Python基礎學習筆記（十）正則表達式（上）

本節知識大綱：


圖片.png

一、正則表達式介紹

正則表達式是什么？正則表達式是一種特殊的字符串模式，用于匹配一組字符串，就好比模具做產品，而正則就是這個模具，定義一種規則去匹配符合規則的字符。
如果我們對字符串有要求，我們就可以通過正則表達式把它表示出來，我們可以用正則表達式去匹配符合規則的字符串；
正則表達式的處理對象是字符串，主要應用正則表達式的操作有：

  • 驗證
  • 查找
  • 替換
1. 正則表達式的匹配流程：
圖片.png
2. 正則表達式的應用流程

match()是用于校驗的函數
案例01：
輸入一個三位數，通過正則表達式輸入的是否滿足要求?

import re
input_number = input("請輸入一個三位數:")
match = re.match("^\d{3}$",input_number)
if match is None:
    print("不符合要求")
else:
    print("符合要求")

案例02：
判斷輸入的手機號碼是否有效，要求：號碼位數是11位；第一位是數字1；第二位是數字345789；后面是0-9均可

# 步驟一：通過引擎編譯出對象
import re
pattern = re.compile(R"[1][345789]\d{9}")   # 編譯出pattern對象
input_mobile = input("請輸入手機號碼:")
# 步驟二：對輸入的內容進行匹配
# print(pattern.match(input_mobile))
if pattern.match(input_mobile):
    print("輸入的手機號有效！")
else:
    print("輸入的手機號無效！")
3.正則表達式的基本語法
圖片.png

二、預定義字符

如果每次都通過代碼來驗證正則表達式是否正確效率有點低，我們可以通過在線工具來校驗我們的正則表達式是否正確，比如oschina的在線正則表達式測試工具；當然在Windows系統下可以使用RegexBuddy工具進行檢測。
普通字符：字母、數字、下劃線以及沒有特殊意義的符號，都是普通字符。
元字符：這里主要有11個構成正則表達式元字符

.   \   |   ^   $   *   +   ?   []   {}   ()
1. 通配字符

.是一個能匹配除\n以外任何字符的通用匹配符，例如，我們想匹配以a開頭的，后面跟3個任意字符的正則表達式可以這樣寫：

re.match("^a...","avfs")

另外三個連續的通配符可以寫成{3}像這樣：

re.match("^a.{3}","avfs")

這里也可以使用findall()方法，能返回待匹配字符串中所有與正則表達式相匹配的字符串

print(re.findall("a.{3}","avfssssadddadddaef"))  # 把匹配開頭的^去掉了

輸出結果：

['avfs', 'addd', 'addd']
2. 反斜杠

反斜杠加字母有時候在轉義字符和正則表達式中功能沖突，通常的解決辦法是使用r或者R取消轉義。

三、字符集

1. 系統正則表達式字符集
圖片.png

案例：非數字開頭 + 兩個空格 + 數字/字母/下劃線

import re
print(re.match(R"^\D\s{2}\w$","a  _"))
2. 用戶自定義正則表達式字符集

除了使用系統字符集以外，用戶可以自定義字符集

注意：這里一個中括號只能匹配一個字符;
^在中括號外表示一行開始，在中括號里面表示取反、排除的意思

圖片.png

案例：使用自定義字符集，匹配不區分大小寫以a-f開頭，接接著是三個小寫字母，再后面是以偶數結尾

import re
print(re.findall(R"[a-fA-F][a-z]{3}[02468]","bddf42fbas8"))

注意：除了^、-以外，如果把其它任何特殊符號放到[]里，那么就自動去掉特殊意義，只表示符號本身的含義，如.在[]里只表示.點號的意思，沒有了通配符的功能。

四、正則表達式中量詞

1. 三種量詞符號

圖片.png

案例：
通過正則表達式匹配英文單詞，要求以na開頭，以e來結尾
方法一：使用*號

print(re.findall(R"na[a-z]*e","my name is Alice,nae,nattore"))

輸出結果：

['name', 'nae', 'nattore']

使用*號匹配name（重復1次），匹配nae（重復0次），匹配nattore（重復多次）
方法二：使用+號

print(re.findall(R"na[a-z]+e","my name is Alice,nae,nattore"))

輸出結果:

['name', 'nattore']

使用+號，只能匹配name(重復1次)，匹配nattore（重復多次）
方法三：使用?號

print(re.findall(R"na[a-z]?e","my name is Alice,nae,nattore"))

輸出結果：

['name', 'nae']

使用?號，只能name(重復1次)和nae(重復0次)

案例：
判斷身份證號是否有效，
特征一：長度18或者15位
特征二：前17位是數字
特征三：最后一位是數字或者x

print(re.match(r"(\d{14}[0-9x]|\d{17}[0-9x])","34262320001218646x"))
2. 花括號表示重復次數
圖片.png

（1）{n}表示重復n次

# 正則表達式匹配以na開頭加上4個小寫字母并以e結尾：
print(re.findall(R"na[a-z]{4}e","my name is Alice,nae,nattore"))

輸出結果：

['nattore']

（2）{n,m}表示重復n到m次

# 正則表達式匹配以na開頭加上3-10個小寫字母并以e結尾：
print(re.findall(R"na[a-z]{3,10}e","my name is Alice,naicajoe,nattorirce"))

輸出結果：

['naicajoe', 'nattorirce']

（3）{n，}表示重復n次到無限次

# 正則表達式匹配以na開頭加上3個以上的小寫字母并以e為結尾：
print(re.findall(R"na[a-z]{3,}e","my name is Alice,naicajoe,nattorighjrce"))

輸出結果：

['naicajoe', 'nattorighjrce']
3. 貪婪模式和非貪婪模式

（1）貪婪模式
貪婪模式是指在Python在默認情況下量詞會盡可能多的匹配

print(re.findall("\d+","12345678888888abc"))    # 盡量多的匹配
print(re.findall("\d*","12345678888888abc"))
print(re.findall("\d{3,}","12345678888888abc"))
print(re.findall("\d{3,8}","1234567888888888abc"))

輸出結果：

['12345678888888']
['12345678888888', '', '', '', '']
['12345678888888']
['12345678', '88888888']

（2）非貪婪模式
在表達式的結尾加上問號?，會切換成非貪婪模式

print(re.findall("\d+?","12345678888888abc"))
print(re.findall("\d{3,}?","12345678888888abc"))

輸出結果：

['1', '2', '3', '4', '5', '6', '7', '8', '8', '8', '8', '8', '8', '8']
['123', '456', '788', '888']

五、字符邊界

Python正則表達式字符邊界主要有四種：

^      開始位置
$      結束
\b     單詞邊界
\B     非單詞邊界
1. 字符串的開始和結束

案例:
輸入一個6位數字，必須要以95開頭，以8結尾的數字

print(re.findall(r"^95\d{3}8$","958348"))

輸出結果：

['958348']
2. 字符串的邊界

\b表示單詞的邊界，指某一個位置前后不都是字母、數字、下劃線（\w）
案例：
輸入一句英文，找出里面以a、b、c開頭的單詞

str01 = "Use this toggle to the left to manage how your " \
        "browser uses BBC’s performance cookies. If you’re " \
        "outside the UK you can also use the toggle to set " \
        "your preferences for personalised advertising cookies."
pattern = re.compile(r"\b[abcABC][a-z]*\b")
print(pattern.findall(str01))

輸出結果：

['browser', 'cookies', 'can', 'also', 'advertising', 'cookies']

六、邏輯判斷

正則表達式中表示邏輯或的是用符號|，分為整體或和部分或
(1)整體或
案例：
簡單匹配身份證號，現在的身份證號是18位以前是15位，我們希望兩者都兼容；前面全是數字，最后一位可以是數字或者x

import re
print(re.findall("\d{14}[0-9x]|\d{17}[0-9x]]","34262219971012x"))

輸出結果：

['34262219971012x']

（2）部分或
案例：在一段英文句子中，找出es、er或者ing結尾的單詞

str01 = "Use this toggle to the left to manage how your " \
        "browser uses BBC’s performance cookies. If you’re " \
        "outside the UK you can also use the toggle to set " \
        "your preferences for personalised advertising cookies."
pattern = re.compile(r"\b[a-z]*(es|ing|er)\b")
print(pattern.findall(str01))

輸出結果：

['er', 'es', 'es', 'es', 'ing', 'es']

