： ')if len(phone_number) == 11 \and phone_number.isdigit()\and (phone_number.startswith('13') \or phone_number.startswith('14') \or phone_number.startswith('15') \or phone_number.startswith('18')):print('是合法的手機(jī)號(hào)碼')else:print('不是合法的手機(jī)號(hào)碼')現(xiàn)在換一種寫法：
import re phone_number = input('please input your phone number ： ') if re.match('^(13|14|15|18)[0-9]{9}$',phone_number):print('是合法的手機(jī)號(hào)碼') else:print('不是合法的手機(jī)號(hào)碼')上面就是今天我們要學(xué)習(xí)python里的?re模塊和正則表達(dá)式。
正則表達(dá)式不僅在python領(lǐng)域，在整個(gè)編程屆都占有舉足輕重的地位。不管以后你是不是去做python開發(fā)，只要你是一個(gè)程序員就應(yīng)該了解正則表達(dá)式的基本使用。如果未來(lái)你要在爬蟲領(lǐng)域發(fā)展，你就更應(yīng)該好好學(xué)習(xí)這方面的知識(shí)。但是 re模塊本質(zhì)上和正則表達(dá)式?jīng)]有一毛錢的關(guān)系。re模塊和正則表達(dá)式的關(guān)系 類似于 time模塊和時(shí)間的關(guān)系，他只是正則表達(dá)式在python中的實(shí)現(xiàn)。正則表達(dá)式本身也和python沒(méi)有什么關(guān)系，就是匹配字符串內(nèi)容的一種規(guī)則。
官方定義：正則表達(dá)式是對(duì)字符串操作的一種邏輯公式，就是用事先定義好的一些特定字符、及這些特定字符的組合，組成一個(gè)“規(guī)則字符串”，這個(gè)“規(guī)則字符串”用來(lái)表達(dá)對(duì)字符串的一種過(guò)濾邏輯。
正則表達(dá)式
在線測(cè)試工具?http://tool.chinaz.com/regex/
談到正則，就只和字符串相關(guān)了。在提供的工具中，你輸入的每一個(gè)字都是一個(gè)字符串。 其次，如果在一個(gè)位置的一個(gè)值，不會(huì)出現(xiàn)什么變化，那么是不需要規(guī)則的。比如你要用”1″去匹配”1″，或者用”2″去匹配”2″，直接就可以匹配上。這連python的字符串操作都可以輕松做到。 那么在之后我們更多要考慮的是在同一個(gè)位置上可以出現(xiàn)的字符的范圍。
字符組 ： [字符組] 在同一個(gè)位置可能出現(xiàn)的各種字符組成了一個(gè)字符組，在正則表達(dá)式中用[]表示 字符分為很多類，比如數(shù)字、字母、標(biāo)點(diǎn)等等。 假如你現(xiàn)在要求一個(gè)位置"只能出現(xiàn)一個(gè)數(shù)字",那么這個(gè)位置上的字符只能是0、1、2...9這10個(gè)數(shù)之一。
| 正則 | 待匹配字符 | 匹配結(jié)果 | 說(shuō)明 |
| [0123456789] | 8 | True | 在一個(gè)字符組里枚舉合法的所有字符，字符組里的任意一個(gè)字符 和”待匹配字符”相同都視為可以匹配 |
| [0123456789] | a | False | 由于字符組中沒(méi)有”a”字符，所以不能匹配 |
| [0-9] | 7 | True | 也可以用-表示范圍,[0-9]就和[0123456789]是一個(gè)意思 |
| [a-z] | s | True | 同樣的如果要匹配所有的小寫字母，直接用[a-z]就可以表示 |
| [A-Z] | B | True | [A-Z]就表示所有的大寫字母 |
| [0-9a-fA-F] | e | True | 可以匹配數(shù)字，大小寫形式的a～f，用來(lái)驗(yàn)證十六進(jìn)制字符 |
字符：
| ?元字符 | ?匹配內(nèi)容 |
| . | 匹配除換行符以外的任意字符 |
| \w | 匹配字母或數(shù)字或下劃線 |
| \s | 匹配任意的空白符 |
| \d | 匹配數(shù)字 |
| \n | 匹配一個(gè)換行符 |
| \t | 匹配一個(gè)制表符 |
| \b | 匹配一個(gè)單詞的結(jié)尾 |
| ^ | 匹配字符串的開始 |
| $ | 匹配字符串的結(jié)尾 |
| \W | 匹配非字母或數(shù)字或下劃線 |
| \D | 匹配非數(shù)字 |
| \S | 匹配非空白符 |
