标签:匹配 lst re 正则 print strvar findall
正则表达式
它是约束字符串匹配某种形式的规则
正则表达式有什么用?
1.检测某个字符串是否符合规则.比如:判断手机号,身份证号是否合法
2.提取网页字符串中想要的数据.比如:爬虫中,提取网站天气,信息,股票代码,星座运势等具体关键字
import re
"""lst = re.findall(正则表达式,字符串)"""
正则表达式的种类
正则表达式由一些 [普通字符] 和一些 [元字符] 组成:
(1)普通字符包括大小写字母和数字
(2)元字符具有特殊含义,大体种类分为如下:
1.预定义字符集,字符组
2.量词
3.边界符
4.分组
预定义字符集
预定义字符集 |
匹配内容 |
. |
匹配任意字符,除了换行符\n |
\d |
匹配数字 |
\D |
匹配非数字 |
\w |
匹配字母或数字或下划线 (正则函数中,支持中文的匹配) |
\W |
匹配非字母或数字或下划线 |
\s |
匹配任意的空白符 |
\S |
匹配任意非空白符 |
\n |
匹配一个换行符 |
\t |
匹配一个制表符 |
[] |
匹配中括号内列举的字符 |
# 匹配数字
strvar = "sdjfklj234&*(&1"
lst = re.findall("\d",strvar)
print(lst) #out ['2', '3', '4', '1']
# 匹配非数字
strvar = "YWERsdf78_&"
lst = re.findall("\D",strvar)
print(lst) #out ['Y', 'W', 'E', 'R', 's', 'd', 'f', '_', '&']
# \w 匹配字母或数字或下划线 (正则函数中,支持中文的匹配)
strvar = "sadf234_^&*%$^$%你好"
lst = re.findall("\w",strvar)
print(lst) #out ['s', 'a', 'd', 'f', '2', '3', '4', '_', '你', '好']
# \W 匹配非字母或数字或下划线
strvar = "sadf234_^&*%$^$%你好"
lst = re.findall("\W",strvar)
print(lst) #out ['^', '&', '*', '%', '$', '^', '$', '%']
# \s 匹配任意的空白符 ( " " \t \n \r )
strvar = " \r "
lst = re.findall("\s",strvar)
print(lst) #[' ', '\t', '\t', ' ', '\r', ' ']
# \S 匹配任意非空白符
strvar = " \r 123_*("
lst = re.findall("\S",strvar)
print(lst) # out ['1', '2', '3', '_', '*', '(']
# \n 匹配一个换行符
strvar = """
今天国庆假期结束了,兄弟们满载 而归,玩的 很困,尽 快调 整.
"""
lst = re.findall(r"\n",strvar)
print(lst) # ['\n', '\n']
strvar = """
今天国庆假期结束了,兄弟们满载 而归,玩的 很困,尽 快调 整.
"""
# \t 匹配一个制表符
lst = re.findall(r"\t",strvar)
print(lst) # out 4 \t
字符组格式 |
说明 [默认必须从字符组中选一个] |
[...] |
匹配字符组中的字符 |
[^...] |
匹配除了字符组内所有内容,之外的所有字符 |
字符组内容 |
待匹配字符 |
匹配结果 |
说明 |
[0123456789] |
8 |
True |
字符组里枚举的各种字符,必须满足一个,否则返回假,不匹配 |
[abcdefg] |
9 |
False |
由于字符组中没有"9"字符,所以不匹配 |
[0-9] |
7 |
True |
可用 - 表示范围,[0-9] 和 [0123456789]是一个意思 |
[a-z] |
s |
True |
[a-z]匹配所有的小写字母 |
[A-Z] |
B |
True |
[A-Z]就表示所有的大写字母 |
[0-9a-fA-F] |
e |
True |
可以匹配数字,大小写形式的a-f. 该正则可验证十六进制 |
print(re.findall('a[abc]b','aab abb acb adb')) # aab abb acb
print(re.findall('a[0123456789]b','a1b a2b a3b acb ayb')) # a1b a2b a3b
# 优化写法 0123456789 => 0-9
print(re.findall('a[0-9]b','a1b a2b a3b acb ayb')) # a1b a2b a3b
print(re.findall('a[abcdefg]b','a1b a2b a3b acb ayb adb')) # acb adb
# 优化写法 abcdefg => a-g 表达所有的小写字母 a-z
print(re.findall('a[a-g]b','a1b a2b a3b acb ayb adb')) # acb adb
print(re.findall('a[ABCDEFG]b','a1b a2b a3b aAb aDb aYb')) # aAb aDb
# 优化写法 ABCDEFG => A-G 表达所有的大写字母 A-Z
print(re.findall('a[A-G]b','a1b a2b a3b aAb aDb aYb')) # aAb aDb
print(re.findall('a[A-Z]b','a1b a2b a3b aAb aDb aYb')) # aAb aDb aYb
# 注意点: 不能直接写A-z 中间ascii编码中包含了特殊的符号
print(re.findall('a[A-z]b','a1b a2b a3b acb ayb adb a[b'))
# 匹配所有的字母和数字
print(re.findall('a[a-zA-Z0-9]b','a1b a2b a3b acb ayb adb a[b'))
