python中的正则表达式

目录

• 1.正则表达式的简介：
• • 01、正则表达式的定义：
  • 02、正则表达式的使用场景
  • 03、正则表达式的常用函数
  • 2.常用的正则符号：
  • 3.正则表达式的使用

    1.正则表达式的简介：

    01、正则表达式的定义：

    正则表达式是指专门用于描述或刻画字符串内在规律的表达式

    
    （图片来源网络，侵删）

    02、正则表达式的使用场景

    1. 无法通过切片将字符串的子串返回
    2. 借助于replace方法无法完成非固定值或非固定位置值的替换
    3. 借助于split方法无法按照多种值实现字符串的分割

    03、正则表达式的常用函数

    #findall()：返回字符串中所有与模式匹配的字符串列表

    findall(pattern,string,flags=0)
    #pattern:指定需要匹配的正则表达式
    #string:指定待处理的字符串
    #flags:指定匹配模式，常用的可以是re.I,re.M,re.S,re.X;
    #re.I的模式是让正则表达式对大小写不敏感
    #re.M的模式是让正则表达式可以多行匹配
    #re.S的模式指明正则符号.可以匹配任意字符，包括换行符\n
    #re.X模式允许正则表达式可以写的更加详细，如多行表示，忽略空白字符，加入注释等
    

    #sub：用指定的字符串（repl）替换字符串中与模式匹配的项，如果count指定，则替换不超过count次。

    sub(pattern,repl,string,count=0,flags=0)
    #pattern:同findall函数中的pattern
    #repl:指定替换成的新值
    #string:同findall函数中的string
    #count:用于指定最多替换的次数，默认为全部替换
    #flags:同findall函数中的flags
    

    #split()：根据正则表达式模式将字符串分割成多个部分，并返回一个包含这些部分的列表

    split(pattern,string,maxsplit=0,flags=0)
    #pattern:同findall函数中的pattern
    #maxsplit:用于指定最大分割次数，默认为全部分割
    #string:同findall函数中的string
    #flags:同findall函数中的flags
    

    match(）：尝试从字符串的起始位置匹配一个模式，如果匹配成功则返回匹配对象，否则返回None。

    match(pattern, string, flags=0)
    #pattern:同findall函数中的pattern
    #string:同findall函数中的string
    #flags:同findall函数中的flags
    

    2.常用的正则符号：

    字符	功能
    .	英文状态的句号.指代任意字符（如数字，字母，标点符号，汉字等），但除了换行符\n
    反斜杠	表示转义符，用于转换含义的符号
    \n	指代换行；
    \t	指代tab制表符
    \d	指代0-9中任一数字
    \s	指代任意一种空白（如空格，tab,换行等）
    \w	指代字母、数字、下划线中的任意一种
    .	指代句号点本身（前面加的有反斜杠，显示的问题）
    []	英文状态的中括号,指代字符集合，当需要特定字符匹配时，可以选择中括号
    ()	英文状态的圆括号指定特定内容的截取（抠）
    ？	英文状态下的问号，表匹配前一个字符0次或1次
    +	加号，表示匹配前一个字符1次及以上
    *	星号，表示匹配一个字符0次及以上
    {}	英文状态下的{}，表示匹配前一个字符特定的次数或范围
    ^	匹配字符串开头
    $	匹配字符串结尾

    3.正则表达式的使用

    01:.*配合使用，提取所有含红的字符串

    import re
    string1 =['小红','红花','绿叶','小桃红','红领巾','落红','紫鸢']
    res = []
    for i in string1:
        res.extend(re.findall('.*红.*',i))
    print(res)
    # ['小红', '红花', '小桃红', '红领巾', '落红']
    

    02.反斜杠和.配合使用，提取出动力总成的值

    import re
    # 提取出动力总成的值
    s2 = '此次新朗逸主要搭载了1.5L和1.5T两种动力总成的发动机。别克英朗则搭载了1.0T和1.3T的动力总成。'
    print(re.findall('1\...',s2)) ##一个点是小数点，后面两个点事任意两个字符
    # ['1.5L', '1.5T', '1.0T', '1.3T']
    

