【Python】正則表達式純代碼極簡教程

  1 《Python3正則表達式》文字版詳細教程連接：http://www.javashuo.com/article/p-azeiaset-c.html  2 
  3 
  4 '''
  5 內容：Python3正則表達式
  6 日期：2018-08-27
  7 '''
  8 
  9 # Python版本：Python3.6.0
 10 
 11 # 正則表達式是一種用來匹配字符串的強有力的武器。它的設計思想是用一種描述性的
 12 # 語言來給字符串定義一個規則，凡是符合規則的字符串，咱們就認爲它「匹配」了，
 13 # 不然，該字符串就是不合法的。
 14 
 15 
 16 # 例如：
 17 # 咱們判斷一個字符串是不是合法的Email的方法是：
 18 # 一、建立一個匹配Email的正則表達式；
 19 # 二、用該正則表達式去匹配用戶的輸入來判斷是否合法。
 20 
 21 
 22 # 由於正則表達式也是用字符串表示的，因此，咱們要首先了解如何用字符來描述字符。
 23 
 24 
 25 # 一、正則表達式概念及符號含義
 26 
 27 # 掌握正則表達式，只須要記住不一樣符號所表示的含義，以及對目標對象模式（或規律）的正確歸納。
 28 
 29 # （1）基礎內容
 30 
 31 # 在正則表達式中，若是直接給出字符，就是精確匹配。
 32 # \d匹配一個整數
 33 # \D匹配一個非數字
 34 # \w匹配一個字母、數字或下劃線_
 35 # \W匹配任何非單詞字符,等價於「[^A-Za-z0-9_]"。
 36 # \s匹配任何yige空白字符，包括空格、製表符、換頁符等等,等價於[ \f\n\r\t\v]。
 37 # \S匹配任何非空白字符
 38 # \n匹配一個換行符
 39 # \r匹配一個回車符
 40 # \t匹配一個製表符
 41 
 42 
 43 
 44 # .匹配除「\n"以外的任何單個字符。
 45 # *匹配前面的子表達式零次或屢次
 46 # +匹配前面的子表達式一次或屢次
 47 # ?匹配前面的子表達式零次或一次
 48 # {n}，n是一個非負整數，匹配肯定的n次
 49 # {n,m}，m和n均爲非負整數，其中n<=m，最少匹配n次且最多匹配m次
 50 # {n,}，n是一個非負整數，至少匹配n次
 51 # {,m}    匹配前面的正則表達式最多m次
 52 
 53 
 54 
 55 # x|y 匹配x或y  '[x|y]'   'x'  'y'
 56 # [xyz] 字符集合,匹配所包含的任意一個字符
 57 # [^xyz] 負值字符集合,匹配未包含的任意字符
 58 # [a-zA-Z] 字符範圍,匹配指定範圍內的任意字符
 59 # [^a-z] 負值字符範圍,匹配任何不在指定範圍內的任意字符
 60 
 61 
 62 
 63 # 來看一個稍微複雜的例子：\d{3,4}\s+\d{3,8}
 64 # 0755 26778888
 65 # 咱們來從左到右解讀一下：
 66 # \d{3,4}表示匹配3到4個數字，例如'010'、'0755'；
 67 # \s能夠匹配一個空格（也包括Tab等空白符），因此\s+表示至少有一個空格，例如匹配' '，'   '等；
 68 # \d{3,8}表示3-8個數字，例如'1234567'。
 69 # 綜合起來，上面的正則表達式能夠匹配以任意個空格隔開的帶區號的電話號碼。
 70 
 71 
 72 # 若是要匹配'010-12345'、'0755-26778888'這樣的號碼呢？
 73 # 因爲'-'是特殊字符，在正則表達式中，要用'\'轉義，因此，上面的正則是\d{3,4}\-\d{3,8}。
 74 
 75 
 76 # 可是，仍然沒法匹配'010 - 12345'，由於帶有空格。因此咱們須要更復雜的匹配方式。
 77 
 78 # 要作更精確的匹配，能夠用[]表示範圍，好比：
 79 
 80 
 81 
 82 # （2）進階內容
 83 
 84 # 要作更精確地匹配，能夠用[]表示範圍，好比：
 85 #
 86 # [0-9a-zA-Z\_]能夠匹配一個數字、字母或者下劃線；
 87 #
 88 # [0-9a-zA-Z\_]+能夠匹配至少由一個數字、字母或者下劃線組成的字符串，好比'a100'，'0_Z'，'Py3000'等等；
 89 #
 90 # [a-zA-Z\_][0-9]*能夠匹配由字母或下劃線開頭，後接任意個由一個數字、字母或者下劃線組成的字符串，也就是Python合法的變量；
 91 # a0 a2222222222
 92 # [a-zA-Z\_][0-9a-zA-Z\_]{0, 19}更精確地限制了變量的長度是1-20個字符（前面1個字符+後面最多19個字符）。
 93 #
 94 # A|B能夠匹配A或B，因此[P|p]ython能夠匹配'Python'或者'python'。
 95 #
 96 # ^表示行的開頭，^\d表示必須以數字開頭。
 97 # ^\d\w*  'sdfsdf'  '1sdfasdf1'
 98 #
 99 # $表示行的結束，\d$表示必須以數字結束。
100 #
101 # 你可能注意到了，py也能夠匹配'python'，可是加上^py就變成了只能匹配以'py'開頭的字符串，
102 # 因此，若是某個字符串爲'I love python'，那麼就沒法匹配到，由於它不是以py開頭。
103 
104 
105 # （3）正則表達式使用場景
106 
107 # 判斷某個字符串是否匹配特定的模式
108 # 切分字符串
109 # 提取特定模式的字符串
110 # 將指定模式的字符串進行替換
111 