# out ['a1b', 'a2b', 'a3b', 'acb', 'ayb', 'adb']
print(re.findall('a[0-9a-zA-Z]b','a-b aab aAb aWb aqba1b')) #aab aAb aWb aqb a1b
print(re.findall('a[0-9][*#/]b','a1/b a2b a29b a56b a456b')) # a1/b
# ^ 在字符组开头的位置出现代表 除了...的意思
print(re.findall('a[^-+*/]b',"a%b ccaa*bda&bd")) #a%b a&b
# 匹配^-\等特殊字符时 ,需要前面加上\进行转义
strvar = "a^c a-c a\c"
lst = re.findall(r"a[\^\-\\]c",strvar)
print(lst) # ['a^c', 'a-c', 'a\\c'] 非隐式转义
print(lst[-1]) # a\c 转义了
# 注意点:为了防止转义,在正则表达式中或者要匹配的字符串中,无脑加r实现匹配
strvar = r"a\b"
lst = re.findall(r"a\\b",strvar)
print(lst[0])
量词
量词 |
用法说明 |
? |
重复0次或1次 |
+ |
重复1次或多次 (至少1次) |
* |
重复0次或多次 (任意次) |
|
重复n次 |
|
重复n次或更多次 (至少n次) |
|
重复n到m次 |
.* .+ |
贪婪模式匹配 最深度原则 |
.*? .+? |
非贪婪模式匹配 |
import re
'''1) ? 匹配0个或者1个a '''
print(re.findall('a?b','abbzab abb aab')) # ab b ab ab b ab
'''2) + 匹配1个或者多个a '''
print(re.findall('a+b','b ab aaaaaab abb')) # ab aaaaaab ab
'''3) * 匹配0个或者多个a '''
print(re.findall('a*b','b ab aaaaaab abbbbbbb')) # b ab aaaaaab ab b b b b b b
'''4) {m,n} 匹配m个至n个a '''
# 1 <= a <= 3
print(re.findall('a{1,3}b','aaab ab aab abbb aaz aabb')) #aaab ab aab ab aab
# {2} 代表必须匹配2个a
print(re.findall('a{2}b','aaab ab aab abbb aaz aabb')) # aab aab aab
# {2,} 代表至少匹配2个a
print(re.findall('a{2,}b','aaab ab aab abbb aaz aabb')) # aaab aab aab
贪婪算法和非贪婪算法
"""
匹配符+量词
"""
strvar = "刘能和刘老根和刘罗锅111子222子"
"""
.只匹配一个字符
"""
lst = re.findall("刘.",strvar)
print(lst) # lst = re.findall("刘.?",strvar)
lst = re.findall("刘.?",strvar)
print(lst) # lst = re.findall("刘.?",strvar)
# out ['刘能', '刘老', '刘罗']
strvar = "刘能和刘老根和刘罗锅111子222子"
lst = re.findall("刘.+",strvar)
print(lst) # ['刘能和刘老根和刘罗锅111子222子']
lst = re.findall("刘.*",strvar)
print(lst) # ['刘能和刘老根和刘罗锅111子222子']
lst = re.findall("刘.{1,20}",strvar)
print(lst) # ['刘能和刘老根和刘罗锅111子222子']
lst = re.findall("刘.*子",strvar)
print(lst)
# out ['刘能和刘老根和刘罗锅111子222子'] 优先匹配量词最多
# 非贪婪匹配(模式)
lst = re.findall("刘.??",strvar)
print(lst) # ['刘', '刘', '刘']
lst = re.findall("刘.+?",strvar)
print(lst) # 刘能 刘老 刘罗
lst = re.findall("刘.*?",strvar)
print(lst) # ['刘', '刘', '刘']
lst = re.findall("刘.{1,20}?",strvar)
print(lst) # ['刘能', '刘老', '刘罗']
lst = re.findall("刘.*?子",strvar)
print(lst) # 刘能和刘老根和刘罗锅111子 非贪婪匹配
边界符
边界符 |
说明 |
\b |
匹配一个字符的边界 |
^ |
匹配字符串的开始 |
$ |
匹配字符串的结尾 |
"word"
"""
卡主左边界:\bw
卡主右边界:d\b
"""
strvar = "word old fuck"
# 右边界
lst = re.findall(r"d\b",strvar) # ['d', 'd']
lst = re.findall(r".*d\b",strvar) # ['word old']
lst = re.findall(r".*?d\b",strvar) # ['word' 'old']
print(lst)
# 左边界
lst = re.findall(r"\bw",strvar)
print(lst) # ['w']
lst = re.findall(r"\bw.*",strvar)
print(lst) # ['word old fuck']
lst = re.findall(r"\bw.*?",strvar)
print(lst) # ['w']
lst = re.findall(r"\bw.*? ",strvar)
print(lst) # ['word ']
