一、正則表達式語法
正則表達式是用匹配或者描述字符串的工具。
用處:
a.判斷字符串是否滿足某個條件---判斷輸入的字符串是否是郵箱/手機號碼。是否是ip地址
b.提取滿足條件的字符串
c.字符串替換
python中通過re模塊中相應的方法來支持正則表達式的匹配、查找和替換等功能
from re import fullmatch
fullmatch(正則表達式字符串, 字符串) ---> 判斷正則表達式和字符串是否完全匹配
正則表達式字符串: 就是一個字符串,字符串中是正則表達式語法。r'正則表達式'
正則表達式中包含兩個部分,一個是正則語法對應的字符,二個是普通字符
1 .(匹配任意字符)
一個.只匹配一個任意字符
匹配一個長度是3的字符串,第一個字符是'a', 第二個字符是任意字符,最后一個字符是b
re_str = r'a.b'
result = fullmatch(re_str, 'a|b')
print(result)
匹配一個長度是4,第一個字符和最后一個字符分別是a和b,中間兩個字符是任意字符的字符串
re_str = r'a..b'
result = fullmatch(re_str, r'a\nb')
print(result)
2 \w(匹配字母數(shù)字下劃線)
一個\w匹配一個字符
匹配一個第一個字符是數(shù)字字母或者下劃線,后面三個字符是任意字符的字符串
re_str = r'\w...'
result = fullmatch(re_str, 'o8js')
print(result)
3 \s(匹配任意空白字符)
空白字符: 空格、制表符(\t)、回車(換行\(zhòng)n)等,都輸入空白字符,一個\s匹配一個空白字符
匹配一個第一個字符是a,第二個字符是空白,最后一個字符b的字符串
re_str = r'a\sb'
result = fullmatch(re_str, 'a\nb')
print(result)
4 \d(匹配數(shù)字字符)
re_str = r'\d\d\d'
result = fullmatch(re_str, '282')
print(result)
5 \b(檢測邊界)
一個\b不會去匹配一個字符,而是單純的檢測\b出現(xiàn)的位置是否是單詞邊界
單詞邊界: 字符串開始和結尾、空格、換行、標點符號等,可以將兩個單詞隔開的字符都單詞邊界
re_str = r'\babc'
re_str = r'abc\b\saaa' # 匹配一個字符串前三位是abc,第四位是空白字符,后面是aaa。并且要求c后面是單詞邊界
result = fullmatch(re_str, 'abc aaa')
print(result)
6 ^(檢測是否是字符串開頭)
re_str = r'^\d\d\d' # 判斷一個字符串是否是三個數(shù)字開頭
result = fullmatch(re_str, '123')
print(result)
7 $(檢測是否是字符串結尾)
re_str = r'abc$'
result = fullmatch(re_str, 'abc')
print(result)
8 \W(匹配非字母、數(shù)字下劃線)
re_str = r'\Wabc'
result = fullmatch(re_str, '#abc')
print(result)
9 \S(匹配非空白字符)
re_str = r'\S...'
result = fullmatch(re_str, '2jkh')
print(result)
10 \D(匹配非數(shù)字字符)
re_str = r'\D\w\w\w'
result = fullmatch(re_str, '#h7_')
print(result)
11 \B(檢測是否不是單詞邊界)
re_str = r'and\BYou'
result = fullmatch(re_str, 'andYou')
print(result)
一個[]匹配一個字符
[字符集] --> 匹配一個字符,這字符是字符集中的任意一個字符
例如:[abc], [\d+]
[字符1-字符2] --> 匹配一個字符,這個字符是Unicode編碼值在字符1到字符2中的任意一個字符;要求字符1的編碼值要小于字符2
例如:[1-9] --> 數(shù)字1到9 [a-z] --> 小寫字母 [A-Z] --> 大寫字母
[\u0031-\u0039] --> 數(shù)字1到9
[\u4E00-\u9fa5] --> 匹配所有的漢字
注意:-在中括號中,如果放在兩個字符之間表示范圍。
匹配一個字符串第一個字符是a或者b或c,后邊三個a
re_str = r'[abc]aaa'
result = fullmatch(re_str, 'caaa')
print(result)
re_str = r'[1-4]\d\d\d'
result = fullmatch(re_str, '1989')
print(result)
re_str = r'[\u0031-\u0039][a-z]'
result = fullmatch(re_str, '1h')
print(result)
re_str = r'[\u4E00-\u9fa5][\u4E00-\u9fa5][\u4E00-\u9fa5]'
result = fullmatch(re_str, '就深刻')
print(result)
re_str = r'[91-]'
result = fullmatch(re_str, '-')
print(result)
匹配一個字符,是字母數(shù)字下劃線或者是空白
re_str = r'[\w\s]'
result = fullmatch(re_str, 'u')
print(result)
13 ^字符集
注意:^必須放在中括號中的最前面才有效
匹配一個四位的字符串,第一位不是abc中的任意一個,后面三位是任意字符
re_str = r'[^abc]...'
