正則表達(dá)式、re模塊、匹配單個字符、匹配多個字符、匹配開頭結(jié)尾、匹配分組、re模塊的高級用法、python貪婪和非貪婪、r的作用
1.正則表達(dá)式的介紹
在實際開發(fā)過程中經(jīng)常會有查找符合某些復(fù)雜規(guī)則的字符串的需要，比如:郵箱、圖片地址、手機(jī)號碼等，這時候想匹配或者查找符合某些規(guī)則的字符串就可以使用正則表達(dá)式了。
<1>正則表達(dá)式概念
正則表達(dá)式(pattern)就是記錄文本規(guī)則的代碼
<2>正則表達(dá)式的樣子
0\d{2}-\d{8} 這個就是一個正則表達(dá)式，表達(dá)的意思是匹配的是座機(jī)號碼
<3>正則表達(dá)式的特點
? 正則表達(dá)式的語法很令人頭疼，可讀性差
? 正則表達(dá)式通用行很強(qiáng)，能夠適用于很多編程語言
小結(jié)
正則表達(dá)式是匹配或者查找符合某些規(guī)則的字符串?dāng)?shù)據(jù)
2.re模塊介紹
<1>re模塊的使用過程
在Python中需要通過正則表達(dá)式對字符串進(jìn)行匹配的時候，可以使用一個模塊，名字為re
\ 轉(zhuǎn)義符
? ? # 導(dǎo)入re模塊
? ? import re
? ? # 使用match方法進(jìn)行匹配操作
? ? result = re.match(正則表達(dá)式,要匹配的字符串)
? ? # 如果上一步匹配到數(shù)據(jù)的話，可以使用group方法來提取數(shù)據(jù)
# pattern: 正則表達(dá)式
# str: 匹配的字符串
# 根據(jù)正則表達(dá)式在指定字符串中從頭匹配數(shù)據(jù)，如果匹配成功返回一個匹配結(jié)果對象,匹配失敗返回None對象
result.group()
3.匹配單個字符
在上一小節(jié)中，了解到通過re模塊能夠完成使用正則表達(dá)式來匹配字符串
本小節(jié)，將要講解正則表達(dá)式的單字符匹配
代碼 功能
. 匹配任意1個字符（除了\n）
[ ] 匹配[ ]中列舉的字符
\d 匹配數(shù)字，即0-9
\D 匹配非數(shù)字，即不是數(shù)字
\s 匹配空白，即 空格，tab鍵
\S 匹配非空白
\w 匹配非特殊字符，即a-z、A-Z、0-9、_、漢字
\W 匹配特殊字符，即非字母、非數(shù)字、非漢字
[^內(nèi)容] 除了^后的內(nèi)容都匹配，可以是一個或者多個內(nèi)容
<1>示例1： .
#coding=utf-8
import re
ret = re.match(".","M")
print(ret.group())
ret = re.match("t.o","too")
print(ret.group())
ret = re.match("t.o","two")
print(ret.group())
運行結(jié)果：
M
too
two
<2>示例2：[]
import re
# 如果hello的首字符小寫，那么正則表達(dá)式需要小寫的h
ret = re.match("h","hello Python")
print(ret.group())
# 如果hello的首字符大寫，那么正則表達(dá)式需要大寫的H
ret = re.match("H","Hello Python")
print(ret.group())
# 大小寫h都可以的情況
ret = re.match("[hH]","hello Python")
print(ret.group())
ret = re.match("[hH]","Hello Python")
print(ret.group())
ret = re.match("[hH]ello Python","Hello Python")
print(ret.group())
# 匹配0到9第一種寫法
ret = re.match("[0123456789]Hello Python","7Hello Python")
print(ret.group())
# 匹配0到9第二種寫法
ret = re.match("[0-9]Hello Python","7Hello Python")
print(ret.group())
ret = re.match("[0-35-9]Hello Python","7Hello Python")
print(ret.group())
# 下面這個正則不能夠匹配到數(shù)字4，因此ret為None
ret = re.match("[0-35-9]Hello Python","4Hello Python")
# print(ret.group())
運行結(jié)果：
h
H
h
H
Hello Python
7Hello Python
7Hello Python
7Hello Python
<3>示例3：\d
import re
