正则表达式
每一门语言关于正则表达式的定义都是一样的，正则表达式是一种独立的技术。
使用步骤
- 存在大量文本信息
- 找出规律
- 按照规律编写正则表达式
语法
-
字符串本身就是一个正则表达式
import re s1 = '博主讲的太好了！已经三连xiaohu加关注，求课件！我的邮箱是 1234214@qq.com, 或者xiaohu是 3255@163.com 或者是xiaohu微信手机号 18356781451' res1 = re.findall('xiaohu', s1) print(res1) #['xiaohu', 'xiaohu', 'xiaohu'] -
[] 表示可选项
s1 = '博主讲的太好了！已经三连xiaohuq加关注，求课件！我的邮箱是 1234214@qq.com, 或者xiaohuw是 3255@163.com 或者是xiaohup微信手机号 18356781451' res1 = re.findall(r'xiaohu[qwp]',s1) print(res1) # ['xiaohuq', 'xiaohuw', 'xiaohup'] -
值范围
-
[a-z] 表示查找 a-z
s1 = '博主讲的太好了！已经三连xiaohuq加关注，求课件！我的邮箱是 1234214@qq.com, 或者xiaohu5是 3255@163.com 或xiaohu8者是xiaohuw微信手机号 18356781451' res1 = re.findall(r'xiaohu[a-z]',s1) print(res1) #['xiaohuq', 'xiaohuw'] -
[A-Za-z]
因为A-z的ascii码是连续的，所以可以写成[A-z]
s1 = '博主讲的太好了！已经三连xiaohuq加关注，求课件！我xiaohuA的邮箱是 1234214@qq.com, 或者xiaohu53255@163.com 或xiaohu8者是xiaohuU微信手机号 18356781451' res1 = re.findall(r'xiaohu[A-Za-z]', s1) print(res1) # ['xiaohuq', 'xiaohuA', 'xiaohuU'] res2 = re.findall(r'xiaohu[A-z]', s1) print(res2)# ['xiaohuq', 'xiaohuA', 'xiaohuU'] -
[0-9]
s1 = '博主讲的太好了！已经三连xiaohuq加关注，求课件！我xiaohuA的邮箱是 1234214@qq.com, 或者xiaohu5是 3255@163.com 或xiaohu8者是xiaohuU微信手机号 18356781451' res1 = re.findall(r'xiaohu[0-9]', s1) print(res1) # ['xiaohu5', 'xiaohu8']因为0-z的ascii码不连续，所以写成[0-z]会遗漏字符
s1 = '博主讲的太好了！已经三连xiaohu=加关注，求课件！我xiaohuA的邮箱是 1234214@qq.com, 或者xiaohu5是 3255@163.com 或xiaohu8者是xiaohuU微信手机号 18356781451' res1 = re.findall(r'xiaohu[0-z]', s1) print(res1) # ['xiaohu=', 'xiaohuA', 'xiaohu5', 'xiaohu8', 'xiaohuU']
-
-
\d 表示数字
s1 = '博主讲的太好了！已经三连xiaohuq加关注，求课件！我xiaohuA的邮箱是 1234214@qq.com, 或者xiaohu5是 3255@163.com 或xiaohu89者是xiaohuU微信手机号 18356781451' res1 = re.findall(r'xiaohu\d\d', s1) print(res1) # ['xiaohu89']-
？表示出现了0次或1次
s1 = '博主讲的太好xiaohu了！已经三连xiaohuq加关注，求课件！我xiaohu124453的邮箱是 1234214@qq.com, 或者xiaohu5是 3255@163.com 或xiaohu89者是xiaohuU微信手机号 18356781451' res1 = re.findall(r'xiaohu\d?', s1) print(res1) #['xiaohu', 'xiaohu', 'xiaohu1', 'xiaohu5', 'xiaohu8', 'xiaohu'] -
+ 表示出现了1次或者n次
s1 = '博主讲的太好xiaohu了！已经三连xiaohuq加关注，求课件！我xiaohu124453的邮箱是 1234214@qq.com, 或者xiaohu5是 3255@163.com 或xiaohu89者是xiaohuU微信手机号 18356781451' res1 = re.findall(r'xiaohu\d+', s1) print(res1) # ['xiaohu124453', 'xiaohu5', 'xiaohu89'] -
* 表示出现了0次或者n次