re_str = r'[^1-9]...'
result = fullmatch(re_str, '898i')
print(result)
二、正則表達式次數(shù)相關符號
from re import fullmatch
1.* (匹配0次或者多次)
字符* --> 字符出現(xiàn)0次或者多次
匹配0位或者多位的數(shù)字字符串
re_str = r'\d*'
print(fullmatch(re_str, '123'))
用一個正則表達式來檢測一個標識符是否符合要求:數(shù)字字母下劃線組成,數(shù)字不開頭(位數(shù)至少1位)
re_str = r'[a-zA-Z_]\w*'
print(fullmatch(re_str, 'A'))
- +(匹配一次或者多次)
匹配abc前面有一個或者多個數(shù)字的字符串
re_str = r'\d+abc'
print(fullmatch(re_str, '9abc'))
- ?(匹配0次或者1一次)
re_str = r'a?123'
print(fullmatch(re_str, 'a123'))
練習:寫一個正則表達式,匹配所有的整數(shù)(123, -2334, +9...可以匹配的,
012, -023,+0122不能匹配)
re_str = r'[-+]?[1-9]\d*'
print(fullmatch(re_str, '1234'))
- {}(指定次數(shù))
{N} --> 匹配N次
{M,N} --> 匹配M到N次
{M,} --> 至少匹配M次
{,N} --> 最多匹配N次
re_str = r'\d{3}'
print(fullmatch(re_str, '123'))
re_str = r'\d{3,}'
print(fullmatch(re_str, '1234'))
re_str = r'\d{,3}'
print(fullmatch(re_str, '23'))
re_str = r'[a-z]{2,5}'
print(fullmatch(re_str, 'aajk'))
判斷密碼是否符合要求:密碼是由數(shù)字和字母組成,并且位數(shù)是6-16位
re_str = r'[\da-zA-Z]{6,16}'
三、分之和分組
import re
- |(分之)
條件1|條件2 --> 先用條件1去匹配,如果匹配成功就匹配成功。如果條件1匹配失敗,用條件2去匹配。
注意:如果條件1匹配成功就不會用條件2再去匹配
re_str = r'[a-z]{3}|[A-Z]{3}'
print(re.fullmatch(re_str, 'AHD'))
能匹配成功時abc,d和aaa
re_str = r'abc|d|aaa'
print(re.fullmatch(re_str, 'aaa'))
'abc'+W/H/Y
re_str = r'abc(W|H|Y)'
print(re.fullmatch(re_str, 'abcY'))
- ()(分組)
a.組合(將括號中的內(nèi)容作為一個整體進行操作)
b.捕獲 -- 使用帶括號的正則表達式匹配成功后,只獲取括號中的內(nèi)容
c.重復 -- 在正則表達式中可以通過\數(shù)字來重復前面()中匹配到的結果。數(shù)字代表前第幾個分組
a.組合
匹配一個字符串,以數(shù)字字母的組合出現(xiàn)3次
re_str = r'(\d[a-zA-Z]){3}'
print(re.fullmatch(re_str, '2h8h7j'))
b.捕獲
re_str = r'(\d{3})abc'
print(re.fullmatch(re_str, '773abc'))
print(re.findall(re_str, 'euhasdhf873abcssjsja235abcu-03s834432abcjjsks'))
c.重復
re_str = r'([a-z]{3})-(\d{2})\2'
print(re.fullmatch(re_str, 'hsn-2323'))
3.轉義符號
正則表達式中可以通過在特殊的符號前加\,來讓特殊的符號沒有意義
. --> 任意字符 . --> 字符.