| a|b | 匹配字符a或字符b |
| () | 匹配括號(hào)內(nèi)的表達(dá)式，也表示一個(gè)組 |
| […] | 匹配字符組中的字符 |
| [^…] | 匹配除了字符組中字符的所有字符 |
量詞：
| 量詞 | 用法說(shuō)明 |
| * | 重復(fù)零次或更多次 |
| + | 重復(fù)一次或更多次 |
| ? | 重復(fù)零次或一次 |
| {n} | 重復(fù)n次 |
| {n,} | 重復(fù)n次或更多次 |
| {n,m} | 重復(fù)n到m次 |
. ^ $
| 正則 | 待匹配字符 | 匹配結(jié)果 | 說(shuō)明 |
| 海. | 海燕海嬌海東 | 海燕海嬌海東 | 匹配所有”海.”的字符 |
| ^海. | 海燕海嬌海東 | 海燕 | 只從開頭匹配”海.” |
| ? 海.$ | ? 海燕海嬌海東 | 海東 | 只匹配結(jié)尾的”海.$” |
* + ? { }
| 正則 | 待匹配字符 | 匹配結(jié)果 | 說(shuō)明 |
| 李.? | 李杰和李蓮英和李二棍子 | 李杰 李蓮 李二 | ?表示重復(fù)零次或一次，即只匹配”李”后面一個(gè)任意字符 |
| 李.* | 李杰和李蓮英和李二棍子 | 李杰和李蓮英和李二棍子 | *表示重復(fù)零次或多次，即匹配”李”后面0或多個(gè)任意字符 |
| 李.+ | 李杰和李蓮英和李二棍子 | 李杰和李蓮英和李二棍子 | +表示重復(fù)一次或多次，即只匹配”李”后面1個(gè)或多個(gè)任意字符 |
| 李.{1,2} | 李杰和李蓮英和李二棍子 | 李杰和 李蓮英 李二棍 | {1,2}匹配1到2次任意字符 |
注意：前面的*,+,?等都是貪婪匹配，也就是盡可能匹配，后面加?號(hào)使其變成惰性匹配
| 正則 | 待匹配字符 | 匹配結(jié)果 | 說(shuō)明 |
| 李.*? | 李杰和李蓮英和李二棍子 | 李 李 李 | 惰性匹配 |
字符集［］［^］
| 正則 | 待匹配字符 | 匹配結(jié)果 | 說(shuō)明 |
| 李[杰蓮英二棍子]* | 李杰和李蓮英和李二棍子 | 李杰 李蓮英 李二棍子 | 表示匹配”李”字后面[杰蓮英二棍子]的字符任意次 |
| 李[^和]* | 李杰和李蓮英和李二棍子 | 李杰 李蓮英 李二棍子 | 表示匹配一個(gè)不是”和”的字符任意次 |
| [\d] | 456bdha3 | 4 5 6 3 | 表示匹配任意一個(gè)數(shù)字，匹配到4個(gè)結(jié)果 |
| [\d]+ | 456bdha3 | 456 3 | 表示匹配任意個(gè)數(shù)字，匹配到2個(gè)結(jié)果 |
分組 ()與 或 ｜［^］
身份證號(hào)碼是一個(gè)長(zhǎng)度為15或18個(gè)字符的字符串，如果是15位則全部由數(shù)字組成，首位不能為0；如果是18位，則前17位全部是數(shù)字，末位可能是數(shù)字或x，下面我們嘗試用正則來(lái)表示：
| 正則 | 待匹配字符 | 匹配 結(jié)果 | 說(shuō)明 |
| ^[1-9]\d{13,16}[0-9x]$ | 110101198001017032 | 110101198001017032 | 表示可以匹配一個(gè)正確的身份證號(hào) |
| ^[1-9]\d{13,16}[0-9x]$ | 1101011980010170 | 1101011980010170 | 表示也可以匹配這串?dāng)?shù)字，但這并不是一個(gè)正確的身份證號(hào)碼，它是一個(gè)16位的數(shù)字 |
| ^[1-9]\d{14}(\d{2}[0-9x])?$ | 1101011980010170 | False | 現(xiàn)在不會(huì)匹配錯(cuò)誤的身份證號(hào)了 ()表示分組，將\d{2}[0-9x]分成一組，就可以整體約束他們出現(xiàn)的次數(shù)為0-1次 |
| ^([1-9]\d{16}[0-9x]|[1-9]\d{14})$ | 110105199812067023 | 110105199812067023 | 表示先匹配[1-9]\d{16}[0-9x]如果沒(méi)有匹配上就匹配[1-9]\d{14} |
轉(zhuǎn)義符 \
在正則表達(dá)式中，有很多有特殊意義的是元字符，比如\n和\s等，如果要在正則中匹配正常的”\n”而不是”換行符”就需要對(duì)”\”進(jìn)行轉(zhuǎn)義，變成’\\’。
在python中，無(wú)論是正則表達(dá)式，還是待匹配的內(nèi)容，都是以字符串的形式出現(xiàn)的，在字符串中\(zhòng)也有特殊的含義，本身還需要轉(zhuǎn)義。所以如果匹配一次”\n”,字符串中要寫成’\\n’，那么正則里就要寫成”\\\\n”,這樣就太麻煩了。這個(gè)時(shí)候我們就用到了r’\n’這個(gè)概念，此時(shí)的正則是r’\\n’就可以了。