# 普通的匹配方式
ret = re.match("嫦娥1號","嫦娥1號發(fā)射成功")
print(ret.group())
ret = re.match("嫦娥2號","嫦娥2號發(fā)射成功")
print(ret.group())
ret = re.match("嫦娥3號","嫦娥3號發(fā)射成功")
print(ret.group())
# 使用\d進(jìn)行匹配
ret = re.match("嫦娥\d號","嫦娥1號發(fā)射成功")
print(ret.group())
ret = re.match("嫦娥\d號","嫦娥2號發(fā)射成功")
print(ret.group())
ret = re.match("嫦娥\d號","嫦娥3號發(fā)射成功")
print(ret.group())
運行結(jié)果：
嫦娥1號
嫦娥2號
嫦娥3號
嫦娥1號
嫦娥2號
嫦娥3號
<4>示例4：\D
import re
match_obj = re.match("\D", "f")
if match_obj:
? ? # 獲取匹配結(jié)果
? ? print(match_obj.group())
else:
? ? print("匹配失敗")
運行結(jié)果:
f
<5>示例5：\s
import re
# 空格屬于空白字符
match_obj = re.match("hello\sworld", "hello world")
if match_obj:
? ? result = match_obj.group()
? ? print(result)
else:
? ? print("匹配失敗")
# \t 屬于空白字符
match_obj = re.match("hello\sworld", "hello\tworld")
if match_obj:
? ? result = match_obj.group()
? ? print(result)
else:
? ? print("匹配失敗")
運行結(jié)果:
hello world
hello world
<6>示例6：\S
import re
match_obj = re.match("hello\Sworld", "hello&world")
if match_obj:
result = match_obj.group()
print(result)
else:
print("匹配失敗")
match_obj = re.match("hello\Sworld", "hello$world")
if match_obj:
result = match_obj.group()
print(result)
else:
print("匹配失敗")
運行結(jié)果:
hello&world?
hello$world
<7>示例7：\w
import re
# 匹配非特殊字符中的一位
match_obj = re.match("\w", "A")
if match_obj:
? ? # 獲取匹配結(jié)果
? ? print(match_obj.group())
else:
? ? print("匹配失敗")
執(zhí)行結(jié)果:
A
<8>示例8：\W
# 匹配特殊字符中的一位
match_obj = re.match("\W", "&")
if match_obj:
? ? # 獲取匹配結(jié)果
? ? print(match_obj.group())
else:
? ? print("匹配失敗")
執(zhí)行結(jié)果:
&
4.匹配多個字符
匹配多個字符的相關(guān)格式
代碼 功能
* 匹配前一個字符出現(xiàn)0次或者無限次，即可有可無
+ 匹配前一個字符出現(xiàn)1次或者無限次，即至少有1次
? 匹配前一個字符出現(xiàn)1次或者0次，即要么有1次，要么沒有
{m} 匹配前一個字符出現(xiàn)m次
{m,n} 匹配前一個字符出現(xiàn)從m到n次
<1>示例1：*
需求：匹配出一個字符串第一個字母為大小字符，后面都是小寫字母并且這些小寫字母可 有可無
import re
ret = re.match("[A-Z][a-z]*","M")
print(ret.group())
ret = re.match("[A-Z][a-z]*","MnnM")
print(ret.group())
ret = re.match("[A-Z][a-z]*","Aabcdef")
print(ret.group())
運行結(jié)果：
M
Mnn
Aabcdef
<2>示例2：+
需求：匹配一個字符串，第一個字符是t,最后一個字符串是o,中間至少有一個字符
import re
match_obj = re.match("t.+o", "two")
if match_obj:
? ? print(match_obj.group())
else:
? ? print("匹配失敗")
運行結(jié)果：
two
<3>示例3：?
