re模塊正則表達式
引子
請從以下文件裏取出所有的手機號
姓名 地區 身高 體重 電話 況詠蜜 北京 171 48 13651054608 王心顏 上海 169 46 13813234424 馬纖羽 深圳 173 50 13744234523 喬亦菲 廣州 172 52 15823423525 羅夢竹 北京 175 49 18623423421 劉諾涵 北京 170 48 18623423765 嶽妮妮 深圳 177 54 18835324553 賀婉萱 深圳 174 52 18933434452 葉梓萱 上海 171 49 18042432324 杜姍姍 北京 167 49 13324523342
你能想到的辦法是什麽？
必然是下面這種吧？
f = open("兼職白領學生空姐模特護士聯系方式.txt",‘r‘,encoding="gbk") phones = [] for line in f: name,city,height,weight,phone = line.split() if phone.startswith(‘1‘) and len(phone) == 11: phones.append(phone) print(phones)
有沒有更簡單的方式？
手機號是有規則的，都是數字且是11位，再嚴格點，就都是1開頭，如果能把這樣的規則寫成代碼，直接拿規則代碼匹配文件內容不就行了？
這麽nb的玩法是什麽？它的名字叫正則表達式！
re模塊
正則表達式就是字符串的匹配規則，在多數編程語言裏都有相應的支持，python裏對應的模塊是re
常用的表達式規則
‘.‘ 默認匹配除\n之外的任意一個字符，若指定flag DOTALL,則匹配任意字符，包括換行 ‘^‘ 匹配字符開頭，若指定flags MULTILINE,這種也可以匹配上(r"^a","\nabc\neee",flags=re.MULTILINE) ‘$‘ 匹配字符結尾， 若指定flags MULTILINE ,re.search(‘foo.$‘,‘foo1\nfoo2\n‘,re.MULTILINE).group() 會匹配到foo1 ‘*‘ 匹配*號前的字符0次或多次， re.search(‘a*‘,‘aaaabac‘) 結果‘aaaa‘ ‘+‘ 匹配前一個字符1次或多次，re.findall("ab+","ab+cd+abb+bba") 結果[‘ab‘, ‘abb‘] ‘?‘ 匹配前一個字符1次或0次 ,re.search(‘b?‘,‘alex‘).group() 匹配b 0次 ‘{m}‘ 匹配前一個字符m次 ,re.search(‘b{3}‘,‘alexbbbs‘).group() 匹配到‘bbb‘ ‘{n,m}‘ 匹配前一個字符n到m次，re.findall("ab{1,3}","abb abc abbcbbb") 結果‘abb‘, ‘ab‘, ‘abb‘] ‘|‘ 匹配|左或|右的字符，re.search("abc|ABC","ABCBabcCD").group() 結果‘ABC‘ ‘(...)‘ 分組匹配， re.search("(abc){2}a(123|45)", "abcabca456c").group() 結果為‘abcabca45‘ ‘\A‘ 只從字符開頭匹配，re.search("\Aabc","alexabc") 是匹配不到的，相當於re.match(‘abc‘,"alexabc") 或^ ‘\Z‘ 匹配字符結尾，同$ ‘\d‘ 匹配數字0-9 ‘\D‘ 匹配非數字 ‘\w‘ 匹配[A-Za-z0-9] ‘\W‘ 匹配非[A-Za-z0-9] ‘s‘ 匹配空白字符、\t、\n、\r , re.search("\s+","ab\tc1\n3").group() 結果 ‘\t‘ ‘(?P<name>...)‘ 分組匹配 re.search("(?P<province>[0-9]{4})(?P<city>[0-9]{2})(?P<birthday>[0-9]{4})","371481199306143242").groupdict("city") 結果{‘province‘: ‘3714‘, ‘city‘: ‘81‘, ‘birthday‘: ‘1993‘}
re的匹配語法有以下幾種
- re.match 從頭開始匹配
- re.search 匹配包含
- re.findall 把所有匹配到的字符放到以列表中的元素返回
- re.split 以匹配到的字符當做列表分隔符
- re.sub 匹配字符並替換
- re.fullmatch 全部匹配
re.compile(pattern, flags=0)
Compile a regular expression pattern into a regular expression object, which can be used for matching using its match(), search() and other methods, described below.
The sequence
prog = re.compile(pattern)
result = prog.match(string)
is equivalent to
result = re.match(pattern, string)
but using re.compile() and saving the resulting regular expression object for reuse is more efficient when the expression will be used several times in a single program.
re.match(pattern, string, flags=0)
從起始位置開始根據模型去字符串中匹配指定內容，匹配單個
- pattern 正則表達式
- string 要匹配的字符串
- flags 標誌位，用於控制正則表達式的匹配方式
import re
obj = re.match(‘\d+‘, ‘123uuasf‘)
if obj:
print obj.group()
Flags標誌符
- re.I(re.IGNORECASE): 忽略大小寫（括號內是完整寫法，下同）
- M(MULTILINE): 多行模式，改變‘^‘和‘$‘的行為
- S(DOTALL): 改變‘.‘的行為,make the ‘.‘ special character match any character at all, including a newline; without this flag, ‘.‘ will match anything except a newline.
