Python3-re模組
阿新 • • 發佈:2019-01-06
根據手機號碼一共11位並且是隻以13、14、15、18開頭的數字這些特點,我們用python寫了如下程式碼:
while True: phone_number = input('please input your phone number : ') if len(phone_number) == 11 \ and phone_number.isdigit()\ and (phone_number.startswith('13') \ or phone_number.startswith('14') \ or phone_number.startswith('15') \ or phone_number.startswith('18')): print('是合法的手機號碼') else: print('不是合法的手機號碼')
這是你的寫法,現在我要展示一下我的寫法:
import re phone_number = input('please input your phone number : ') if re.match('^(13|14|15|18)[0-9]{9}$',phone_number): print('是合法的手機號碼') else: print('不是合法的手機號碼')
這樣寫明顯程式碼少了很多,這就是python的re模組(正則表示式)
正則表示式本身也和python沒有什麼關係,就是匹配字串內容的一種規則。
官方定義:正則表示式是對字串操作的一種邏輯公式,就是用事先定義好的一些特定字元、及這些特定字元的組合,組成一個“規則字串”,這個“規則字串”用來表達對字串的一種過濾邏輯。
正則表示式
字元:
元字元 |
匹配內容 |
. | 匹配除換行符以外的任意字元 |
\w | 匹配字母或數字或下劃線 |
\s | 匹配任意的空白符 |
\d | 匹配數字 |
\n | 匹配一個換行符 |
\t | 匹配一個製表符 |
\b | 匹配一個單詞的結尾 |
^ | 匹配字串的開始 |
$ | 匹配字串的結尾 |
\W | 匹配非字母或數字或下劃線 |
\D | 匹配非數字 |
\S | 匹配非空白符 |
a|b | 匹配字元a或字元b |
() | 匹配括號內的表示式,也表示一個組 |
[...] | 匹配字元組中的字元 |
[^...] | 匹配除了字元組中字元的所有字元 |
量詞:
量詞 |
用法說明 |
* | 重複零次或更多次 |
+ | 重複一次或更多次 |
? | 重複零次或一次 |
{n} | 重複n次 |
{n,} | 重複n次或更多次 |
{n,m} | 重複n到m次 |
* + ? { }
正則 | 待匹配字元 | 匹配 結果 |
說明 |
李.? | 李傑和李蓮英和李二棍子 | 李傑 |
?表示重複零次或一次,即只匹配"李"後面一個任意字元 |
李.* | 李傑和李蓮英和李二棍子 | 李傑和李蓮英和李二棍子 | *表示重複零次或多次,即匹配"李"後面0或多個任意字元 |
李.+ | 李傑和李蓮英和李二棍子 | 李傑和李蓮英和李二棍子 | +表示重複一次或多次,即只匹配"李"後面1個或多個任意字元 |
李.{1,2} | 李傑和李蓮英和李二棍子 | 李傑和 |
{1,2}匹配1到2次任意字元 |
注意:前面的*,+,?等都是貪婪匹配,也就是儘可能匹配,後面加?號使其變成惰性匹配
正則 | 待匹配字元 | 匹配 結果 |
說明 |
李.*? | 李傑和李蓮英和李二棍子 | 李 李 李 |
惰性匹配 |
字符集[][^]
正則 | 待匹配字元 | 匹配 結果 |
說明 |
李[傑蓮英二棍子]* | 李傑和李蓮英和李二棍子 | 李傑 |
表示匹配"李"字後面[傑蓮英二棍子]的字元任意次 |
李[^和]* | 李傑和李蓮英和李二棍子 | 李傑 |
表示匹配一個不是"和"的字元任意次 |
[\d] | 456bdha3 | 4 |
表示匹配任意一個數字,匹配到4個結果 |
[\d]+ | 456bdha3 | 456 |
表示匹配任意個數字,匹配到2個結果 |
分組 ()與 或 |[^]
身份證號碼是一個長度為15或18個字元的字串,如果是15位則全部由數字組成,首位不能為0;如果是18位,則前17位全部是數字,末位可能是數字或x,下面我們嘗試用正則來表示:
正則 | 待匹配字元 | 匹配 結果 |
說明 |
^[1-9]\d{13,16}[0-9x]$ | 110101198001017032 | 110101198001017032 |
表示可以匹配一個正確的身份證號 |
^[1-9]\d{13,16}[0-9x]$ | 1101011980010170 | 1101011980010170 |
表示也可以匹配這串數字,但這並不是一個正確的身份證號碼,它是一個16位的數字 |
^[1-9]\d{14}(\d{2}[0-9x])?$ | 1101011980010170 | False |
現在不會匹配錯誤的身份證號了 |
^([1-9]\d{16}[0-9x]|[1-9]\d{14})$ | 110105199812067023 | 110105199812067023 |
表示先匹配[1-9]\d{16}[0-9x]如果沒有匹配上就匹配[1-9]\d{14} |
轉義符 \
在正則表示式中,有很多有特殊意義的是元字元,比如\n和\s等,如果要在正則中匹配正常的"\n"而不是"換行符"就需要對"\"進行轉義,變成'\\'。