+ --> 匹配一次或者多次 + --> 字符+
注意:1.在中括號有特殊功能的符號,只代表符號本身 \不管在哪兒都需要轉2. -在[]外面沒有特殊功能,在[]中要表示-本身,就不要放在兩個字符之間3.()需要轉義
re_str = r'\d{2}\.\d{2}'
print(re.fullmatch(re_str, '12=34'))
re_str = r'\d\+\d'
print(re.fullmatch(re_str, '3+7'))
re_str = r'\(\\'
print(re.fullmatch(re_str, '(\\'))
re_str = r'(\d{3})\1([a-z]{2})\2\1'
print(re.fullmatch(re_str, '123123bbbb123'))
四、re模塊中的函數(shù)
import re
- compile
compile(正則表達式字符串) --> 將正則表達式字符串轉換成正則表達式對象
re_objct = re.compile(r'\d+')
print(re_objct)
print(re_objct.fullmatch('23738'))
- fullmatch和match
fullmatch(正則表達式字符串, 字符串)
--> 用正則表達式去完全匹配字符串(匹配整個字符串),返回匹配對象(SRE_Match)或者None
match(正則表達式字符串, 字符串)
--> 匹配字符串開頭,返回匹配對象或者None
result = re.fullmatch(r'\d([a-zA-Z]+)123', '2hjdh123')
print(result)
1.span(group=0) --> 獲取匹配成功的區(qū)間(左閉右開區(qū)間)
print(result.span(0))
print(result.start(1)) # 獲取匹配到的開始下標
print(result.end(1)) # 獲取匹配到的結束下標后的下標
2.group(group = 0) --> 獲取匹配結果
group()/group(0) --> 獲取正則表達式完全匹配的結果
group(index>0) --> 獲取正則表達式中第group個分組匹配到的結果
print('0:',result.group())
print('1:',result.group(1))
3.string --> 獲取被匹配的原字符串
print(result.string)
result = re.match(r'\d([a-zA-Z]+)123', '2hjdh123ABC')
print('match:',result)
3.search
search(正則表達式, 字符串)
--> 查找字符串中滿足正則表達式的第一個字符串。返回值是匹配對象或者None
result = re.search(r'(\d)[a-zA-Z]+', 'uhsh2hdje+984nf')
print(result.group(0))
print(result.group(1))
print(result.string)
練習:使用search匹配出一個字符串中所有的數(shù)字字符串
# 'abc34jshd8923jkshd9lkkk890k' --> 34,8923,9,890
re_str = r'\d+'
str1 = 'abc34jshd8923jkshd9lkkk890k'
result = re.search(re_str, str1)
while result:
print(result)
str1 = str1[result.end():]
result = re.search(re_str, str1)
4.findall
findall(正則表達式, 字符串)
--> 獲取字符串中滿足正則表達式的所有的子串,返回一個列表
注意:如果正在表達式中有分組,取值的時候只取分組中匹配到的結果;
如果有多個分組,會將每個分組匹配到的結果作為一個元祖的元素
re_str = r'(\d+)k([a-d]+)'
str1 = 'abc34kshd8923kabcshd9lkkk890kaa'
result = re.findall(re_str, str1)
print(result) # [('8923', 'abc'), ('890', 'aa')]
re_str = r'(\d+)k[a-d]+'
str1 = 'abc34kshd8923kabcshd9lkkk890kaa'
result = re.findall(re_str, str1)
print(result) # ['8923', '890']
re_str = r'\d+k[a-d]+'
str1 = 'abc34kshd8923kabcshd9lkkk890kaa'
result = re.findall(re_str, str1)
print(result) # ['8923kabc', '890kaa']
5.finditer
finditer(正則表達式, 字符串)
--> 查找所有滿足正則條件的子串,返回值是迭代器,迭代器中的元素是匹配對象
re_str = r'\d+'