s1 = '博主讲的太好xiaohu了！已经三连xiaohuq加关注，求课件！我xiaohu124453的邮箱是 1234214@qq.com, 或者xiaohu5是 3255@163.com 或xiaohu89者是xiaohuU微信手机号 18356781451' res1 = re.findall(r'xiaohu\d*', s1) print(res1) # ['xiaohu', 'xiaohu', 'xiaohu124453', 'xiaohu5', 'xiaohu89', 'xiaohu']
-
-
次数范围
-
{m,n} 表示出现的次数范围，m表示至少出现的次数，n表述最多出现的次数
s1 = '有一个同学的学号为sj2, 另一个同学的学号为sj0000001, 还有一个同学的学号为sj3101, 还有一个学生：sj322010' res1 = re.findall(r'sj\d{2,6}', s1) print(res1) # ['sj000000', 'sj3101', 'sj322010'] -
{m,} 表示出现的次数，至少为m个，上不封顶
s1 = '有一个同学sj9的学号为sj11, 另一个同学的学号为sj001, 还有一个同学的学号为sj3101, 还有一个学生：sj322010, 新来的学生学号为：sj34567809' res1 = re.findall(r'sj\d{2,}', s1) print(res1) # ['sj11', 'sj001', 'sj3101', 'sj322010', 'sj34567809'] -
{m} 表示出现了m次
s1 = '有一个同学sj9的学号为sj331001, 另一个同学的学号为sj32100, 还有一个同学的学号为sj3101, 还有一个学生：sj322010, 新来的学生学号为：sj34567809' res1 = re.findall(r'sj\d{6}', s1) print(res1) # ['sj331001', 'sj322010', 'sj345678']
-
匹配指定手机号：1、183 153 173开头；2、最多是11位
s1 = '我有一个手机号是18347821932，另一个手机号是17386429189，还有一个手机号是15356878621，以前用过一个手机号13987648345'
res1 = re.findall(r'1[857]3\d{8}', s1)
print(res1) # ['18347821932', '17386429189', '15356878621']
-
\w 表示字母、数字、下划线或是其他文字字符
s1 = '我有一个邮箱是183478@qq.com，另一个邮箱是17386@163.com，还有一个邮箱是78621@_mail.com，以前用过一个邮箱139876@*q.com,183478@王q.com，78621@のmail.com' res1 = re.findall(r'\d+@\w+\.com', s1) print(res1) #['183478@qq.com', '17386@163.com', '78621@_mail.com', '183478@王q.com', '78621@のmail.com'] -
\W 表示除\w表示的字符之外都能匹配
s1 = '我有一个邮箱是hys183478@###.com，另一个邮箱是17386zcy@163.com，还有一个邮箱是786zrx21@gmail.com，以前用过一个邮箱139876@qq.com' res1 = re.findall(r'\w+@\W+\.com', s1, re.ASCII) print(res1) # ['hys183478@###.com'] -
^ 表示以某个字符串开头
# 定义一个正则表达式模式，匹配以数字开头的字符串 pattern = r'^\d' # 测试字符串 test_strings = ["123abc", "abc123", "456def", "789ghi"] # 遍历测试字符串并检查是否匹配 for string in test_strings: if re.match(pattern, string): print(f"'{string}' matches the pattern") else: print(f"'{string}' does not match the pattern") -
$ 表示以某个字符串结尾
# 定义一个正则表达式模式，匹配以数字结尾的字符串 pattern = r'\d$' # 测试字符串 test_strings = ["abc", "def2", "ghi", "jkl4"] # 遍历测试字符串并检查是否匹配 for string in test_strings: if re.search(pattern, string): print(f"'{string}' matches the pattern") else: print(f"'{string}' does not match the pattern") -
() 表示分组
