首页 > 编程语言 >Python正则表达式

Python正则表达式

时间:2024-07-19 22:57:11浏览次数:16  
标签:匹配 re Python print 正则表达式 字符串 match

文章目录


字符串是编程时涉及到的最多的一种数据结构,对字符串进行操作的需求几乎无处不在。比如判断一个字符串是否是合法的Email地址,虽然可以编程提取@前后的子串,再分别判断是否是单词和域名,但这样做不但麻烦,而且代码难以复用。

正则表达式是一种用来匹配字符串的强有力的武器。它的设计思想是用一种描述性的语言来给字符串定义一个规则,凡是符合规则的字符串,就认为它“匹配”了,否则,该字符串就是不合法的。

所以判断一个字符串是否是合法的Email的方法是:

  • 创建一个匹配Email的正则表达式
  • 用该正则表达式去匹配用户的输入来判断是否合法

Python自1.5版本起增加了re模块,它提供Perl 风格的正则表达式模式

re模块使Python语言拥有全部的正则表达式功能

了解元字符

因为正则表达式也是用字符串表示的,所以首先了解如何用字符来描述字符

# 精确匹配
 strs = "a,b;c@d"
 print(re.split(r'[,;@]', strs))
# 输出:['a', 'b', 'c', 'd']

如果直接给出字符,就是精确匹配,但有一些字符加上转义符后就具有特殊含义

  • \d可以匹配一个数字
    • 例如:‘00\d’可以匹配’007’,但无法匹配’00A’
    • ‘\d\d\d’可以匹配’010’
  • \w可以匹配一个字母或数字
    • 例如:‘\w\w\d’可以匹配’py3’,也可以匹配’p13’
  • ’ . '可以匹配任意字符
    • 例如:'py.‘可以匹配’pyc’、‘pyo’、'py!'等等
  • \s可以匹配任何空白字符,包括空格、制表符、换页符等等

这些特殊字符在正则表达式中称为元字符

常用的元字符

Python中常见的元字符有:

元字符功能
.匹配除换行符以外的任意单个字符.要匹配包括’\n’在内的任何字符,请使用象’[.\n]'的模式
\d匹配一个数字字符。等价于[0-9]
\D匹配一个非数字字符。等价于[^0-9]
\s匹配任何空白字符,包括空格、制表符、换页符等等。等价于[\f\n\r\t\v]
\S匹配任何非空白字符。等价于[^\f\n\r\t\v]
\w匹配包括下划线的任何单词字符。等价于[A-Za-z0-9_]
\W匹配任何非单词字符。等价于[^A-Za-z0-9_]

要匹配变长的字符,在正则表达式中,用*表示任意个字符(包括0个),用+表示至少一个字符,用?表示0个或1个字符,用{n}表示n个字符,用{n,m}表示n~m个字符

  • 来看一个复杂的例子:\d{3}\s+\d{3,8}
    • \d{3}表示匹配3个数字,例如’010’
    • \s可以匹配一个空格(也包括Tab等空白符),所以\s+表示至少有一个空格,例如匹配 ‘空格’,‘空格空格’,'空格空格空格’等;
    • \d{3,8}表示3-8个数字,例如’1234567’,‘123’,‘12345’
    • 综上,该正则表达式可以匹配以任意个空格隔开的带三位区号的电话号码
phone_numm = "055 12345678"
print(re.match(r"\d{3}\s\d{3,8}", phone_numm))
# 输出: <re.Match object; span=(0, 12), match='055 12345678'>
  • 如果要匹配’010-12345’这样的号码呢?
    • 由于’-‘是特殊字符,要用’'转义,所以可用\d{3}-\d{3,8}进行匹配

正则表达式进阶

要做更精确地匹配,则还需编写更复杂的正则表达式

  • 在正则中-表示从什么到什么,[]表示范围,例如:
    • [0-9a-zA-Z_]可以匹配一个数字、字母或者下划线
    • [0-9a-zA-Z_]+可以匹配至少由一个数字、字母或者下划线组成的字符串
      • 比如’a100’,‘0_Z’,'Py3000’等等
    • [a-zA-Z_][0-9a-zA-Z_]*可以匹配由字母或下划线开头,后接任意个由一个数字、字母或者下划线组成的字符串,也就是Python合法的命名规则
    • [a-zA-Z_][0-9a-zA-Z_]{0, 19}更精确地限制了长度是1-20个字符(前面1个字符,后面最多19个字符)
  • A|B可以匹配A或B,所以(P|p)ython可以匹配’Python’或者’python’
  • ^ 表示行的开头,^\d表示必须以数字开头
  • KaTeX parse error: Undefined control sequence: \d at position 8: 表示行的结束,\̲d̲表示必须以数字结束

re模块

Python提供re模块,包含所有正则表达式的功能。由于Python的字符串本身也用\转义,所以要特别注意:

