<返回更多

python正则一篇搞掂

2023-09-14  微信公众号  测试玩家勇哥
加入收藏

正则表达式

一、概述

1. 概念

正则表达式是对字符串操作的一种逻辑公式,就是用事先定义好的一些特定字符、及这些特定字符的组合,组成一个“规则字符串”,这个“规则字符串”用来表达对字符串的一种过滤逻辑。

2. 目的

给定一个正则表达式和另一个字符串,我们可以达到如下的目的:

Python/ target=_blank class=infotextkey>Python 中通过系统库 re 实现正则表达式的所有功能

二、正则表达式符号

1. 普通字符

下面的案例使用 re 模块的 findall() 函数,函数参考如下:

在最简单的情况下,一个正则表达式看上去就是一个普通的查找串


 
import res1 = "testing123"s2 = "Testing123"r = re.findall("test", s1)  # 表示在s1中找到字符串"test"print(r) 

运行结果:

['test'] 
r = re.findall("test", s2)print(r)  

运行结果:

[]
r = re.findall("test", s2, re.I) # 修饰符re.I:使匹配对大小写不敏感print(r)

运行结果:

['Test']

2. 元字符

. ^ $ * + ? { } [ ] | ( ) 
符号 功能
. 通配符 . 匹配除 n 之外的任何单个字符
^ 脱字符 ^ 匹配输入字符串的开始位置
$ 美元符 $ 匹配输入字符串的结束位置
* 重复元字符 * 匹配前面的子表达式任意次
+ 重复元字符 + 匹配前面的子表达式一次或多次(至少一次)
? 重复元字符 ? 匹配前面的子表达式 0 次或 1 次
{} 重复元字符{}也是控制匹配前面的子表达式次数
[ ] 字符组 []表示匹配给出的任意字符
| 选择元字符 `
( ) 分组元字符 ()将括号之间的表达式定义为组(group),并且将匹配这个子表达式的字符返回
转义元字符  用来匹配元字符本身时的转义,和特定字符组成字符串,见预定义字符组

2.1 通配符 .

匹配除 n 之外的任何单个字符

s1 = "testing123"s2 = "testing123n"r = re.findall(".", s1)print(r)

运行结果:

['t', 'e', 's', 't', 'i', 'n', 'g', '1', '2', '3']
r = re.findall(".", s2)  # 除“n”print(r)

运行结果:

['t', 'e', 's', 't', 'i', 'n', 'g', '1', '2', '3']

修饰符 re.S 使 . 匹配包括换行在内的所有字符

r = re.findall(".", s2, re.S)  print(r) 

运行结果:

['t', 'e', 's', 't', 'i', 'n', 'g', '1', '2', '3', 'n']
2.2 脱字符 ^

匹配输入字符串的开始位置

s1 = "testingnTestingntest"
r = re.findall("^test", s1)  # 默认只匹配单行print(r) 

运行结果:

 
['test']
r = re.findall("^test", s1, re.M)   # 修饰符re.M:多行匹配print(r)

运行结果:

['test', 'test']
r = re.findall("^test", s1, re.I | re.M)  print(r)  # 输出['test', 'Test', 'test']

运行结果:

['test', 'Test', 'test']

2.3美元符 $

匹配输入字符串的结束位置

s1 = "testingnTestingntest"r = re.findall("testing$", s1)  # 默认匹配单行print(r)

运行结果:

[]
r = re.findall("testing$", s1, re.M)   # 修饰符re.M:多行匹配print(r)  # 输出['testing']

运行结果:

['testing']
r = re.findall("testing$", s1, re.I | re.M)    # 多个修饰符通过 OR(|) 来指定print(r)  # 输出['testing', 'Testing'] 

运行结果:

['testing', 'Testing'] 

2.4 重复元字符 *,+,?

s1 = "znzonzoo"r = re.findall("zo*", s1)     # 匹配o{0,}print(r)

 运行结果:

['z', 'zo', 'zoo']

 r = re.findall("zo+", s1)   # 匹配o{1,}

print(r)

  运行结果:

['zo', 'zoo']
  r = re.findall("zo?", s1)    # 匹配o{0,1}

print(r)

 运行结果:

['z', 'zo', 'zo']

 

2.5重复元字符 {}

也是控制匹配前面的子表达式次数

s1 = "znzonzoo"r = re.findall("zo*", s1)     # 匹配o{0,},逗号后不能空格r1 = re.findall(r"zo{0,}", s1)print(r)  # ['z', 'zo', 'zoo']print(r1)  # ['z', 'zo', 'zoo']

运行结果:

['z', 'zo', 'zoo']['z', 'zo', 'zoo']
r = re.findall("zo+", s1)   # 匹配o{1,}r1 = re.findall(r"zo{1,}", s1)print(r)  # 输出['zo', 'zoo']print(r1)  # 输出['zo', 'zoo']

运行结果:


 
['zo', 'zoo']['zo', 'zoo'] 
r1 = re.findall("zo{2}", s1)  print(r1)  # 输出['zoo']

运行结果:

 
['zoo']

2. 6 字符组 []

表示匹配给出的任意字符

s1 = "吴建国n李建国n黄建国"
r = re.findall("[黄刘李]建国", s1)   # 匹配包含的任意字符print(r) 

运行结果:

 
['李建国', '黄建国']
s1 = "testnTestingnzoo"r = re.findall("[e-o]", s1)   # 匹配包含的字符范围print(r)

运行结果:

 
['e', 'e', 'i', 'n', 'g', 'o', 'o']

 

s1 = "testnTestingnzoo"r = re.findall("^[tz]", s1, re.M)   # 回忆脱字符,匹配以[tz]开头字符。print(r)

运行结果:

 
['t', 'z']
s1 = "吴建国n李建国n黄建国"r = re.findall("[^黄刘李]建国", s1)    # ^放到[]的里面,表示排除print(r)

运行结果:


 
['吴建国']
s1 = "testnTestingnzoo"r1 = re.findall("[^e-o]", s1)    # 匹配未包含的字符范围print(r1)  # 输出['t', 's', 't', 'n', 'T', 's', 't', 'n', 'z']

2.7 选择元字符 |

表示两个表达式选择一个匹配

s1 = "znzoodnfood"r = re.findall("z|food", s1)   # 匹配"z"或"food"print(r)

运行结果:


 
['z', 'z', 'food']
r = re.findall("[z|f]ood", s1)   # 匹配"zood"或"food"print(r)
 

运行结果:

 
['zood', 'food']

2.8 分组元字符 ()

将括号之间的表达式定义为组(group),并且将匹配这个子表达式的字符返回

s1 = "znzoodnfood"r = re.findall("[z|f]o*", s1)   # 不加分组,拿到的引号内正则表达式匹配到的字符print(r)

运行结果:

 
['z', 'zoo', 'foo']
r = re.findall("[z|f](o*)", s1)   # 加上分组,返回的将是引号内正则表达式匹配到的字符中()中的内容。print(r)  # ['', 'oo', 'oo']

运行结果:

 
['', 'oo', 'oo']

2.9转义元字符 

用来匹配元字符本身时的转义,和特定字符组成字符串,见预定义字符组

s = '12345@qq.com'r = re.findall('.', s)print(r)

运行结果:

 
['.']

2.10 非贪婪模式

非贪婪模式

在默认情况下,元字符 *,+ 和 {n,m} 会尽可能多的匹配前面的子表达式,这叫贪婪模式。


 
s = "abcadcaec"
r = re.findall(r"ab.*c", s)   # 贪婪模式,尽可能多的匹配字符(.*或者.+)print(r) ['abcadcaec']

在重复元字符后面加上一个?号就表示非贪婪,尽可能少的匹配


 
r = re.findall(r"ab.+?c", s)   # 非贪婪模式,尽可能少的匹配字符print(r) ['abcadc']  r = re.findall(r"ab.*?c", s)   # 非贪婪模式,尽可能少的匹配字符print(r) ['abc']  s = "<a href=' asdf'>1360942725</a>"a = re.findall('d', s)print(a) ['1', '3', '6', '0', '9', '4', '2', '7', '2', '5']  a = re.findall('D', s)print(a)['<', 'a', ' ', 'h', 'r', 'e', 'f', '=', "'", ' ', 'a', 's', 'd', 'f', "'", '>', '<', '/', 'a', '>']  s = 'fdfa**68687+ 我怕n fdgtf_dn'a = re.findall('s', s)print(a)  [' ', ' ', 't', 'n']  a = re.findall("w", s)print(a)['f', 'd', 'f', 'a', '6', '8', '6', '8', '7', '我', '怕', 'n', 'f', 'd', 'g', 'f', '_', 'd']  

3. 预定义字符组

元字符  与某些字符组合在一起表示特定的匹配含义

3.1 d

匹配单个数字,等价于[0-9]

s = "<a href=' asdf'>1360942725</a>"a = re.findall('d', s)print(a)

运行结果:

['1', '3', '6', '0', '9', '4', '2', '7', '2', '5']
a = re.findall('d+', s)print(a)