s1 = '有一个学生的身份证号为340123200312075687，另一个学生的身份证号是340122199705035414' res1 = re.findall(r'340\d{3}(\d{4})\d{8}', s1) print(res1) # ['2003', '1997']s1 = '有一个学生的身份证号为340123200312075687，另一个学生的身份证号是340122199705035414' res1 = re.findall(r'(340\d{3}(\d{4})\d{8})', s1) print(res1) # [('340123200312075687', '2003'), ('340122199705035414', '1997')]s1 = '有一个学生的身份证号为340123200312075687，另一个学生的身份证号是340122199705035414' res1 = re.findall(r'(340\d{3}(\d{4})(\d{2})(\d{2}))', s1) print(res1) # [('34012320031207', '2003', '12', '07'), ('34012219970503', '1997', '05', '03')] -
|表示 多个字符之间的或，使用小括号括起来
s1 = '有一个学生的身份证号为340123200312075687，另一个学生的身份证号是340122199705035414，另一个学生的身份证号是340110199705035414' res1 = re.findall(r'(340(123|110)(\d{4})(\d{2})(\d{2}))', s1) print(res1) # [('34012320031207', '123', '2003', '12', '07'), ('34011019970503', '110', '1997', '05', '03')] -
. 表示任意字符
s1 = '我有一个键盘，键盘的售卖序列号为JP2134WFWFasd##&13000, 上一个键盘的序列号为JPIUYT4WFqw34sd##&000' res1 = re.findall(r'JP.{16}', s1) print(res1) # ['JP2134WFWFasd##&13', 'JPIUYT4WFqw34sd##&']使用\转义字符，将.变成普通的点字符进行匹配
s1 = '我有shujia#888一个键盘，键盘的售shujia.666卖序列号为JP2134WFW.asd##&13, 上一个键盘的序列号为JPIUYT4WFqw34sd##&'
res1 = re.findall(r'shujia\.\d{3}', s1)
print(res1) # ['shujia.666']
常用函数
-
re.findall 在大字符串中查找符合正则表达式特点的式子
-
re.match() 匹配整个字符串是否符合某个正则表达式特点
-
re.search() 从左向右匹配正则表达式，只会匹配一次符合条件, 得到的是一个对象
text = '博主讲的实在是太1165872335@数加.com好了，通俗易懂，已三连，求课件，我的邮箱是1165872335@qq.com或' \ '者是xiaohu2023666@pronton.com谢谢博主 手xiaohu2机微信号也可以17354074069' res1 = re.search(r'1\d+@\w+\.com',text) print(res1) # <re.Match object; span=(8, 25), match='1165872335@数加.com'> print(res1.group()) # 1165872335@数加.com -
re.split()
text = '1001,xiaohu#18$踢足球' res1 = re.split(r'[,#$]',text) print(res1) # ['1001', 'xiaohu', '18', '踢足球'] -
re.finditer() 在大字符串中查找符合正则表达式特点的式子,得到的是一个迭代器
text = '博主讲的实在是太1165872335@数加$.com好了，通俗易懂，已三连，求课件，我的邮箱是 1165872335@qq.com 或' \ '者是xiaohu2023666@pronton.com谢谢博主 手xiaohu2机微信号也可以17354074069' res1 = re.finditer('(\w+@(数加\$|qq|pronton)\.com)',text, re.ASCII) for res in res1: print(res.group(1)) print(res.group(2)) '''1165872335@数加$.com 数加$ 1165872335@qq.com qq xiaohu2023666@pronton.com pronton''' -
re.fullmatch() 将字符串整体与正则表达式进行匹配
text = '安徽省-合肥市-蜀山区-浮山路' res1 = re.fullmatch(f'(\w+)-(\w+)-(\w+)-(\w+)', text) print(f"省份:{res1.group(1)}") print(f"市:{res1.group(2)}") print(f"区:{res1.group(3)}") print(f"街道:{res1.group(4)}")