python进阶之正则表达式 *** 作

 正则表达式在线验证网站

regex101: build, test, and debug regex

目录

 正则表达式在线验证网站

一、正则表达式

1、. 匹配字符

2、 *  表示重复匹配任意次

 3、+ 重复匹配多次  ，不包括0次

 4、问号  匹配 0 - 1  次

5、花括号  指定匹配次数

 6、贪婪模式和非贪婪模式

7、转义字符   \

8、匹配某种字符类型

9、方括号   表示要匹配 指定的几个字符之一

 10、起始、结尾位置 和 单行、多行模式

（1）起始位置 ^

(2)结束位置  $

11、 竖线 表示匹配其中之一

12、（）   括号分组

13、一个简单的小例子

二、正则表达式在python中应用

1、findall  返回的是一个list

 2、 finditer  返回的是一个迭代器

3、search  返回match对象

4、match  默认从头匹配

5、预加载正则表达式

 6、（）分组取html标签相关内容

---

一、正则表达式 1、. 匹配字符

.  可以表示除换行符之外的所有任意单个字符。

如从下文本，选取出所有的颜色

苹果是绿色的
橙子是橙色的
香蕉是黄色的
乌鸦是黑色的

就可以使用  .色进行匹配  如下:

编写 python代码如下 ：

import re
content = """
    苹果是绿色的
    橙子是橙色的
    香蕉是黄色的
    乌鸦是黑色的
"""

# r 是防止转义
p = re.compile(r'.色')
for i in p.findall(content):
    print(i)

 结果如下：

D:\pythontest\plane\venv\Scripts\python.exe D:/pythontest/plane/正则表达式/test1.py
绿色
橙色
黄色
黑色

2、 *  表示重复匹配任意次

* 表示匹配前面的子表达式任意次，包括0次。

比如，你要从下面的文本中，选择每行逗号后面的字符串内容，包括逗号本身。

苹果，是绿色的
橙子，是橙色的
香蕉，是黄色的
乌鸦，是黑色的
猴子，

就可以这样写正则表达式 ，.*

紧跟在 . 后面， 表示 任意字符可以出现任意次， 所以整个表达式的意思就是在逗号后面的 所有字符，包括逗号

验证如下：

 3、+ 重复匹配多次  ，不包括0次

还是  2 的例子  

 4、问号  匹配 0 - 1  次

5、花括号  指定匹配次数

花括号表示 前面的字符匹配 指定的次数 。

比如 ，下面的文本

红彤彤，绿油油，黑乎乎，绿油油油油

表达式 油{3} 就表示匹配 连续的 油 字 3次

表达式 油{3,4} 就表示匹配 连续的 油 字 至少3次，至多 4 次

就只能匹配 后面的，如下所示

 6、贪婪模式和非贪婪模式

我们要把下面的字符串中的所有html标签都提取出来，

source = ''

得到这样的一个列表

['', '', '']

很容易想到使用正则表达式 <.*>

但是它会匹配

在正则表达式中， ‘*’, ‘+’, ‘?’ 都是贪婪地，使用他们时，会尽可能多的匹配内容，

所以， <.*> 中的 星号（表示任意次数的重复），一直匹配到了 字符串最后的 里面的e。

解决这个问题，就需要使用非贪婪模式，也就是在星号后面加上 ? ，变成这样 <.*?>

 

7、转义字符   \

8、匹配某种字符类型

反斜杠后面接一些字符，表示匹配 某种类型 的一个字符。

比如

\d 匹配0-9之间任意一个数字字符，等价于表达式 [0-9]

\D 匹配任意一个不是0-9之间的数字字符，等价于表达式 [^0-9]

\s 匹配任意一个空白字符，包括 空格、tab、换行符等，等价于表达式 [\t\n\r\f\v]

\S 匹配任意一个非空白字符，等价于表达式 [^ \t\n\r\f\v]

\w 匹配任意一个文字字符，包括大小写字母、数字、下划线，等价于表达式 [a-zA-Z0-9_]

缺省情况也包括 Unicode文字字符，如果指定 ASCII 码标记，则只包括ASCII字母

\W 匹配任意一个非文字字符，等价于表达式 [^a-zA-Z0-9_]

9、方括号   表示要匹配 指定的几个字符之一

比如

[abc] 可以匹配 a, b, 或者 c 里面的任意一个字符。等价于 [a-c] 。

[a-c] 中间的 - 表示一个范围从a 到 c。

如果你想匹配所有的小写字母，可以使用 [a-z]