- X(re.VERBOSE) 可以給你的表達式寫註釋，使其更可讀，下面這2個意思一樣
a = re.compile(r"""\d + # the integral part
\. # the decimal point
\d * # some fractional digits""",
re.X)
b = re.compile(r"\d+\.\d*")
re.search(pattern, string, flags=0)
根據模型去字符串中匹配指定內容，匹配單個
re的匹配語法有以下幾種
- re.match 從頭開始匹配
- re.search 匹配包含
- re.findall 把所有匹配到的字符放到以列表中的元素返回
- re.split 以匹配到的字符當做列表分隔符
- re.sub 匹配字符並替換
- re.fullmatch 全部匹配
re.compile(pattern, flags=0)
Compile a regular expression pattern into a regular expression object, which can be used for matching using its match(), search() and other methods, described below.
The sequence
prog = re.compile(pattern)
result = prog.match(string)
is equivalent to
result = re.match(pattern, string)
but using re.compile() and saving the resulting regular expression object for reuse is more efficient when the expression will be used several times in a single program.
re.match(pattern, string, flags=0)
從起始位置開始根據模型去字符串中匹配指定內容，匹配單個
- pattern 正則表達式
- string 要匹配的字符串
- flags 標誌位，用於控制正則表達式的匹配方式
import re
obj = re.match(‘\d+‘, ‘123uuasf‘)
if obj:
print obj.group()
Flags標誌符
- re.I(re.IGNORECASE): 忽略大小寫（括號內是完整寫法，下同）
- M(MULTILINE): 多行模式，改變‘^‘和‘$‘的行為
- S(DOTALL): 改變‘.‘的行為,make the ‘.‘ special character match any character at all, including a newline; without this flag, ‘.‘ will match anything except a newline.
- X(re.VERBOSE) 可以給你的表達式寫註釋，使其更可讀，下面這2個意思一樣
a = re.compile(r"""\d + # the integral part
\. # the decimal point
\d * # some fractional digits""",
re.X)
b = re.compile(r"\d+\.\d*")
re.search(pattern, string, flags=0)
根據模型去字符串中匹配指定內容，匹配單個
import re
obj = re.search(‘\d+‘, ‘u123uu888asf‘)
if obj:
print obj.group()
re.findall(pattern, string, flags=0)
match and search均用於匹配單值，即：只能匹配字符串中的一個，如果想要匹配到字符串中所有符合條件的元素，則需要使用 findall。
import re
obj = re.findall(‘\d+‘, ‘fa123uu888asf‘)
print obj
re.sub(pattern, repl, string, count=0, flags=0)
用於替換匹配的字符串
>>>re.sub(‘[a-z]+‘,‘sb‘,‘武配齊是abc123‘,)
>>> re.sub(‘\d+‘,‘|‘, ‘alex22wupeiqi33oldboy55‘,count=2)
‘alex|wupeiqi|oldboy55‘
相比於str.replace功能更加強大
re.split(pattern, string, maxsplit=0, flags=0)
>>>s=‘9-2*5/3+7/3*99/4*2998+10*568/14‘
>>>re.split(‘[\*\-\/\+]‘,s)
[‘9‘, ‘2‘, ‘5‘, ‘3‘, ‘7‘, ‘3‘, ‘99‘, ‘4‘, ‘2998‘, ‘10‘, ‘568‘, ‘14‘]
>>> re.split(‘[\*\-\/\+]‘,s,3)
[‘9‘, ‘2‘, ‘5‘, ‘3+7/3*99/4*2998+10*568/14‘]
re.fullmatch(pattern, string, flags=0)
整個字符串匹配成功就返回re object, 否則返回None
re.fullmatch(‘\w+@\w+\.(com|cn|edu)‘,"[email protected]")
練習：
1.驗證手機號是否合法
2.驗證郵箱是否合法
3.開發一個簡單的python計算器，實現加減乘除及拓號優先級解析
- 用戶輸入 1 - 2 * ( (60-30 +(-40/5) * (9-2*5/3 + 7 /3*99/4*2998 +10 * 568/14 )) - (-4*3)/ (16-3*2) )等類似公式後，必須自己解析裏面的(),+,-,*,/符號和公式(不能調用eval等類似功能偷懶實現)，運算後得出結果，結果必須與真實的計算器所得出的結果一致
hint:
re.search(r‘\([^()]+\)‘,s).group()#可拿到最裏層的括號中的值
‘(-40/5)
re模塊正則表達式