需求：匹配出這樣的數(shù)據(jù)，但是https 這個s可能有，也可能是http 這個s沒有
import re
match_obj = re.match("https?", "http")
if match_obj:
? ? print(match_obj.group())
else:
? ? print("匹配失敗")
運行結(jié)果：
https
<4>示例4：{m}、{m,n}逗號和n直接不可以有空格
需求：匹配出，8到20位的密碼，可以是大小寫英文字母、數(shù)字、下劃線
import re
ret = re.match("[a-zA-Z0-9_]{6}","12a3g45678")
print(ret.group())
ret = re.match("[a-zA-Z0-9_]{8,20}","1ad12f23s34455ff66")
print(ret.group())
運行結(jié)果：
12a3g4
1ad12f23s34455ff66
5.匹配開頭結(jié)尾
匹配開頭和結(jié)尾的正則表達(dá)式
代碼 功能
^ 匹配字符串開頭
$ 匹配字符串結(jié)尾
<1>示例1：^
需求：匹配以數(shù)字開頭的數(shù)據(jù)
import re
# 匹配以數(shù)字開頭的數(shù)據(jù)
match_obj = re.match("^\d.*", "3hello")
if match_obj:
? ? # 獲取匹配結(jié)果
? ? print(match_obj.group())
else:
? ? print("匹配失敗")
運行結(jié)果:
3hello
<2>示例2：$
需求: 匹配以數(shù)字結(jié)尾的數(shù)據(jù)
import re
# 匹配以數(shù)字結(jié)尾的數(shù)據(jù)
match_obj = re.match(".*\d$", "hello5")
if match_obj:
? ? # 獲取匹配結(jié)果
? ? print(match_obj.group())
else:
? ? print("匹配失敗")
運行結(jié)果：
hello5
<3>示例3：^ 和 $
需求: 匹配以數(shù)字開頭中間內(nèi)容不管以數(shù)字結(jié)尾
match_obj = re.match("^\d.*\d$", "4hello4")
if match_obj:
? ? # 獲取匹配結(jié)果
? ? print(match_obj.group())
else:
? ? print("匹配失敗")
運行結(jié)果:
4hello4
<4>除了指定字符以外都匹配 [^指定字符]
[^指定字符]: 表示除了指定字符都匹配
指定字符可以是一個或者多個
需求: 第一個字符除了aeiou的字符都匹配
import re
match_obj = re.match("[^aeiou]", "h")
if match_obj:
? ? # 獲取匹配結(jié)果
? ? print(match_obj.group())
else:
? ? print("匹配失敗")
執(zhí)行結(jié)果
h
6.匹配分組
匹配分組相關(guān)正則表達(dá)式
代碼 功能
| 匹配左右任意一個表達(dá)式
(ab) 將括號中字符作為一個分組
\num 引用分組num匹配到的字符串
(?P<name>) 分組起別名
(?P=name) 引用別名為name分組匹配到的字符串
<1>示例1：|
需求：在列表中["apple", "banana", "orange", "pear"]，匹配apple和pear
import re
# 水果列表
fruit_list = ["apple", "banana", "orange", "pear"]
# 遍歷數(shù)據(jù)
for value in fruit_list:
? ? # |? ? 匹配左右任意一個表達(dá)式
? ? match_obj = re.match("apple|pear", value)
? ? if match_obj:
? ? ? ? print("%s是我想要的" % match_obj.group())
? ? else:
? ? ? ? print("%s不是我要的" % value)
執(zhí)行結(jié)果:
apple是我想要的
banana不是我要的
orange不是我要的
pear是我想要的
<2>示例2：( )
需求：匹配出163、126、qq等郵箱
import re
match_obj = re.match("[a-zA-Z0-9_]{4,20}@(163|126|qq|sina|yahoo)\.com", "hello@163.com")
if match_obj:
# 提示： 默認(rèn)獲取的是第0個分組，正則表達(dá)式匹配的數(shù)據(jù)
? ? print(match_obj.group())
? ? # 獲取第一個分組匹配的數(shù)據(jù)
#提示： 分組是按照從左到右一次排序的，默認(rèn)最左邊的是第一個分組
? ? print(match_obj.group(1))
else:
? ? print("匹配失敗")
執(zhí)行結(jié)果:
hello@163.com
163
需求: 匹配qq:10567這樣的數(shù)據(jù)，提取出來qq文字和qq號碼
import re
match_obj = re.match("(qq):([1-9]\d{4,10})", "qq:10567")
if match_obj:
? ? print(match_obj.group())
? ? # 分組:默認(rèn)是1一個分組，多個分組從左到右依次加1
? ? print(match_obj.group(1))
? ? # 提取第二個分組數(shù)據(jù)
? ? print(match_obj.group(2))
else:
? ? print("匹配失敗")
執(zhí)行結(jié)果:
10567
<3>示例3：\num
需求：匹配出<html>hh</html>
match_obj = re.match("<[a-zA-Z1-6]+>.*</[a-zA-Z1-6]+>", "<html>hh</div>")
if match_obj:
? ? print(match_obj.group())
else:
? ? print("匹配失敗")
match_obj = re.match("<([a-zA-Z1-6]+)>.*</\\1>", "<html>hh</html>")
if match_obj:
? ? print(match_obj.group())
else:
? ? print("匹配失敗")
運行結(jié)果：
<html>hh</div>
<html>hh</html>
需求：匹配出<html><h1>www.itcast.cn</h1></html>
match_obj = re.match("<([a-zA-Z1-6]+)><([a-zA-Z1-6]+)>.*</\\2></\\1>", "<html><h1>www.itcast.cn</h1></html>")
if match_obj:
? ? print(match_obj.group())
else:
? ? print("匹配失敗")
運行結(jié)果：
<html><h1>www.itcast.cn</h1></html>
<4>示例4：(?P<name>) (?P=name)
需求：匹配出<html><h1>www.itcast.cn</h1></html>
match_obj = re.match("<(?P<name1>[a-zA-Z1-6]+)><(?P<name2>[a-zA-Z1-6]+)>.*</(?P=name2)></(?P=name1)>", "<html><h1>www.itcast.cn</h1></html>")
if match_obj:
? ? print(match_obj.group())
else:
? ? print("匹配失敗")
運行結(jié)果：
<html><h1>www.itcast.cn</h1></html>
小結(jié)
? (分組數(shù)據(jù))：分組數(shù)是從左到右的方式進(jìn)行分配的
7.re模塊的高級用法
目標(biāo)
? 知道使用findall查找多個字符
? 知道使用sub替換數(shù)據(jù)
? 知道使用split根據(jù)多個標(biāo)識符進(jìn)行分割數(shù)據(jù)
<1>search
需求：匹配出水果的個數(shù)
import re
# 根據(jù)正則表達(dá)式查找數(shù)據(jù)，提示：只查找一次
# 1.pattern: 正則表達(dá)式
# 2.string: 要匹配的字符串
match_obj = re.search("\d+", "水果有20個 其中蘋果10個")
if match_obj:
? ? # 獲取匹配結(jié)果數(shù)據(jù)
? ? print(match_obj.group())
else:
? ? print("匹配失敗")
運行結(jié)果：
20
<2>findall
需求：匹配出多種水果的個數(shù)
import re
# 根據(jù)正則表達(dá)式查找數(shù)據(jù)，提示：可以查找多次，返回一個列表，如果沒找到返回一個空列表
# 1.pattern: 正則表達(dá)式
# 2.string: 要匹配的字符串
result = re.findall("\d+", "蘋果10個 鴨梨5個 總共15個水果")
print(result)
運行結(jié)果：