str1 = 'abc34kshd8923kabcshd9lkkk890kaa'
result = re.finditer(re_str, str1)
print(result)
for item in result:
print(item)
- split
split(正則表達式,字符串) --> 將字符串按照滿足正則表達式條件的子串進行分割
str1 = 'ahsb1sssa8-jjhd7nhs+90nsjhf3-4hhh7+8kjj-'
result = re.split(r'[-+]', str1)
print(result)
7.sub
sub(正則表達式,repl,字符串) --> 將字符串中滿足正則表達式條件的子串替換成repl。返回替換后的字符串
str1 = 'hsj8jskfh98ssjj8hshh'
result = re.sub(r'\d+','*', str1)
print(result)
str1 = '智 障,你在干嘛?逼, 后視鏡,媽的加扣扣上'
result = re.sub(r'傻\s*叉|逼|fuck|媽的|智\s*障', '*', str1)
print(result)
with open('./data', 'r', encoding='utf-8') as f:
content = f.read()
# "name": "搞笑精選匯"
result = re.findall(r'"name":"(.+?)"', content)
print(result)
五、藍蓮花模板
需求:播放指定歌曲的時候,給一個時間,能夠把這首歌在這個時間對應的詞返回
面向?qū)ο? 找一個類,讓它擁有解析歌詞的功能
class Lyrics:
"""歌詞類"""
def __init__(self, time='', word=''):
self._time = time
self.word = word
@property
def time(self):
return self._time
@time.setter
def time(self, value):
fen = float(value[1:3])
miao = float(value[4:])
self._time = fen*60+miao
def __gt__(self, other):
return self._time > other._time
def __repr__(self):
return str(self.__dict__)
class LyricsAnalysis:
"""歌詞解析類"""
# name = ''
def __init__(self, name):
self.__name = name # 歌名
self.__all_lyric = [] # 保存當前歌名解析出來的歌詞對象
# 分離歌詞和時間
def __split_time_word(self, line):
# 時間 <-> 歌詞
lines = line.split(']')
# print(lines)
# 獲取每行的詞
word = lines[-1]
# 遍歷獲取每一行的時間
for time in lines[:-1]:
# 根據(jù)時間和詞創(chuàng)建歌詞對象
ly_obj = Lyrics(word=word)
ly_obj.time = time
self.__all_lyric.append(ly_obj)
# 根據(jù)時間獲取歌詞
def get_lyric(self, time: int):
# 判斷之前是否已經(jīng)解析過
if self.__all_lyric:
print('~~~~~')
# 解析過,根據(jù)時間取值
for item in self.__all_lyric:
if item.time < time:
return item.word
# 沒有解析過
# 讀文件內(nèi)容
try:
print('======')
with open('./files/'+self.__name+'.txt', 'r', encoding='utf-8') as f:
line = f.readline()
while line:
# print(line)
self.__split_time_word(line)
line = f.readline()
# __all_lyric保存了所有的歌詞對象
self.__all_lyric.sort(reverse=True)
# print(self.__all_lyric)
# 根據(jù)時間取值
for item in self.__all_lyric:
if item.time < time:
return item.word
except FileNotFoundError:
print('沒有響應的歌詞')
# 藍蓮花 --> 藍蓮花數(shù)據(jù) -->
ly_lan = LyricsAnalysis('藍蓮花')
print(ly_lan.get_lyric(10))
print(ly_lan.get_lyric(12))
print(ly_lan.get_lyric(20))
print(ly_lan.get_lyric(30))