| 正則 | 待匹配字符 | 匹配結(jié)果 | 說(shuō)明 |
| \n | \n | ?False | 因?yàn)樵谡齽t表達(dá)式中\(zhòng)是有特殊意義的字符，所以要匹配\n本身，用表達(dá)式\n無(wú)法匹配 |
| \\n | \n | ?True | 轉(zhuǎn)義\之后變成\\，即可匹配 |
| “\\\\n” | ‘\\n’ | ?True | 如果在python中，字符串中的’\’也需要轉(zhuǎn)義，所以每一個(gè)字符串’\’又需要轉(zhuǎn)義一次 |
| r’\\n’ | r’\n’ | ?True | 在字符串之前加r，讓整個(gè)字符串不轉(zhuǎn)義 |
貪婪匹配
在滿足匹配時(shí)，匹配盡可能長(zhǎng)的字符串，默認(rèn)情況下，采用貪婪匹配
| 正則 | 待匹配字符 | 匹配結(jié)果 | 說(shuō)明 |
| <.*> | <script>…<script> | <script>…<script> | 默認(rèn)為貪婪匹配模式，會(huì)匹配盡量長(zhǎng)的字符串 |
| <.*?> | r’\d’ | ?<script> <script> | 加上？為將貪婪匹配模式轉(zhuǎn)為非貪婪匹配模式，會(huì)匹配盡量短的字符串 |
幾個(gè)常用的非貪婪匹配Pattern
*? 重復(fù)任意次，但盡可能少重復(fù) +? 重復(fù)1次或更多次，但盡可能少重復(fù) ?? 重復(fù)0次或1次，但盡可能少重復(fù) {n,m}? 重復(fù)n到m次，但盡可能少重復(fù) {n,}? 重復(fù)n次以上，但盡可能少重復(fù).*?的用法
. 是任意字符 * 是取 0 至 無(wú)限長(zhǎng)度 ? 是非貪婪模式。 合在一起就是 取盡量少的任意字符，一般不會(huì)這么單獨(dú)寫，他大多用在： .*?x 就是取前面任意長(zhǎng)度的字符，直到一個(gè)x出現(xiàn)re模塊下的常用方法
# re是regular expression的縮寫，表示正則表達(dá)式 import re# findall()返回所有滿足匹配條件的結(jié)果,放在列表里 ret = re.findall('a', 'eva egon yuan') print(ret) #結(jié)果 : ['a', 'a']# search()函數(shù)會(huì)在字符串內(nèi)查找模式匹配,只到找到第一個(gè)匹配然后返回一個(gè)包含匹配信息的對(duì)象,該對(duì)象可以,通過(guò)調(diào)用group()方法得到匹配的字符串,如果字符串沒(méi)有匹配，則返回None ret = re.search('a', 'eva egon yuan').group() print(ret) #結(jié)果 'a'# match()同search,不過(guò)在字符串開始處就開始進(jìn)行匹配 ret = re.match('a', 'abc').group() print(ret) # 結(jié)果 'a'，如果是b，則匹配不到，返回None# split()先按'a'分割得到''和'bcd',在對(duì)''和'bcd'分別按'b'分割,不是很常用 ret = re.split('[ab]', 'abcd') print(ret) #結(jié)果 ['', '', 'cd']# re.sub() 正則替換，sub是substitude的縮寫，表示替換，re.sub是正則表達(dá)式的函數(shù)，實(shí)現(xiàn)比普通字符串更強(qiáng)大的替換功能，語(yǔ)法如下sub(pattern,repl,string,count=0,flag=0)1))pattern正則表達(dá)式的字符串 ，eg中r'\w+'，(r'',標(biāo)識(shí)不轉(zhuǎn)義)2))repl被替換的內(nèi)容，就是替換成的內(nèi)容，eg中'10'3))string就是被替換的字符串，eg中"xy 15 rt 3e,gep"4))count:由于正則表達(dá)式匹配的結(jié)果是多個(gè)，使用count來(lái)限定替換的個(gè)數(shù)從左向右，默認(rèn)值是0，替換所有的匹配到的結(jié)果eg中25))flags是匹配模式，可以使用按位或者“|”表示同時(shí)生效，也可以在正則表達(dá)式字符串中flags=re.Ire.I(IGNORECASE)忽略大小寫，括號(hào)內(nèi)是完整的寫法re.M(MULTILINE)多行模式，改變^和$的行為re.S(DOTALL)點(diǎn)可以匹配任意字符，包括換行符re.L(LOCALE)做本地化識(shí)別的匹配，表示特殊字符集 \w, \W, \b, \B, \s, \S 依賴于當(dāng)前環(huán)境，不推薦使用re.U(UNICODE) 使用\w \W \s \S \d \D使用取決于unicode定義的字符屬性。