112 
113 
114 # 二、Python中正則表達式模塊re
115 
116 # 前面區號+電話號碼的例子
117 
118 #（1）判斷某個字符串是否匹配特定的模式
119 
120 # 導入re模塊
121 import re
122 
123 # 匹配
124 print('x'*20)
125 result = re.match(r'\d{3,4}\-\d{3,8}','020-12345')
126 print(result)
127 print('x'*20)
128 
129 
130 # 不匹配
131 result2 = re.match(r'\d{3,4}\-\d{3,8}$','020 12345')
132 print(result2)
133 
134 
135 # match()方法判斷是否匹配，若是匹配成功，返回一個Match對象，不然返回None。
136 # 常見的判斷方法就是：
137 
138 # 帶判斷的字符串
139 
140 test = "020\n12345"
141 print(test)
142 if re.match(r'\d{3,4}\\n\d{3,8}',test):
143     print('match')
144 else:
145     print('not match')
146 
147 
148 
149 # 小練習：判斷給定的郵箱地址是不是NETEC郵箱
150 #（1）假設NETEC公司的郵箱格式爲姓+.+名字+數字+@netec.com.cn。
151 #（2）其中數字不是必須的，只有相同名字的員工有多個時，纔會存在數字
152 #（3）而且姓名拼音或英文都會使用小寫字母，而不會使用大寫字母
153 
154 email = 'lee.jack3@netec.com.cn'
155 
156 pattern = r'^[a-z]{1,}\.[a-z]+\d*@netec.com.cn$'
157 
158 if re.match(pattern,email):
159 　　print('是NETEC郵箱')
160 else:
161 　　print('不是NETEC郵箱')
162 
163 
164 
165 # （2）切分字符串
166 
167 # 用正則表達式切分字符串比用固定的字符更靈活，請看正常的切分代碼：
168 print('&'*20)
169 result3 = 'a b   c'.split(' ')
170 print(result3)
171 
172 # 沒法識別連續的空格，用正則表達式試試:
173 result4 = re.split(r'\s+', 'a b   c')
174 print(result4)
175 
176 # 不管多少個空格均可以正常分割。加入,試試：
177 
178 result5 = re.split(r'[\s\,]+', 'a,b,, c  d')
179 print(result5)
180 
181 # 再加入;試試：
182 result6 =  re.split(r'[\s\,\;]+', 'a,b;; c  d')
183 print(result6)
184 
185 
186 #（3）提取特定模式的字符串
187 
188 # 除了簡單地判斷是否匹配以外，正則表達式還有提取子串的強大功能。
189 # 用()表示的就是要提取的分組（Group）。好比：^(\d{3,4})-(\d{3,8})$
190 # 分別定義了兩個組，能夠直接從匹配的字符串中提取出區號和本地號碼：
191 
192 m = re.match(r'^(\d{3,4})-(\d{3,8}$)', '0755-12345')
193 print(m)
194 print(m.group(0))  # 匹配的整個字符串
195 print(m.group(1))  # 匹配的第一個小括號的內容，即第一個匹配的子串
196 print(m.group(2))  # 匹配的第二個小括號的內容，即第二個匹配的子串
197 
198 
199 # 一個複雜的例子,提起給定時間字符串中的小時、分鐘、秒
200 t = '19:05:30'
201 # 00 09
202 # 0 9
203 # 10-19
204 # 20-23
205 # [0-5]?[0-9]  59
206 
207 m = re.match(r'^(0[0-9]|1[0-9]|2[0-3]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$', t)
208 print(m.groups())
209 print(m.group(1))
210 print(m.group(2))
211 print(m.group(3))
212 
213 
214 #（4）將指定模式的字符串進行替換
215 print('&' * 20)
216 result = re.sub('[ae]','X','abcdefghi')
217 print(result)
218 
219 result = re.subn('[ae]','X','abcdef')
220 print(result)
221 
222 
223 # （5）貪婪匹配 vs 非貪婪匹配
224 
225 # 正則匹配默認是貪婪匹配，也就是匹配儘量多的字符。舉例以下，匹配出數字後面的0：
226 # \d+   '3243423'
227 print('I' * 20)
228 result7 = re.match(r'^(\d+)(0*)$', '102300').groups() # group[1] group[2]
229 print(result7)