# 七里香 --> 七里香數(shù)據(jù) -->
# ly_qi = LyricsAnalysis('七里香')
六、作業(yè)
- 寫一個正則表達式判斷一個字符串是否是ip地址
規(guī)則:一個ip地址由4個數(shù)字組成,每個數(shù)字之間用.連接。每個數(shù)字的大小是0-255
255.189.10.37 正確
256.189.89.9 錯誤
重點:用正則匹配到一個數(shù)字是0-255
0-9 \d
10-99 [1-9]\d
100-255:
100-199: 1\d{2}
200-249: 2[0-4]\d
250-255: 25[0-5]
# re_str = r'\d|[1-9]\d|(1\d{2}|2[0-4]\d|25[0-5])' # 匹配 0-255
re_str = r'((\d|[1-9]\d|1\d{2}|2[0-4]\d|25[0-5])\.){3}(\d|[1-9]\d|1\d{2}|2[0-4]\d|25[0-5])'
print(re.fullmatch(re_str, '3.89.87.234'))
- 計算一個字符串中所有的數(shù)字的和
例如:字符串是:‘hello90abc 78sjh12.5’ 結果是90+78+12.5 = 180.5
整數(shù):\d+
小數(shù):\d+\.\d+
# re_str = r'\d+\.\d+|\d+'
re_str = r'\d+\.?\d*'
numbers = re.findall(re_str, 'he8l12.lo90abc 78sjh12.5')
print(numbers)
sum1 = 0
for num in numbers:
sum1 += float(num)
print(sum1)
- 驗證輸入的內(nèi)容只能是漢字
re_str = r'[\u4e00-\u9fa5]+'
if re.fullmatch(re_str, '床前明月光疑似地上霜舉頭望明月低頭思故鄉(xiāng)'):
print('輸入正確!')
else:
print('輸入有誤!')
- 電話號碼的驗證
13\d
15[0-3] 15[5-9]
17[6-8]
18[0-9]
re_str = r'1(3\d|5[0-35-9]|7[6-8]|8\d)\d{8}'
num1 = '17841264795'
print(re.fullmatch(re_str, num1))
- 簡單的身份證號的驗證
前6位: 數(shù)字
8位:年月日
年:1910 - 2018
1910-1999: 19[1-9]\d
2000-2009: 200\d
2010-2018: 201[0-8]
月:01-12
01-09: 0[1-9]
10-12: 1[0-2]
日:01-31
01-09: 0[1-9]
10-29: [1-2]\d
30-31:3[01]
3位:數(shù)字
最后一位:數(shù)字或者X
re_str = r'\d{6}(19[1-9]\d|200\d|201[0-8])(0[1-9]|1[0-2])(0[1-9]|[12]\d|3[01])(\d{3})(\d|X)'
print(re.fullmatch(re_str, '500234200003126323'))
二、不定項選擇題
- 能夠完全匹配字符串“(010)-62661617”和字符串“01062661617”的正則表達式包括(A)
A. “(?\d{3})?-?\d{8}”
B. “[0-9()-]+”
C. “[0-9(-)]\d”
D. “[(]?\d[)-]\d*”
能夠完全匹配字符串“c:\rapidminer\lib\plugs”的正則表達式包括(B)
A. “c:\rapidminer\lib\plugs”
B. “c:\rapidminer\lib\plugs”
C. “(?i)C:\RapidMiner\Lib\Plugs” ?i:將后面的內(nèi)容的大寫變成小寫
D. “(?s)C:\RapidMiner\Lib\Plugs” ?s:單行匹配能夠完全匹配字符串“back”和“back-end”的正則表達式包括(C)
A. “\w{4}-\w{3}|\w{4}” match->back,back-end fullmatch-> back,back-end
B. “\w{4}|\w{4}-\w{3}” match-> back, back fullmatch-> back,back-end
C. “\S+-\S+|\S+”
D. “\w\b-\b\w|\w*”能夠完全匹配字符串“go go”和“kitty kitty”,但不能完全匹配“go kitty”的正則表達式包括(A)
:\1就是重復前面第一個()/組合里面的內(nèi)容
:\2就是重復前面第二個()/組合里面的內(nèi)容
A. “\b(\w+)\b\s+\1\b”
B. “\w{2,5}\s*\1”
C. “(\S+) \s+\1”
D. “(\S{2,5})\s{1,}\1”能夠在字符串中匹配“aab”,而不能匹配“aaab”和“aaaab”的正則表達式包括(B)
A. “a*?b”
B. “a{,2}b”
C. “aa??b”
D. “aaa??b”