python-正则

一、基本使用

import re

re regular expression

前提：处理的是字符串

效果：学习正则的语法规则，按照设定的规则，对字符串提取指定的内容--- 按照模块取字符串的指定内容

findall() 找到所有的符合条件的内容进行返回，返回的列表；如果没有找到，则返回空列表

re.findall(pattern=,string=,flags=) pattern正则表达式（即制定匹配规则） string要处理的字符串 flags

flags=re.I 忽略大小写

import re

res = re.findall('1', '1231')  # 在'1234' 里找到所有的'1'
print(res)  
输出： ['1', '1']

res = re.findall('1', '2345')  # 在'1234' 里找到所有的'1'
print(res)  
输出： []

# flags
res = re.findall('p', 'Python你爱不爱python', flags=re.I) # flags=re.I忽略大小写
print(res)   
输出：['P', 'p']

二、匹配单个字符

import re

1. . : 匹配任意1个字符(除了\n)

import re
res = re.findall('h', 'python hello')
print(res)     
输出： ['h', 'h']

res = re.findall('.', 'python hello')
print(res)  
输出：['p', 'y', 't', 'h', 'o', 'n', ' ', 'h', 'e', 'l', 'l', 'o']

2.[]: 匹配[]中列举的一个字符

import re
res = re.findall('[Hl]', 'Hello haha')
print(res)  # ['H', 'l', 'l']

# 匹配0-9
res = re.findall('[0123456789]hello python', '9hello python')
print(res)
res = re.findall('[0-9]hello python', '9hello python')
print(res)  # ['9hello python']
# 取0-9但不要4

res = re.findall('[0-35-9]hello python', '4hello python')
print(res)  # []

3. \d : 匹配数字，即0-9

import re
res = re.findall('今天是8号', '今天是8号吗')
print(res)  
输出：['今天是8号']
res = re.findall('今天是8号', '今天难道是8号吗')
print(res)  
输出：[]
res = re.findall(r'\d', '123')
print(res)   
输出：['1', '2', '3']

6. \S : 匹配非空白

import re
res = re.findall(r'\S', ' hkyx123 ')
print(res)  
输出：['h', 'k', 'y', 'x', '1', '2', '3']

7. \w : 匹配单词字符，即a-z，A-Z，0-9，_ ，汉字

import re
res = re.findall(r'\w','djksalgfdw3pt哈哈')
print(res)  
输出：['d', 'j', 'k', 's', 'a', 'l', 'g', 'f', 'd', 'w', '3', 'p', 't', '哈', '哈']

三、 匹配多个字符

import re

1. * : 匹配前一个字符出现0次或者无限次﹐即可有可无

import re
res = re.findall('[a-z][A-Z]*', 'hkyX12493')  # 在符合条件的基础上，尽可能多地进行匹配
print(res)

2. + : 匹配前一个字符出现1次或者无限次﹐即至少有1次

import re
res = re.findall('[a-zA-Z]+python', 'Hellopython')
print(res)  # ['Hellopython']

3. ? : 匹配前一个字符出现1次或者0次﹐即要么有1次﹐要么没有

import re
res = re.findall('[1-9]?', '1234')
print(res)  # ['1', '2', '3', '4', '']

4. {m} : 匹配前一个字符出现m次

import re
res = re.findall('[0-9]{6}', '12743294hgdkg')
print(res)  # ['127432']

5.{m, n}: 匹配前一个字符出现从m到n次

8-20的密码,可以是大小写、数字、字母、下划线

import re
res = re.findall('[a-zA-Z0-9_]{8,20}', 'DAJSDKL43240J哈哈GASDG_dklgf')
print(res)

四、匹配开头结尾

import re

import re
res = re.findall('^ab', 'abbbbb')
print(res)  # ['ab']
res = re.findall('^[0-9]', '23adklg')
print(res)  # ['2']
res = re.findall('[^0-9]', 'daslg')  # 取反
print(res)  # ['d', 'a', 's', 'l', 'g']

总结：

• 'abc' 表示字符串有'abc'就匹配成功
• '[abc]' 表示字符串中有'a'或'b'或'c'就匹配成功
• '^abc' 表示的是以'abc'开头则匹配成功
• '^[abc]' 表示字符串由'a'或'b'或'c'开头的
• '[^abc]' 表示匹配'a' 'b' 'c'之外的字符

2. $ : 匹配字符串结尾

res = re.findall(r'\w*r$', 'hkyx')
print(res)  # []
res = re.findall(r'\w*r$', 'hkyxr')
print(res)  # ['hkyxr']

提取139邮箱

lst = ['[e-mail]', '[e-mail]', '[e-mail]']
for i in lst:   # i为我们要处理的字符串
    res = re.findall('.*@139.com$', i)
    # print(res)
    if res:
        print(f'{i}符合条件')
    else:
        print(f'{i}不符合条件')

五、匹配分组

import re

1. |: 匹配左右任意一个表达式

import re
res = re.findall('[1-9].*ak|123', '123')
print(res)

2.(ab): 将括号中字符作为一个分组

string = 'abcd1 abcd2 abcd3 abcd4'

1.不带括号

print(re.findall(r'\w+\s+\w+', string))  # ['abcd1 abcd2', 'abcd3 abcd4']

2.带括号---筛选---只返回括号里的内容

print(re.findall(r'(\w+)\s+\w+', string))  # ['abcd1', 'abcd3']
print(re.findall(r'\w+\s+(\w+)', string))  # ['abcd2', 'abcd4']

六、贪婪与非贪婪

贪婪匹配：

在满足匹配时，匹配尽可能长的字符串，默认情况下，采用贪婪匹配.

非贪婪匹配：

在满足匹配时，匹配尽可能短的字符串，使用?来表示非贪婪匹配.

在量词 * ? + {m} {m,n}后直接加?，使贪婪变成非贪婪模式

import re
res = re.findall('ab*', 'abbbb')
print(res)  # ['abbbb']
res = re.findall('ab*?', 'abbbb')   # 非贪婪匹配
print(res) # ['a']