230 
231 
232 # 因爲\d+採用貪婪匹配，直接把後面的0所有匹配了，結果0*只能匹配空字符串了。
233 # 必須讓\d+採用非貪婪匹配（也就是儘量少匹配），才能把後面的0匹配出來，
234 # 加個?就可讓\d+採用非貪婪匹配：
235 
236 result8 = re.match(r'(\d+?)(0+?)(\d+)', '11002300000').groups()
237 print(result8)
238 
239 
240 # （6）正則表達式的編譯
241 
242 # 當咱們在Python中使用正則表達式時，re模塊內部會幹兩件事情：
243 #   一、編譯正則表達式，若是正則表達式的字符串自己不合法，會報錯；
244 #   二、用編譯後的正則表達式去匹配字符串。
245 
246 # 若是一個正則表達式要重複使用幾千次，出於效率的考慮，咱們能夠預編譯該正則表達式，
247 # 接下來重複使用時就不須要編譯這個步驟了，直接匹配：
248 
249 # 編譯
250 re_telephone = re.compile(r'^(\d{3,4})-(\d{3,8})$')
251 
252 # 直接使用
253 print(re_telephone.match('010-12345').groups())
254 
255 # 直接使用
256 print(re_telephone.match('010-8086').groups())
257 
258 # 編譯後生成Regular Expression對象，因爲該對象本身包含了正則表達式，
259 # 因此調用對應的方法時不用給出正則字符串。
260 
261 
262 
263 # （7）re模塊中經常使用的幾個函數
264 
265 # compile() 編譯正則表達式模式，返回一個對象的模式，這樣某個模式編譯一次就能夠在程序中屢次使用
266 
267 import re
268 
269 tt = "Tina is a good girl, she is cool, clever, and so on..."
270 print(tt)
271 rr = re.compile(r'\w*oo\w*')
272 print(rr.findall(tt))         #查找全部包含'oo'的單詞
273 
274 
275 # match() 決定RE是否在字符串剛開始的位置匹配。//注：這個方法並非徹底匹配。
276 # 當pattern結束時若string還有剩餘字符，仍然視爲成功。想要徹底匹配，能夠在表達式末尾加上邊界匹配符'$'
277 
278 print(re.match('com','comwww.runcomoob').group())
279 
280 
281 # search() re.search函數會在字符串內查找模式匹配,只要找到第一個匹配而後返回，若是字符串沒有匹配，則返回None。
282 
283 print(re.search('\dcom','www.4comrunoob.5com').group())
284 
285 
286 
287 # findall() 遍歷匹配，能夠獲取字符串中全部匹配的字符串，返回一個列表。
288 
289 p = re.compile(r'\d+')
290 print(p.findall('o1n2m3k4'))
291 
292 
293 # finditer() 搜索string，返回一個順序訪問每個匹配結果（Match對象）的迭代器。找到 RE 匹配的全部子串，並把它們做爲一個迭代器返回。
294 
295 iter = re.finditer(r'\d+','12 drumm44ers drumming, 11 ... 10 ...')
296 for i in iter:
297     print(i)
298     print(i.group())
299     print(i.span())
300 
301 
302 
303 # split() 按照可以匹配的子串將string分割後返回列表。
304 # 可使用re.split來分割字符串，如：re.split(r'\s+', text)；將字符串按空格分割成一個單詞列表。
305 print(re.split('\d+','one1two2three3four4five5'))
306 
307 
308 
309 # sub() 使用re替換string中每個匹配的子串後返回替換後的字符串。
310 
311 import re
312 text = "JGood is a handsome boy, he is cool, clever, and so on..."
313 print(re.sub(r'\s+', '-', text))
314 
315 
316 
317 # subn() 使用re替換string中每個匹配的子串後返回替換後的字符串，並返回替換次數
318 
319 print(re.subn('[1-2]','A','123456abcdef'))
320 print(re.sub("g.t","have",'I get A,  I got B ,I gut C'))
321 print(re.subn("g.t","have",'I get A,  I got B ,I gut C'))
322 
323 
324 
325 
326 # 匹配IP
327 result = re.search(r"(([01]?\d?\d|2[0-4]\d|25[0-5])\.){3}([01]?\d?\d|2[0-4]\d|25[0-5]\.)","192.168.1.1")
328 print(result)