  • s = ‘ABC\-001’ ,s类型为str,即Python最基本的字符串
  • 由于’‘会对’'进行转义,故对应的正则表达式字符串变成:‘ABC-001’

Python中为字符串提供了一种特殊的语法标记:r’abcdefg\hijklmn’
如果使用r标记字符串,那么就不再需要考虑转义的问题了:

  • s = r’ABC-001’
  • 对应的正则表达式字符串不变:‘ABC-001’

推荐在Python中进行正则表达式匹配时,使用r前缀标记字符串

match方法

re模块提供了一个match方法,可以判断正则表达式是否匹配

match()方法判断是否匹配,如果匹配成功,返回一个Match对象,否则返回None

  • import re 使用前需要先导入re模块
  • re.match(r’^\d{3}-\d{3,8}$', ‘010-12345’)
    • 调用match方法,左边需要传入一个正则表达式,右边为待匹配的字符串
    • 如果能匹配上则返回:<_sre.SRE_Match object; span=(0, 9), match=‘010-12345’>
  • re.match(r’^\d{3}-\d{3,8}$', ‘010 12345’) 无法匹配则返回空,即None
    match方法通常会结合if选择结构进行判断:
test = '用户输入的字符串’
if re.match(r'正则表达式', test):
    print('ok')
else:
    print('failed')

切分字符串

Python中的字符串自带split方法可以指定分隔符进行字符串的切分
同样re模块也提供了split方法,可以按照指定的正则表达式进行字符串的切分

  • str自带的split方法无法识别连续的空格

使用re模块中的split方法无论多少个空格都可以正常分割

strs = "a b    c"
print(re.split(r'\s+', strs))
# 输出:['a', 'b', 'c']

试一试,假设有一个字符串:‘a,b;; c d’,请尝试给出对应的正则表达式,能够将 a b c d都切分出来

text = 'a,b;; c  d'
# 使用正则表达式分割字符串,忽略空白字符和多个连续的分隔符
parts = re.split(r'\s*[,;]*\s*', text)
# 但出于某种原因需要确保没有空字符串,可以添加一个简单的列表推导式
parts = [part for part in parts if part]
print(parts)
# 输出:['a', 'b', 'c', 'd']

分组

除了简单地判断是否匹配之外,正则表达式还有提取子串的强大功能。用()表示的就是要提取的分组(Group),比如:

  • ^(\d{3})-(\d{3,8})$ 分别定义了两个组,可以直接从字符串中提取出区号和本地号码
phone_numm = "055-12345678"
print(re.match(r"(\d{3})-(\d{3,8})", phone_numm).group())  # 输出:055-12345678
print(re.match(r"(\d{3})-(\d{3,8})", phone_numm).group(1)) # 输出:055
print(re.match(r"(\d{3})-(\d{3,8})", phone_numm).group(2)) # 输出:12345678

如果正则表达式中定义了组,就可以在Match对象上用group()方法提取出子串来

注意:group(0)永远是与整个正则表达式相匹配的字符串,group(1)、group(2)…表示第1、2、……个子串

再来看个例子,假设有一个时间字符串:t = ‘19:05:30’

需要提取该时间字符串中的小时、分钟、秒,正则表达式该如何编写?

 t = "19:05:30"
# 匹配出时间
# 分组使用的是在正则内部使用 括号 第几个括号就是第几个组别
print(re.match(r"([0-1]\d|2[0-3]):([0-5]\d):([0-5]\d)", t).groups())  # ('19', '05', '30')
print(re.match(r"([0-1]\d|2[0-3]):([0-5]\d):([0-5]\d)", t).group(1))  # 19
print(re.match(r"([0-1]\d|2[0-3]):([0-5]\d):([0-5]\d)", t).group(2))  # 05
print(re.match(r"([0-1]\d|2[0-3]):([0-5]\d):([0-5]\d)", t).group(3))  # 30

上述正则表达式可以直接识别合法的时间。但是有些时候,用正则表达式也无法做到完全验证,比如识别日期:

  • ‘^(0[1-9]|1[0-2]|[0-9])-(0[1-9]|1[0-9]|2[0-9]|3[0-1]|[0-9])$’
  • 对于’2-30’,'4-31’这样的非法日期,该正则无法识别,或者说写出来非常困难,这时就需要程序配合识别了

贪婪匹配

正则匹配默认是贪婪匹配,也就是匹配尽可能多的字符
例如,匹配出数字后面的0:

  • re.match(r’^(\d+)(0*)$', ‘102300’).groups()
  • 最终结果:(‘102300’, ‘’)
print(re.match(r'^(\d+)(0*)$', '102300').groups())
# 输出:('102300', '')

由于\d+采用贪婪匹配,直接把后面的0全部匹配了,结果0*只能匹配空字符串

必须让\d+采用非贪婪匹配(也就是尽可能少匹配),才能把后面的0匹配出来,加个?就可以让\d+采用非贪婪匹配:

  • re.match(r’^(\d+?)(0*)$', ‘102300’).groups()
  • 最终结果:(‘1023’, ‘00’)
re.match(r'^(\d+?)(0*)$', '102300').groups()
# 输出:('1023', '00')

预编译

当在Python中使用正则表达式时,re模块内部会干两件事情:

  • 编译正则表达式,如果正则表达式的字符串本身不合法,会报错
  • 用编译后的正则表达式去匹配字符串

如果一个正则表达式要重复使用几千次,出于效率的考虑,可以使用compile方法预编译该正则表达式,接下来重复使用时就不需要编译这个步骤了,直接匹配:

import re  # 导入模块
re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$')  # 预编译
print(re_telephone.match('010-12345').groups())  # 进行匹配并返回所有组  ('010', '12345')
print(re_telephone.match('010-8086').groups())   # 进行匹配并返回所有组  ('010', '8086')

标签:匹配,re,Python,print,正则表达式,字符串,match
From: https://blog.csdn.net/weixin_73504499/article/details/140531057

相关文章

  • Python进阶(4)--正则表达式
    正则表达式在Python中,正则表达式(RegularExpression,简称Regex)是一种强大的文本处理工具,它允许你使用一种特殊的语法来匹配、查找、替换字符串中的文本。在这之前,还记得之前我们是通过什么方法分割字符串的嘛?strs="a,b;c@d"print(strs.split(",")) #以“,”为分割点分割......
  • 0基础学python-18:掌管匹配机制的模块——re
    目录前言使用正则表达式的背景: 元字符 匹配的范围 正则表达式1.importre2.re.match(r"匹配的规则",所要匹配的字符串) 3.匹配一个变量名 4.转义字符的匹配5.分组匹配6.贪婪匹配7.预编译前言        正则表达式(RegularExpression,简称regex或......
  • 攻防世界Web_python_template_injection(新手模式)
    二、Web_python_template_injection1.基本知识点模版引擎模版引擎可以让(网站)程序实现界面与数据分离,业务代码与逻辑代码的分离,这大大提升了开发效率,良好的设计也使得代码重用变得更加容易,但是模板引擎也拓宽了我们的攻击面,注入到模板中的代码可能会引发RCE或者XSS。在Jinja2......
  • 零基础入门:创建一个简单的Python爬虫管理系统
    摘要:本文将手把手教你,从零开始构建一个简易的Python爬虫管理系统,无需编程基础,轻松掌握数据抓取技巧。通过实战演练,你将学会设置项目、编写基本爬虫代码、管理爬取任务与数据,为个人研究或企业需求奠定坚实基础。一、前言:数据之海,从何舀水?在这个信息爆炸的时代,数据如同海洋,而......
  • 又来了哦,Python函数 | |
    1.变量的作用域(global与nonlocal)Python中的变量作用域可以通过global和nonlocal关键字来管理。‌全局变量:‌在Python中,‌使用global关键字可以在函数内部访问和修改全局变量。‌当需要在函数内部对全局变量进行操作时,‌应使用global关键字声明该变量,‌这样函数内部的操作就......
  • python_day7
    数据类型​ 之前数字/字符串类型 之后字典\布尔类型列表类型使用列表的几个函数先建一个列表如name_list=['linda','david','louis','kevin','linda]取值时,直接print(name_list[0])或者选取其他的数字替换0,也可以倒数取-1,-2...,还能[0:2],[-3:]这样进行选取几个......
  • 基于Python+Django的智能水果销售系统设计与实现(源码+数据库+讲解)
    文章目录前言详细视频演示项目运行截图技术框架后端采用Django框架前端框架Vue可行性分析系统测试系统测试的目的系统功能测试数据库表设计代码参考数据库脚本为什么选择我?获取源码前言......
  • Python写表情包搜索工具(非常详细)零基础入门到精通,收藏这一篇就够了
    首先,我们导入了一些必要的库。requests库用于发送HTTP请求,json库用于处理JSON数据,tkinter库用于创建GUI界面,PIL库用于处理图像,io库用于在内存中读写数据。然后,我们定义了一个常量ITEMS_PER_PAGE,表示每页显示的图片和链接数量。接下来,我们定义了一个名为search_emoji的函数......
  • python实现快速幂
    若需要计算a^b,如果使用循环来计算显然效率是很低的以下有三种方法实现快速幂方法一,python自带函数pow(a,b,mod),其中a为底数,b为指数,mod是对该数取模,mod参数有时候可以不传a=pow(5,9)方法二,利用递归实现快速幂,该方法需要注意分类讨论,考虑到指数为0,指数为1以及指数是奇数的情......
  • Python中turtle库效果展示
        前言    Python因其众多的第三方库而闻名,其中,用于绘制图形的turtle库由于其简单易用和方便性得到了广泛的青睐。笔者对此有些许兴趣,欲在后来的文章中对此展开学习,便先发布一篇预热文章,展现Python中使用turtle所能达到的效果如何。    内容概要......