一些 元字符 在 方括号内 失去了魔法， 变得和普通字符一样了。

比如

[akm.] 匹配 a k m . 里面任意一个字符

这里 . 在括号里面不在表示 匹配任意字符了，而就是表示匹配 . 这个 字符

如果在方括号中使用 ^ ， 表示 非 方括号里面的字符集合。 

 10、起始、结尾位置 和 单行、多行模式 （1）起始位置 ^

^ 表示匹配文本的 开头 位置。

正则表达式可以设定 单行模式 和 多行模式

如果是 单行模式 ，表示匹配 整个文本 的开头位置。

如果是 多行模式 ，表示匹配 文本每行 的开头位置。

比如，下面的文本中，每行最前面的数字表示水果的编号，最后的数字表示价格

001-苹果价格-60，
002-橙子价格-70,
003-香蕉价格-80,

(2)结束位置  $

$ 表示匹配文本的 结尾 位置。

如果是 单行模式 ，表示匹配 整个文本 的结尾位置。

如果是 多行模式 ，表示匹配 文本每行 的结尾位置。

比如，下面的文本中，每行最前面的数字表示水果的编号，最后的数字表示价格

001-苹果价格-60，
002-橙子价格-70,
003-香蕉价格-80,

11、 竖线 表示匹配其中之一

12、（）   括号分组

为什么要有组的概念呢？因为我们往往需要提取已经匹配的 内容里面的 某些部分的信息。

前面，我们有个例子，从下面的文本中，选择每行逗号前面的字符串，也 包括逗号本身 。

苹果，苹果是绿色的
橙子，橙子是橙色的
香蕉，香蕉是黄色的

就可以这样写正则表达式 ^.*，

但是，如果我们要求 不要包括逗号 呢？

当然不能直接 这样写 ^.*

因为最后的逗号 是 特征 所在， 如果去掉它，就没法找 逗号前面的了。

但是把逗号放在正则表达式中，又会包含逗号。

解决问题的方法就是使用 组选择符 ： 括号。

我们这样写 ^(.*)， ，结果如下

 在复杂一点分组如下：

 使用 ?P<分组名>   可以给组进行命名，方面后续拿取

代码如下：

import re

content = """苹果，!@苹果是绿色的"""

# r 是防止转义
p = re.compile(r'^(?P(?P(?P.*)，)!)@')

for match in p.finditer(content):
    print(match.group('a'))
    print(match.group('b'))
    print(match.group('c'))

输出结果如下：

D:\pythontest\plane\venv\Scripts\python.exe D:/pythontest/plane/正则表达式/test1.py
苹果，!
苹果，
苹果

13、一个简单的小例子

将文本下工资取出来

Python3 高级开发工程师 上海互教教育科技有限公司上海-浦东新区2万/月02-18满员
测试开发工程师（C++/python） 上海墨鹍数码科技有限公司上海-浦东新区2.5万/每月02-18未满员
Python3 开发工程师 上海德拓信息技术股份有限公司上海-徐汇区1.3万/每月02-18剩余11人
测试开发工程师（Python） 赫里普（上海）信息科技有限公司上海-浦东新区1.1万/每月02-18剩余5人

如下：

[\d.]+万\/每?月

分析：

[\d.]+ 表示 匹配 数字或者点的多次出现 这就可以匹配像： 3 33 33.33 这样的 数字

万/每{0,1}月 是后面紧接着的，如果没有这个，就会匹配到别的数字， 比如 Python3 里面的3。

其中 每{0,1}月 这部分表示匹配 每月 每 这个字可以出现 0次或者1次。

还可以用 每?月 因为问号表示 前面的字符匹配0次或者1次

二、正则表达式在python中应用 1、findall  返回的是一个list

匹配字符串中，所有符合正则的内容

import re

lis = re.findall(r'\d+','我的电话是：10086，张三的电话是10010')
print(lis)

结果

 2、 finditer  返回的是一个迭代器

匹配字符串中所有的内容，返回的是一个迭代器，从迭代器中拿到内容需要， .group()

import re

lis = re.finditer(r'\d+', '我的电话是：10086，张三的电话是10010')
for i in lis:
    print(i.group())

结果：

D:\pythontest\plane\venv\Scripts\python.exe D:/pythontest/plane/正则表达式/test2.py
10086
10010

3、search  返回match对象

search  找到一个结果就返回，返回的是match对象，拿数据需要.group()

import re

lis = re.search(r'\d+', '我的电话是：10086，张三的电话是10010')
print(lis.group())

结果

D:\pythontest\plane\venv\Scripts\python.exe D:/pythontest/plane/正则表达式/test2.py
10086

4、match  默认从头匹配

代码

import re

lis = re.match(r'\d+', '我的电话是：10086，张三的电话是10010')
print(lis.group())

结果

D:\pythontest\plane\venv\Scripts\python.exe D:/pythontest/plane/正则表达式/test2.py
Traceback (most recent call last):
  File "D:\pythontest\plane\正则表达式\test2.py", line 4, in 
    print(lis.group())
AttributeError: 'NoneType' object has no attribute 'group'

代码

import re

lis = re.match(r'\d+', '10086，张三的电话是10010')
print(lis.group())

结果

D:\pythontest\plane\venv\Scripts\python.exe D:/pythontest/plane/正则表达式/test2.py
10086

5、预加载正则表达式

把参数拿出来提前赋值，如下：

obi  =  re.compile(r'\d+')

使用时只需  obj.find(内容即可)    其它同理

 6、（）分组取html标签相关内容

如下内容：

import re

content = '''张三
李四
王五
赵六'''

# re.S  让.能匹配换行符
obj = re.compile(r"(?P.*?)", re.S)

result = obj.finditer(content)
for it in result:
    print(it.group('c'))

结果如下：

D:\pythontest\plane\venv\Scripts\python.exe D:/pythontest/plane/正则表达式/test2.py
张三
李四
王五
赵六