為什么沒有顯示出完整的單詞呢，這就涉及到正則表達式中分組的知識了；

七、 分組

1. 捕獲組與非捕獲組

分組是我們正則表達式中一個難點，把正則表達式的一部分用括號括起來作為一個組；主要包括捕獲組()非捕獲組(?:)
如何進行捕獲呢？待捕獲的表達式用小括號括起來，編號從1開始，后面通過反斜杠加數字標號進行調用。
我們以一個案例來進行解釋
案例:
在前一段英文中，匹配這樣的單詞，有5個字符；第一個字母和第五個一樣，第二個和第四個一樣，比如abcba
分析：
因為匹配的是單詞第一個和最后一個都是單詞的邊界,故正則表達式的前后都用\b，第一個字母和第二個字母后面都要用到所以分別給它們設置捕獲組。用小括號括起來([a-z])、([a-z])第三字母后面用不到所以不設置捕獲組，第四個字母和第五個字母調用前面的捕獲組，所以通過反斜杠加數字編號來進行調用，所以主要的正則表達式為：\b([a-z])([a-z])[a-z]\2\1\b

import re
print(re.findall(r"\b([a-z])([a-z])[a-z]\2\1\b","fdadd abcba"))

輸出結果：

[('a', 'b')]

貌似是匹配到了，但是輸出的結果并不滿意，并不是完整的顯示內容這是怎么回事呢？
原因：
如果對正則表達式做了分組，使用findall函數則顯示捕獲組所匹配的內容，不能完整顯示，如果想完整顯示的話有兩個解決辦法：
方法一：使用非捕獲組
如果不需要對捕獲組的內容調用，可以使用非捕獲組，在表達式前加上?:就可以了，表示只捕獲數據了，只用來表達條件。回到我們前面的案例，英文句子中匹配單詞，怎樣才能完整顯示呢？對于后面不需要調用的正則表達式分組，我們使用非捕獲組的方式，就是表達式前加上問號和冒號即可，則前面的正則表達式\b[a-z]*(es|ing|er)\b可以寫成\b[a-z]*(?:es|ing|er)\b，這樣我們的輸出結果就是完整的單詞了。

方法二：使用迭代函數finditer
將findall函數改為迭代函數finditer

import re
match_result = re.finditer(r"\b([a-z])([a-z])[a-z]\2\1\b","fdadd abcba")
match_list = []
for i in match_result:
    match_list.append(i.group(0))
print(match_list)

輸出結果：

['abcba']

這樣就能完成顯示匹配結果了

2. 分組的命名

捕獲組默認是從數字1開始編號的，但是如果捕獲組數量多的話，最好還是能給捕獲組命名方便調用，那么怎么給捕獲組命名呢？
命名的方法：加問號加P跟著尖括號里寫上名稱(?P<名稱>)；調用的方法：加問號加P等于號號碼跟上名稱(?P=name)
前面的正則表達式\b([a-z])([a-z])[a-z]\2\1\b命名可以寫成\b(?P<number01>[a-z])(?P<number02>[a-z])[a-z](?P=number02)(?P=number01)\b
實際代碼可以寫成：

print(re.findall(r"\b(?P<number01>[a-z])(?P<number02>[a-z])[a-z](?P=number02)(?P=number01)\b","fdadd abcba"))

八、零寬斷言

Python正則表達式的零寬斷言有著不同的稱呼：零寬度斷言、預搜索、環視等等，它是干嘛的呢？它是用來匹配一個位置
零寬的意思是不占用字符寬度、位置，比如\b表示單詞起始或者結束的位置，^表示正則表達式的開始；$表示正則表達式的結束；
零寬斷言的特征：
（1）做位置的匹配，不占寬度
（2）匹配的內容不計入最終的結果
（3）主要用作判斷某個位置的前后字符

1. 語法格式
圖片.png
2. 解釋

有一段字符串我們根據它前面的表達式來找到匹配的字符串，比如要在www.baidu.com中查找名稱baidu，我們可以根據條件聲明根域名是以www.開頭的，.com結尾的。那么零寬斷言的表達式就可以寫成(?<=www[.])[a-z]+(?=[.]com)
代碼示例：

import re
print(re.findall(r"(?<=www[.])[a-z]+(?=[.]com)","www.baidu.com"))