在python3中默認(rèn)使用該flagre.X(VERBOSE)冗長(zhǎng)模式，該模式下pattern字符串可以是多行的，忽略空白字符，并可以添加注釋re.sub(r'\w+','10',"xy 15 rt 3e,gep",2,flags=re.I ) # 結(jié)果 '10 10 re 3e,gep'， # 其中r'\w+'為正則表達(dá)式，匹配多個(gè)英文單詞或者數(shù)字，'10'為被替換的內(nèi)容，“xy 15 rt 3e,gep”是re匹配的字符串內(nèi)容，count只替換前2個(gè)，flag表示忽略大小寫# subn()正則替換，返回元組(替換的結(jié)果,替換了多少次) ret = re.subn('\d', 'H', 'eva3egon4yuan4') print(ret) # compile()將正則表達(dá)式編譯成為一個(gè) 正則表達(dá)式對(duì)象 obj = re.compile('\d{3}') # 規(guī)則要匹配的是3個(gè)數(shù)字 # 正則表達(dá)式對(duì)象調(diào)用search,參數(shù)為待匹配的字符串 ret = obj.search('abc123eeee') print(ret.group()) #結(jié)果 123 # finditer返回一個(gè)存放匹配結(jié)果的迭代器 import re ret = re.finditer('\d', 'ds3sy4784a') print(ret) # <callable_iterator object at 0x10195f940> print(next(ret).group()) # 查看第一個(gè)結(jié)果 print(next(ret).group()) # 查看第二個(gè)結(jié)果 print([i.group() for i in ret]) # 查看剩余的左右結(jié)果注意：
1 findall的優(yōu)先級(jí)查詢：
import reret = re.findall('www.(baidu|oldboy).com', 'www.oldboy.com') print(ret) # ['oldboy'] 這是因?yàn)閒indall會(huì)優(yōu)先把匹配結(jié)果組里內(nèi)容返回,如果想要匹配結(jié)果,取消權(quán)限即可,用 ?:ret = re.findall('www.(?:baidu|oldboy).com', 'www.oldboy.com') print(ret) # ['www.oldboy.com']2 split的優(yōu)先級(jí)查詢
ret=re.split("\d+","eva3egon4yuan") print(ret) # ['eva', 'egon', 'yuan']ret=re.split("(\d+)","eva3egon4yuan") print(ret) # ['eva', '3', 'egon', '4', 'yuan']# 在匹配部分加上（）之后所切出的結(jié)果是不同的， # 沒(méi)有（）的沒(méi)有保留所匹配的項(xiàng)，但是有（）的卻能夠保留了匹配的項(xiàng)， # 這個(gè)在某些需要保留匹配部分的使用過(guò)程是非常重要的。# 添加表現(xiàn)和匹配標(biāo)簽 # 可以在分組中利用?P<name>的形式給分組起名字，獲取的匹配結(jié)果可以直接用group('名字')拿到對(duì)應(yīng)的值 ret = re.search("<(?P<tag_name>\w+)>\w+</(?P=tag_name)>","<h1>hello</h1>") print(ret.group('tag_name')) # 結(jié)果 h1 print(ret.group()) # 結(jié)果 <h1>hello</h1># 如果不給組起名字，也可以用\序號(hào)來(lái)找到對(duì)應(yīng)的組，表示要找的內(nèi)容和前面的組內(nèi)容一致，獲取的匹配結(jié)果可以直接用group(序號(hào))拿到對(duì)應(yīng)的值 ret = re.search(r"<(\w+)>\w+</\1>","<h1>hello</h1>") print(ret.group(1)) print(ret.group()) # 結(jié)果 <h1>hello</h1>?
總結(jié)
以上是生活随笔為你收集整理的Python 内置模块之 re的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。
- 上一篇： java web 密码加密_JavaWe
- 下一篇： python爬取toefl_spark学