['10', '5', '15']
<3>sub 將匹配到的數(shù)據(jù)進(jìn)行替換
需求：將匹配到的評論數(shù)改成22
import re
# pattern: 正則表達(dá)式
# repl: 替換后的字符串
# string: 要匹配的字符串
# count=0 替換次數(shù)，默認(rèn)全部替換 , count=1根據(jù)指定次數(shù)替換
result = re.sub("\d+", "22", "評論數(shù):10 贊數(shù):20", count=1)
print(result)
運行結(jié)果：
評論數(shù):22 贊數(shù):20
需求：將匹配到的閱讀數(shù)加1
import re
# match_obj:該參數(shù)系統(tǒng)自動傳入
def add(match_obj):
? ? # 獲取匹配結(jié)果的數(shù)據(jù)
? ? value = match_obj.group()
? ? result = int(value) + 1
? ? # 返回值必須是字符串類型
? ? return str(result)
result = re.sub("\d+", add, "閱讀數(shù):10")
print(result)
運行結(jié)果：
閱讀數(shù):11
<4>split 根據(jù)匹配進(jìn)行切割字符串，并返回一個列表
需求：切割字符串"貂蟬,楊玉環(huán):西施,王昭君"
import re
# 1. 正則
# 2. 要匹配的字符串
# maxsplit=1 分割次數(shù)1次， 默認(rèn)maxsplit=0 全部分割
result = re.split(",|:", my_str, maxsplit=1)
print(result)
運行結(jié)果：
['貂蟬', '楊玉環(huán):西施,王昭君']
思考
使用正則表達(dá)式把職位描述信息提取出來不要html標(biāo)簽數(shù)據(jù)
<div>
<p>崗位職責(zé)：</p>
<p>完成推薦算法、數(shù)據(jù)統(tǒng)計、接口、后臺等服務(wù)器端相關(guān)工作</p>
<p><br></p>
<p>必備要求：</p>
<p>良好的自我驅(qū)動力和職業(yè)素養(yǎng)，工作積極主動、結(jié)果導(dǎo)向</p>
<p>?<br></p>
<p>技術(shù)要求：</p>
<p>1、一年以上 Python 開發(fā)經(jīng)驗，掌握面向?qū)ο蠓治龊驮O(shè)計，了解設(shè)計模式</p>
<p>2、掌握HTTP協(xié)議，熟悉MVC、MVVM等概念以及相關(guān)WEB開發(fā)框架</p>
<p>3、掌握關(guān)系數(shù)據(jù)庫開發(fā)設(shè)計，掌握 SQL，熟練使用 MySQL/PostgreSQL 中的一種<br></p>
<p>4、掌握NoSQL、MQ，熟練使用對應(yīng)技術(shù)解決方案</p>
<p>5、熟悉 Javascript/CSS/HTML5，JQuery、React、Vue.js</p>
<p>?<br></p>
<p>加分項：</p>
<p>大數(shù)據(jù)，數(shù)理統(tǒng)計，機(jī)器學(xué)習(xí)，sklearn，高性能，大并發(fā)。</p>
</div>
參考代碼:
import re
my_str = """<div>
? ? ? ? <p>【職位描述】<br>1、負(fù)責(zé)數(shù)據(jù)后臺服務(wù)的架構(gòu)設(shè)計、開發(fā)、優(yōu)化；<br><br>【任職要求】<br>1、本科以上學(xué)歷，計算機(jī)相關(guān)專業(yè)；<br>2、3年以上python開發(fā)經(jīng)驗；<br>3、熟悉Unix、Linux操作系統(tǒng)原理及常用工具；<br>4、熟悉TCP/IP協(xié)議、進(jìn)程間通訊編程，熟悉Unix/Linux下常用架構(gòu)設(shè)計方法；<br>5、熟悉Mysql數(shù)據(jù)庫，熟悉NoSQL存儲，熟悉面向?qū)ο笤O(shè)計；<br>6、具備全面的軟件知識結(jié)構(gòu)認(rèn)知（操作系統(tǒng)、軟件工程、設(shè)計模式、數(shù)據(jù)結(jié)構(gòu)、數(shù)據(jù)庫系統(tǒng)、網(wǎng)絡(luò)安全）；<br>7、具備良好的分析解決問題能力，能獨立承擔(dān)任務(wù)，有系統(tǒng)進(jìn)度把控能力</p>
? ? ? ? </div>"""
# 根據(jù)正則表達(dá)式替換指定的標(biāo)簽數(shù)據(jù)
result = re.sub(r"</?[a-zA-Z1-6]+>", "", my_str)