輸出結果：

['baidu']

注意：匹配輸出的內容是零寬斷言括號外面的部分

最后編輯于 ：
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明：文章內容（如有圖片或視頻亦包括在內）由作者上傳并發布，文章內容僅代表作者本人觀點，簡書系信息發布平臺，僅提供信息存儲服務。
  • 人面猴
    序言：七十年代末，一起剝皮案震驚了整個濱河市，隨后出現的幾起案子，更是在濱河造成了極大的恐慌，老刑警劉巖，帶你破解...
    沈念sama閱讀 228,333評論 6贊 531
  • 死咒
    序言：濱河連續發生了三起死亡事件，死亡現場離奇詭異，居然都是意外死亡，警方通過查閱死者的電腦和手機，發現死者居然都...
    沈念sama閱讀 98,491評論 3贊 416
  • 救了他兩次的神仙讓他今天三更去死
    文/潘曉璐 我一進店門，熙熙樓的掌柜王于貴愁眉苦臉地迎上來，“玉大人，你說我怎么就攤上這事。” “怎么了？”我有些...
    開封第一講書人閱讀 176,263評論 0贊 374
  • 道士緝兇錄：失蹤的賣姜人
    文/不壞的土叔 我叫張陵，是天一觀的道長。 經常有香客問我，道長，這世上最難降的妖魔是什么？ 我笑而不...
    開封第一講書人閱讀 62,946評論 1贊 309
  • ?港島之戀（遺憾婚禮）
    正文 為了忘掉前任，我火速辦了婚禮，結果婚禮上，老公的妹妹穿的比我還像新娘。我一直安慰自己，他們只是感情好，可當我...
    茶點故事閱讀 71,708評論 6贊 410
  • 惡毒庶女頂嫁案：這布局不是一般人想出來的
    文/花漫 我一把揭開白布。 她就那樣靜靜地躺著，像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上，一...
    開封第一講書人閱讀 55,186評論 1贊 324
  • 城市分裂傳說
    那天，我揣著相機與錄音，去河邊找鬼。 笑死，一個胖子當著我的面吹牛，可吹牛的內容都是我干的。 我是一名探鬼主播，決...
    沈念sama閱讀 43,255評論 3贊 441
  • 雙鴛鴦連環套：你想象不到人心有多黑
    文/蒼蘭香墨 我猛地睜開眼，長吁一口氣：“原來是場噩夢啊……” “哼！你這毒婦竟也來了？” 一聲冷哼從身側響起，我...
    開封第一講書人閱讀 42,409評論 0贊 288
  • 萬榮殺人案實錄
    序言：老撾萬榮一對情侶失蹤，失蹤者是張志新（化名）和其女友劉穎，沒想到半個月后，有當地人在樹林里發現了一具尸體，經...
    沈念sama閱讀 48,939評論 1贊 335
  • ?護林員之死
    正文 獨居荒郊野嶺守林人離奇死亡，尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 40,774評論 3贊 354
  • ?白月光啟示錄
    正文 我和宋清朗相戀三年，在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 42,976評論 1贊 369
  • 活死人
    序言：一個原本活蹦亂跳的男人離奇死亡，死狀恐怖，靈堂內的尸體忽然破棺而出，到底是詐尸還是另有隱情，我是刑警寧澤，帶...
    沈念sama閱讀 38,518評論 5贊 359
  • ?日本核電站爆炸內幕
    正文 年R本政府宣布，位于F島的核電站，受9級特大地震影響，放射性物質發生泄漏。R本人自食惡果不足惜，卻給世界環境...
    茶點故事閱讀 44,209評論 3贊 347
  • 男人毒藥：我在死后第九天來索命
    文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧，春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,641評論 0贊 26
  • 一樁弒父案，背后竟有這般陰謀
    文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至，卻和暖如春，著一層夾襖步出監牢的瞬間，已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 35,872評論 1贊 286
  • 情欲美人皮
    我被黑心中介騙來泰國打工， 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留，地道東北人。 一個月前我還...
    沈念sama閱讀 51,650評論 3贊 391
  • 代替公主和親
    正文 我出身青樓，卻偏偏與公主長得像，于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子，可洞房花燭夜當晚...
    茶點故事閱讀 47,958評論 2贊 373