# 空格在正则表达式中,不能随意加,是参与匹配的.
lst = re.findall(r"\bw\S*",strvar)
print(lst) # ['word'] # 贪婪匹配
# (4) ^ $的使用
"""
^ 写在在字符串的开头,表达必须以某个字符开头
$ 写在在字符串的结尾,表达必须以某个字符结尾
当使用了^ $ 代表要把该字符串看成一个整体
"""
strvar = "大哥大嫂大爷"
print(re.findall('大.',strvar)) # ['大哥', '大嫂', '大爷']
print(re.findall('^大.',strvar)) # ['大哥']
print(re.findall('大.$',strvar)) # ['大爷']
print(re.findall('^大.$',strvar))# []
print(re.findall('^大.*?$',strvar)) # ['大哥大嫂大爷']
print(re.findall('^大.*?大$',strvar)) # []
print(re.findall('^大.*?爷$',strvar)) # ['大哥大嫂大爷']
print(re.findall('^g.*? ' , 'giveme 1gfive gay')) # giveme
print(re.findall('five$' , 'aassfive')) # [five]
print(re.findall('^giveme$' , 'giveme')) # ['giveme']
print(re.findall('^giveme$' , 'giveme giveme')) # []
print(re.findall('giveme' , 'giveme giveme')) # ['giveme', 'giveme']
print(re.findall("^g.*e",'giveme 1gfive gay')) # ['giveme 1gfive']
分组字符
分组 |
用法说明 |
a|b |
匹配字符a 或 字符b (如果两个当中有重合部分,把更长的那个放前面) |
(ab) |
匹配括号内的表达式 ,将()作为一个分组 |
\num |
引用分组num匹配到的字符串 |
(?P) |
给分组命名 |
(?P=name) |
引用别名: 把name分组所匹配到的内容引用到这里 |
import re
# (1)分组
print(re.findall('.*?_good','wusir_good alex_good secret男_good'))
# ['wusir_good', ' alex_good', ' secret男_good']
print(re.findall('(.*?)_good','wusir_good alex_good secret男_good'))
# ['wusir', ' alex', ' secret男']
# (?:) 代表不优先显示分组里面的内容,只是显示正常匹配到的内容
print(re.findall('(?:.*?)_good','wusir_good alex_good secret男_good'))
# (2) | 代表或 , a|b 匹配字符a 或者 匹配字符b .
import re
strvar = "abceab"
lst = re.findall("a|b",strvar)
print(lst) #['a', 'b', 'a', 'b']
# 注意点:把不容易匹配到的内容放到前面,把容易匹配到的内容放到后面
strvar = "abcdeabc234f"
lst = re.findall("abcd|abc",strvar)
print(lst) #['abcd', 'abc']
# 匹配小数
strvar = "3.... ....4 .3 ...3 1.3 9.89 10"
lst = re.findall(r"\d+\.\d+",strvar)
print(lst)
# 匹配小数和整数
lst = re.findall(r"\d+\.\d+|\d+",strvar)
print(lst)
# 使用分组改造
'''findall优先显示括号里的内容,需要加上?:取消哦优先显示,按照匹配到的内容显示'''
lst = re.findall(r"\d+(?:\.\d+)?",strvar)
print(lst)
# 匹配135或171的手机号
strvar = "13566668888 17366669999 17135178392"
lst = re.findall(r"(?:135|171)\d{8}",strvar)
print(lst)
# 优化,只能匹配出一个手机号
strvar = "13566668888"
lst = re.findall(r"^(?:135|171)\d{8}$",strvar) # 卡住左右边界
print(lst)
strvar = "13566668888"
obj = re.search(r"^(135|171)\d{8}$",strvar)
print(obj) # <re.Match object; span=(0, 11), match='13566668888'>
print(obj.group()) # 13566668888
print(obj.groups()) # ('135',) 显示括号优先匹配的
标签:匹配,
lst,
re,
正则,
print,
strvar,
findall
From: https://www.cnblogs.com/wbcde116/p/18064869