在python中,無論是正則表示式,還是待匹配的內容,都是以字串的形式出現的,在字串中\也有特殊的含義,本身還需要轉義。所以如果匹配一次"\n",字串中要寫成'\\n',那麼正則裡就要寫成"\\\\n",這樣就太麻煩了。這個時候我們就用到了r'\n'這個概念,此時的正則是r'\\n'就可以了。
正則 | 待匹配字元 | 匹配 結果 |
說明 |
\n | \n | False | 因為在正則表示式中\是有特殊意義的字元,所以要匹配\n本身,用表示式\n無法匹配 |
\\n | \n | True | 轉義\之後變成\\,即可匹配 |
"\\\\n" | '\\n' | True | 如果在python中,字串中的'\'也需要轉義,所以每一個字串'\'又需要轉義一次 |
r'\\n' | r'\n' | True | 在字串之前加r,讓整個字串不轉義 |
貪婪匹配
貪婪匹配:在滿足匹配時,匹配儘可能長的字串,預設情況下,採用貪婪匹配
正則 | 待匹配字元 | 匹配 結果 |
說明 |
<.*> | <script>...<script> |
<script>...<script> | 預設為貪婪匹配模式,會匹配儘量長的字串 |
<.*?> | r'\d' | <script> |
加上?為將貪婪匹配模式轉為非貪婪匹配模式,會匹配儘量短的字串 |
幾個常用的非貪婪匹配Pattern
*? 重複任意次,但儘可能少重複 +? 重複1次或更多次,但儘可能少重複 ?? 重複0次或1次,但儘可能少重複 {n,m}? 重複n到m次,但儘可能少重複 {n,}? 重複n次以上,但儘可能少重複
.*?的用法
. 是任意字元 * 是取 0 至 無限長度 ? 是非貪婪模式。 合在一起就是 取儘量少的任意字元,一般不會這麼單獨寫,他大多用在: .*?x 就是取前面任意長度的字元,直到第一個x出現
re模組下的常用方法
import re ret = re.findall('a', 'eva egon yuan') # 返回所有滿足匹配條件的結果,放在列表裡 print(ret) #結果 : ['a', 'a'] ret = re.search('a', 'eva egon yuan').group() print(ret) #結果 : 'a' # 函式會在字串內查詢模式匹配,只到找到第一個匹配然後返回一個包含匹配資訊的物件,該物件可以 # 通過呼叫group()方法得到匹配的字串,如果字串沒有匹配,則返回None。 ret = re.match('a', 'abc').group() # 同search,不過盡在字串開始處進行匹配 print(ret) #結果 : 'a' ret = re.split('[ab]', 'abcd') # 先按'a'分割得到''和'bcd',在對''和'bcd'分別按'b'分割 print(ret) # ['', '', 'cd'] ret = re.sub('\d', 'H', 'eva3egon4yuan4', 1)#將數字替換成'H',引數1表示只替換1個 print(ret) #evaHegon4yuan4 ret = re.subn('\d', 'H', 'eva3egon4yuan4')#將數字替換成'H',返回元組(替換的結果,替換了多少次) print(ret) obj = re.compile('\d{3}') #將正則表示式編譯成為一個 正則表示式物件,規則要匹配的是3個數字 ret = obj.search('abc123eeee') #正則表示式物件呼叫search,引數為待匹配的字串 print(ret.group()) #結果 : 123 import re ret = re.finditer('\d', 'ds3sy4784a') #finditer返回一個存放匹配結果的迭代器 print(ret) # <callable_iterator object at 0x10195f940> print(next(ret).group()) #檢視第一個結果 print(next(ret).group()) #檢視第二個結果 print([i.group() for i in ret]) #檢視剩餘的結果
注意:
1 findall的優先順序查詢:
import re ret = re.findall('www.(baidu|oldboy).com', 'www.oldboy.com') print(ret) # ['oldboy'] 這是因為findall會優先把組裡的匹配結果內容返回,如果想要匹配結果,取消許可權即可 ret = re.findall('www.(?:baidu|oldboy).com', 'www.oldboy.com') print(ret) # ['www.oldboy.com']
2 split的優先順序查詢
ret=re.split("\d+","eva3egon4yuan") print(ret) #結果 : ['eva', 'egon', 'yuan'] ret=re.split("(\d+)","eva3egon4yuan") print(ret) #結果 : ['eva', '3', 'egon', '4', 'yuan'] #在匹配部分加上()之後所切出的結果是不同的, #沒有()的沒有保留所匹配的項,但是有()的卻能夠保留了匹配的項, #這個在某些需要保留匹配部分的使用過程是非常重要的。