# 去除左右空格
print(result.strip())
執(zhí)行結(jié)果:
【職位描述】1、負(fù)責(zé)數(shù)據(jù)后臺服務(wù)的架構(gòu)設(shè)計、開發(fā)、優(yōu)化；【任職要求】1、本科以上學(xué)歷，計算機(jī)相關(guān)專業(yè)；2、3年以上python開發(fā)經(jīng)驗；3、熟悉Unix、Linux操作系統(tǒng)原理及常用工具；4、熟悉TCP/IP協(xié)議、進(jìn)程間通訊編程，熟悉Unix/Linux下常用架構(gòu)設(shè)計方法；5、熟悉Mysql數(shù)據(jù)庫，熟悉NoSQL存儲，熟悉面向?qū)ο笤O(shè)計；6、具備全面的軟件知識結(jié)構(gòu)認(rèn)知（操作系統(tǒng)、軟件工程、設(shè)計模式、數(shù)據(jù)結(jié)構(gòu)、數(shù)據(jù)庫系統(tǒng)、網(wǎng)絡(luò)安全）；7、具備良好的分析解決問題能力，能獨立承擔(dān)任務(wù)，有系統(tǒng)進(jìn)度把控能力
8.python貪婪和非貪婪
目標(biāo)
? 知道貪婪的特點
? 掌握非貪婪的使用
Python里數(shù)量詞默認(rèn)是貪婪的（在少數(shù)語言里也可能是默認(rèn)非貪婪），總是嘗試匹配盡可能多的字符；
非貪婪則相反，總是嘗試匹配盡可能少的字符。
在"*","?","+","{m,n}"后面加上？，使貪婪變成非貪婪。
非貪婪操作符“？”，這個操作符可以用在"*","+","?"的后面，這樣?前面的正則表達(dá)式不能匹配?后面正則表達(dá)式的數(shù)據(jù)
思考
請?zhí)崛《肤~圖片的url地址
字符串為:
<img data-original="https://rpic.douyucdn.cn/appCovers/2016/11/13/1213973_201611131917_small.jpg" src="https://rpic.douyucdn.cn/appCovers/2016/11/13/1213973_201611131917_small.jpg" style="display: inline;">
參考代碼
import re
my_str = """<img alt="小淺月o的直播" data-original="https://rpic.douyucdn.cn/live-cover/appCovers/2018/03/25/3544712_20180325111300_big.jpg" src="https://rpic.douyucdn.cn/live-cover/appCovers/2018/03/25/3544712_20180325111300_big.jpg" width="283" height="163" class="JS_listthumb" style="display: block;">"""
# python里面正則表達(dá)式默認(rèn)是貪婪的， 盡量根據(jù)正則表達(dá)式多匹配數(shù)據(jù)
# 設(shè)置成為非貪婪， 非貪婪就是根據(jù)正則表達(dá)式盡量少匹配數(shù)據(jù)
# 非貪婪的樣式: *? +? ??
# 非貪婪的含義:?后面的數(shù)據(jù)不要前面去匹配，讓?后面匹配
match_obj = re.search(r"https?://.*?\.jpg", my_str)
if match_obj:
? ? # 獲取匹配結(jié)果數(shù)據(jù)
? ? print(match_obj.group())
else:
? ? print("匹配失敗")
執(zhí)行代碼：
https://rpic.douyucdn.cn/live-cover/appCovers/2018/03/25/3544712_20180325111300_big.jpg
9.r的作用
目標(biāo)
? 知道r的作用
說明
Python中字符串前面加上 r 表示原生字符串，數(shù)據(jù)里面的反斜杠不需要進(jìn)行轉(zhuǎn)義，針對的只是反斜杠
Python里的原生字符串很好地解決了這個問題，有了原生字符串，你再也不用擔(dān)心是不是漏寫了反斜杠，寫出來的表達(dá)式也更直觀。
建議: 如果使用使用正則表達(dá)式匹配數(shù)據(jù)可以都加上r，要注意r針對的只是反斜杠起作用，不需要對其進(jìn)行轉(zhuǎn)義
>>> ret = re.match(r"c:\\a",mm).group()
>>> print(ret)
c:\a
小結(jié)
? r 表示原生字符串，數(shù)據(jù)里面的反斜杠不需要進(jìn)行轉(zhuǎn)義，針對的只是反斜杠