    03:：[]的使用

    import re
    s5 = '通过对比新朗逸1.5L和1.5T两种动力在1.5年行驶期后的数据。发现1.5T的口碑相对较好！'
    print(re.findall('1.5[a-zA-Z]',s5))
    # ['1.5L', '1.5T', '1.5T']
    

    04：()的使用

    # 提取出用户的年龄
    import re
    s6 = 'id:1, name:Tom, age:3, gender:1; id:2, name:Lily, age:5, gender:0'
    print(re.findall('\d',s6))
    print(re.findall('age:\d',s6))
    print(re.findall('age:(\d)',s6))
    #['1', '3', '1', '2', '5', '0']
    #['age:3', 'age:5']
    #['3', '5']
    

    05:反斜杠和{}配合使用

    import re
    email_list = [ "xiaoWang@163.com" ,"xiaoWang@163.comh" ,".com.xiaowang@qq.com"]
    for email in email_list:
        ret = re.match("[\w]{4,20}@(163|126|qq)\.com$", email) #\.代表只是一个点 $代表以xxx结尾的字符串
        if ret:
            print("%s ---是符合规定的邮件地址" % email)
        else:
            print("%s ---不符合要求" % email)
    #xiaoWang@163.com ---是符合规定的邮件地址
    #xiaoWang@163.comh ---不符合要求
    #.com.xiaowang@qq.com ---不符合要求        
    

    06：()提取数据

    # 导入用于正则表达式的re模块
    import re
    # 取出字符中所有的天气状态
    string1 = "{ymd:'2018-01-01',tianqi:'晴',aqiInfo:'轻度污染'},{ymd:'2018-01-02',tianqi:'阴~小雨',aqiInfo:'优'},{ymd:'2018-01-03',tianqi:'小雨~中雨',aqiInfo:'优'},{ymd:'2018-01-04',tianqi:'中雨~小雨',aqiInfo:'优'}"
    print(re.findall("tianqi:'(.*?)'", string1))
    # ['晴', '阴~小雨', '小雨~中雨', '中雨~小雨']
    

    07:sub()函数使用

    import re
    string3 = '据悉，这次发运的4台蒸汽冷凝罐属于国际热核聚变实验堆（ITER）项目的核二级压力设备，先后完成了压力试验、真空试验、氦气检漏试验、千斤顶试验、吊耳载荷试验、叠装试验等验收试验。'
    print(re.sub('[，。、a-zA-Z0-9（）]','',string3))
    

    08:[^]的使用

    import re
     
    ret = re.match("([^-]*)-(\d+)", "010-12345678") #^在[ ]里面代表非的含义:[^-]*   *代表前所有字符0个或者多个，非-的字符串
     
    print(ret.group())
    print(ret.group(1))
    print(ret.group(2))
    #010-12345678
    #010
    #12345678
    

    09： 对汉字的匹配

    import re
    text = "你好，世界！Hello, 世界！"
    pattern = re.compile(r'[\u4e00-\u9fff]+')  # 匹配汉字的正则表达式
    result = pattern.findall(text)
    print(result)
    # ['你好', '世界', '世界']
    

    import re
    text = "你好，世界！Hello, 世界！"
    pattern = r'[\u4e00-\u9fff]+'  # 匹配汉字的正则表达式
    result = re.match(pattern, text)
    if result:
        print(result.group())  # 输出匹配到的汉字
    else:
        print("No match")
    # 你好
    

    match和findall的区别：

    match 和 findall 都是 Python 中 re 模块提供的用于正则表达式匹配的方法，它们的主要区别在于匹配的方式和返回结果的形式。

    match: 从字符串的开头开始匹配，如果字符串的开头不符合正则表达式，则返回 None。如果匹配成功，返回一个匹配对象，可以使用 group() 方法获取匹配的内容。

    findall: 在整个字符串中查找匹配的内容，并以列表的形式返回所有匹配的结果。如果没有匹配成功，返回空列表。

    上述例子中findal可以找到所有的汉字，match只能找到第一组汉字；