match方法：
match尝试从字符串的起始位置开始匹配
- 如果起始位置没有匹配成功， 返回None;
- 如果起始位置匹配成功， 返回一个对象， 通过group方法获取匹配的内容;
import re
# re:regular express 正则表达式
aObj = re.match(r'we', 'wetoshello')
print(aObj)
print(aObj.group())
# \d 单个数字
# \D \d的取反 , 除了数字之外
bObj = re.match(r'\d', '1westos')
if bObj:
print(bObj.group())
bObj = re.match(r'\D', '_westos')
if bObj:
print(bObj.group())
findall方法：
findall会扫描整个字符串， 获取匹配的所有内容;
import re
res = re.findall(r'\d\d', '阅读数为2 点赞数为10')
print(res)
search方法：
search会扫描整个字符串， 只返回第一个匹配成功的内容的SRE对象;
resObj = re.search(r'\d', '阅读数为8 点赞数为10')
if resObj:
print(resObj.group())
二、正则表达式的特殊字符类
字符类:
[ ]匹配括号内多个字符中的任意一个字符
[^ ]表示匹配除了括号内的任意一个字符
[a-z]：匹配任意一个小写字母
[A-Z]：匹配任意一个大写字母
[a-zA-Z0-9]：匹配任意一个小写或大写字母或数字
[^0-9]：匹配除了数字的任意一个字符
特殊字符类:
.: 匹配除了\n之外的任意字符； [.\n]
\d: digit–(数字)， 匹配一个数字字符， 等价于[0-9]
\D: 匹配一个非数字字符， 等价于[^0-9]
\s: space(广义的空格: 空格, \t, \n, \r), 匹配单个任何的空白字符;
\S: 匹配除了单个任何的空白字符;
\w: 字母数字或者下划线, [a-zA-Z0-9_]
\W: 除了字母数字或者下划线, [^a-zA-Z0-9_]
^: 在[]前面表示以什么开头，在[]里面表示除括号内字符之外的任意一个字符^: 以什么开头
$: 以什么结尾# 匹配数字
# pattern = r'\d'
pattern = r'[0-9]'
string = "hello_1$%"
print(re.findall(pattern, string))
# 匹配字母数字或者下划线;
# pattern = r'\w'
pattern = r'[a-zA-Z0-9_]'
string = "hello_1$%"
print(re.findall(pattern, string))
# 匹配除了字母数字或者下划线;
# pattern = r'\W'
pattern = r'[^a-zA-Z0-9_]'
string = "hello_1$%"
print(re.findall(pattern, string))
# .: 匹配除了\n之外的任意字符； [.\n]
print(re.findall(r'.', 'hello westos\n\t%$'))
指定字符出现的次数
匹配字符出现次数:
*: 代表前一个字符出现0次或者无限次； \d*, .*
+: 代表前一个字符出现一次或者无限次; \d+
?: 代表前一个字符出现1次或者0次； 假设某些字符可省略， 也可以不省略的时候使用，即去贪婪
第二种方式
{m}: 前一个字符出现m次;
{m,}: 前一个字符至少出现m次; * == {0,}; + ==={1,}
{m,n}: 前一个字符出现m次到n次; ? === {0,1}
# *: 代表前一个字符出现0次或者无限次； \d *,.*
print(re.findall(r'\d*', '234'))
print(re.findall(r'.*', 'hello223%'))
print(re.findall(r'd*', 'ddhello223%'))
# +: 代表前一个字符出现一次或者无限次; d+
print(re.findall(r'd+', ''))
print(re.findall(r'd+', 'dddderrttt'))
print(re.findall(r'\d+', '阅读数: 8976 点赞数:900'))
# ?: 代表前一个字符出现1次或者0次； 假设某些字符可省略， 也可以不省略的时候使用
# 2019-10
print(re.findall(r'\d+-?\d+', '2019-10'))
print(re.findall(r'\d+-?\d+', '201910'))
print(re.findall(r'\d{4}-?\d{1,}', '2019-1'))
print(re.findall(r'\d{4}-?\d{1,2}', '2019-10'))
print(re.findall(r'\d+-?\d+', '201910'))
三、北美号码的合法性
问题描述: 北美电话的常用格式:(eg: 2703877865)
前3位: 第一位是区号以2~9开头 , 第2位是0~8, 第三位数字可任意; 中间三位数字:第一位是交换机号, 以2~9开头, 后面两位任意 最后四位数字: 数字不做限制;
# 传统正则 pattern = r'[2-9][0-8]\d[2-9]\d\d\d\d\d\d'
# 可以利用重复符号的方式 pattern = r'[2-9][0-8]\d[2-9]\d{6}'
def is_valid(pattern,tel):
telObj=re.search(pattern,tel)
if telObj:
print('%s合法' %(tel))
else:
print('%s不合法' %(tel))
if __name__ == '__main__':
pattern = r'[2-9][0-8]\d[2-9]\d{6}'
is_valid(pattern,'2777777777')
is_valid(pattern,'1777777777')
四、分组匹配
表示分组
| : 匹配| 左右任意一个表达式即可;
(ab): 将括号中的字符作为一个分组
\num: 引用分组第num个匹配到的字符串
(?P): 分组起别名
(?P=name) : 引用分组的别名
print(re.findall(r'westos|hello', "hellowestos"))
# 进行分组的时候， findall方法只返回分组里面的内容;
print(re.findall(r'(http|https)(.+)', 'http_hello'))
# search
sreObj = re.search(r'(http|https)(.+)', 'http_hello')
if sreObj:
# group方法会返回匹配的所有内容;
print(sreObj.group())
# groups方法返回分组里面的内容;
print(sreObj.groups())
# 需求: 获取标签里面的文字, 并判断标签是否成对出现?
htmlStr = "<html><p>welcome to westos!</p></html>"
pattern = r'<(\w+)><(\w+)>(.+)</\2></\1>'
print(re.findall(pattern, htmlStr))
print(re.findall(pattern, htmlStr)[0][2])
# 需求: 分组起别名?
htmlStr = "<html><p>welcome to westos!</p></html>"
pattern = r'<(?P<FirstTag>\w+)><(?P<SecondTag>\w+)>(?P<Text>.+)' \
r'</(?P=SecondTag)></(?P=FirstTag)>'
print(re.findall(pattern, htmlStr))
sreObj = re.search(pattern, htmlStr)
if sreObj:
print(sreObj.group())
print(sreObj.groups())
print(sreObj.groupdict())
print(sreObj.groupdict()['Text'])
五、练习之URL合法性验证
问题描述: 检查某段给定的文本是否是一个符合需要的URL；
思路:
1). 检查URL是否以web浏览器普遍采用的通信协议方案开头: http, https, ftp file
2). 协议后面紧跟 :// 3). 协议后面字符任意;
def isUrl(url):
pattern = re.compile(r'^(http|https|ftp|file)://.+$')
resObj = re.search(pattern, url)
if resObj:
return True
return False
if __name__ == '__main__':
print(isUrl('file:///tmp'))
print(isUrl('http://www.baidu.com'))
print(isUrl('https://www.baidu.com'))
print(isUrl('ftp://www.baidu.com'))
六、匹配汉字
字符串是否包含中文 []表示匹配方括号的中任意字符，\u4e00是Unicode中汉字的开始，\u9fa5则是Unicode中汉字的结束
user = '南京邮电大学123函数'
pattern = r'[\w\-\u4e00-\u9fa5]+'
print(re.findall(pattern, user))
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
