目錄

• 正則表示式的定義
• 對正則表示式的支援
• 示例
• 例1：驗證輸入的使用者名稱是否有效，使用者名稱由長度為6到20的字母、數字、下劃線組成
• 例2：從字串中找到與正則表示式匹配的部分
• 例3：從上獲取新聞的標題和連結
• 例4：不良內容過濾
• 例5：用正則表示式拆分字串
• 總結

正則表示式的定義

在編寫處理字串的程時，經常會遇到在一段文字中查詢符合某些規則的字串的需求，正則表示式就是用於描述這些規則的工具，換句話說，我們可以使用正則表示式來定義字串的匹配模式，即如何檢查一個字串是否有跟某種模式匹配的部分或者從一個字串中將與模式匹配的部分提取出來或者替換掉。

關於正則表示式的相關知識，大家可以閱讀一篇非常有名的博文叫《正則表示式30分鐘入門教程》，讀完這篇文章後你就可以看懂下面的表格，這是我們對正則表示式中的一些基本符號進行的扼要總結。

說明：如果需要匹配的字元是正則表示式中的特殊字元，那麼可以使用\進行轉義處理，例如想匹配小數點可以寫成\.就可以了，因為直接寫.會匹配任意字元；同理，想匹配圓括號必須寫成\(和\)，否則圓括號被視為正則表示式中的分組QpcRIOwJoy。

Python對正則表示式的支援

Python提供了re模組來支援正則表示式相關操作，下面是re模組中的核心函式。

說明：上面提到的re模組中的這些函式，實際開發中也可以用正則表示式物件的方法替代對這些函式的使用，如果一個正則表示式需要重複的使用，那麼先通過compile函式編譯正則表示式並創建出正則表示式物件無疑是更為明智的選擇。

示例

例1：驗證輸入的使用者名稱是否有效，使用者名稱由長度為6到20的字母、數字、下劃線組成

方法一：通過compile編譯正則表示式建立Pattern物件，通過給Pattern物件發訊息實現匹配檢查。

import re

username = input('請輸入使用者名稱：')
# 通過compile編譯正則表示式建立Pattern物件
username_pattern = re.compile(r'^\w{6,20}$')
print(type(username_pattern))
# 通過給Pattern物件發訊息實現匹配檢查
matcher = username_pattern.match(uQpcRIOwJoysername)
print(type(matcher))
if matcher is None:
    print('無效的使用者名稱')
else:
    print(matcher.group())

方法二：不建立正則表示式物件，直接呼叫函式進行匹配操作

username = input('請輸入使用者名稱：')
matcher = re.fullmatch(r'\w{6,20}',username)
#^是開始符，$是結束符
# matcher = re.match(r'^\w{6,20}$',username)
if matcher is None:
    print('使用者名稱不合法！！！')
else:
    print(matcher)
    print(matcher.group())

匹配操作可以使用match函式，需要新增開始符號^和結束符號$表示匹配字串的開始與結束；也可以使用fullmatch函式，正則表示式不用寫開始符和結束符。上面在書寫正則表示式時使用了“原始字串”的寫法。

例2：從字串中找到與正則表示式匹配的部分

import re

content = """報警電話：110，我們班是Python-2105班，
我的QQ是9597658，我的手機號是13811223344，謝謝！"""

searcher = re.search(r'1[3-9]\d{9}',content)
if not searcher:
    print('沒有找到手機號')
else:
    print(searcher.group())

匹配結果：

13811223344

import re

content = """報警電話：110，我們班是Python-2105班，
我的QQ是9597658，我的手機號是13811223344，謝謝！"""

pattern = re.compile(r'\d+')
matcher = pattern.search(content)
while matcher:
    print(matcher.group())
    # 從上一次匹配成功的結束位置開始搜尋
    matcher = pattern.search(content,matcher.end())

匹配結果：

110
2105
9597658
13811223344

import re

content = """報警電話：110，我們班是Python-2105班，
我的QQ是9597658，我的手機號是13811223344，謝謝！"""

pattern = re.compile(r'\d+')
results = pattern.findall(content)
# 沒有建立正則表示式物件時，也可以用這種方法
# results = re.findall(r'\d+',content)
for result in results:
    print(result)

匹配結果：

110
2105
9597658
13811223344

例3：從網頁上獲取新聞的標題和連結

import re

import requests

resp = requests.get('https://www.sohu.com/')
# .表示任意字元，+表示匹配一個或任意多個，？表示惰性匹配，儘可能短的匹配
pattern = re.compile(r'href="http.+?"')
# 拿到搜狐首頁
content = resp.text
matcher = pattern.search(content)
while matcher:
    print(matcher.group()[6:-1])
    matcher = pattern.search(content,matcher.end())

pattern2 = re.compile(r'title=".+?"')
title_list = pattern2.findall(content)
for title in title_list:
    print(title[7:-1])

對於例3，不能使新聞的標題和連結對應起來，如果使用正則表示式捕獲組，可以實現標題和連結的對應。

import re

import requests

resp = requests.get('https://www.sohu.com/')
# 匹配整個a標籤，但是隻捕獲()中的內容 ---> 正則表示式的捕獲組
# .*連在一起就意味著任意數量的不包含換行的字元
pattern = re.compile(r'<a\s.*?href="(.+?)".*?title="(.+?)".*?>')
content = resp.text
results = pattern.findall(content)
for href,title in results:
    print(title)
    if not href.startswith('https://www.sohu.com'):
        href = 'https://www.sohu.com' + href
    print(href)

例4：不良內容過濾

import re

content = '你真是一個沙雕煞筆，Fuck you!'
# pattern = re.compile(r'[傻沙煞][逼筆雕鄙]|馬化騰|fuck|shit',flags=re.IGNORECASE)
# modified_content = pattern.sub('*',content)
# print(modified_content)
# |表示分支
modified_content = re.sub(r'[傻沙煞][逼筆雕鄙]|fuck|shit','*',content,flags=re.I)
print(modified_content)

例5：用正則表示式拆分字串

import re

poem = '床前明月光，疑是地上霜，舉頭望明月，低頭思故鄉。'
# sentences_list = re.split(r'[，。]',poem)
# sentences_list = re.split(r'，|。',poem)
pattern = re.compile(r'[，。]')
sentences_list = pattern.split(poem)
# sentences_list = [sentence for sentence in sentences_list if sentence]
# print(sentences_list)
for sentence in sentences_list:
    print(sentence)

執行結果：

床前明月光
疑是地上霜
舉頭望明月
低頭思故鄉

總結

本篇文章就到這裡了，希望能給你帶來幫助，也希望您能夠多多關注我們的更多內容！