1. 程式人生 > >Python3-re模組

Python3-re模組

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
李蓮
李二

 
?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
李蓮英
李二棍

{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

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
李蓮英
李二棍子

 
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
李蓮英
李二棍子

表示匹配一個不是"和"的字元任意次
[\d] 456bdha3

4
5
6
3

表示匹配任意一個數字,匹配到4個結果
[\d]+ 456bdha3

456
3

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
()表示分組,將\d{2}[0-9x]分成一組,就可以整體約束他們出現的次數為0-1次
^([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>
<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'''bcd',在對'''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。