运行结果:

['1360942725']

3.2 D

匹配任意单个非数字字符,等价于[^0-9]

a = re.findall('D', s)print(a)

 结果:

['<', 'a', ' ', 'h', 'r', 'e', 'f', '=', "'", ' ', 'a', 's', 'd', 'f', "'", '>', '<', '/', 'a', '>'] 

3.3 s

匹配任意单个空白符,包括空格,制表符(tab),换行符等

s = 'fdfa**68687+ 我怕n fdgtf_dn'a = re.findall('s', s)print(a)

运行结果:

[' ', ' ', 't', 'n']

3.4 S

匹配任何非空白字符

s = 'fdfa**68687+ 我怕n fdgtf_dn'a = re.findall('S', s)print(a)

运行结果:

['f', 'd', 'f', 'a', '', '', '6', '8', '6', '8', '7', '+', '我', '怕', 'n', 'f', 'd', 'g', 'f', '_', 'd']

3.5 w

匹配除符号外的单个字母,数字,下划线或汉字等

a = re.findall("w", s)print(a)

运行结果:


 
  • ['f', 'd', 'f', 'a', '6', '8', '6', '8', '7', '我', '怕', 'n', 'f', 'd', 'g', 'f', '_', 'd']
 
元字符 说明
. 匹配除换行符以外的任意字符
w 匹配字母或数字或下划线
W 和 w 相反
d 匹配数字
D 和 d 相反
s 匹配任意的空白符
S 和 s 相反

小案例

  1. 检测邮箱

s = "3003756995@qq.com"a = re.findall('^w+@w+.com$', s) # 检测邮箱if a:    print('是正确格式的邮箱')else:    print('不是邮箱地址')

 output:

  • 是正确格式的邮箱
s = '13812345678'r = re.findall('^1[3-9]d{9}$', s)  # 检查手机号码if r:    print('手机号码格式正确')else:    print('手机号码格式不正确')
  

output: 

 
手机号码格式正确

4.re 模块常用函数

4.1 re.match 

import reurl = 'www.hhxpython.com'res = re.match('www', url)    # 'www' 就是正则表达式,没有元字符表示匹配字符本身                              # re.match默认是从字符串开头匹配,等价于'^www'print(res)

运行结果:


 
<re.Match object; span=(0, 3), match='www'>
res2 = re.match('hhx', url)print(res2)

运行结果:


 
  • None

匹配对象

match 函数返回一个匹配对象,通过这个对象可以取出匹配到的字符串和分组字符串


 
line = 'Good good study, Day day up!'match_obj = re.match('(?P<aa>.*), (.*) (.*)', line)  if match_obj:     print(match_obj.group())    # 返回匹配到的字符串    print(match_obj.group(1))   # 返回对应序号分组字符串 从1开始    print(match_obj.group(2))    print(match_obj.group(3))else:    print('not found')print(match_obj.groups())  # 返回分组字符串元组print(match_obj.groupdict())  # 按照分组名和分组字符串组成字典 (?P<name>pattern) 

运行结果:

Good good study, Day day up!Good good studyDay dayup!('Good good study', 'Day day', 'up!'){'aa': 'Good good study'}

4.2 re.search

url = 'www.hhxpython.com'res = re.search('www', url)    # 'www' 就是正则表达式,没有元字符表示匹配字符本身print(res)

运行结果:

<re.Match object; span=(0, 3), match='www'> 
res2 = re.search('hhx', url)print(res2)

运行结果:

<re.Match object; span=(4, 7), match='hhx'>
res3 = re.search('h', url)print(res3)

运行结果:


 
  • <re.Match object; span=(4, 5), match='h'>

4.3 re.sub

 

phone = '2004-959-559 # 这是一个国外电话号码'
# 删除字符串中的python注释num = re.sub('#.*', '', phone)print(num)

运行结果:

  • 2004-959-559
# 删除连接符号 -num = re.sub('-', '', num)print(num) 

运行结果:

  • 2004959559

4.4 re.findall 

res1 = re.findall('day', line, re.I)res2 = re.search('day', line, re.I)res3 = re.match('day', line, re.I)
print('findall', res1)print('search', res2.group())print('search', res3)

运行结果:

  • findall ['Day', 'day']search Daysearch None
match,search,findall 的区别

4.5 re.compile

attern = re.compile('day', re.I)res1 = pattern.findall(line)res2 = pattern.search(line)res3 = pattern.match(line)print('findall', res1)print('search', res2.group())print('match', res3)

运行结果:

  • findall ['Day', 'day']search Daymatch None

三、正则表达式超全速查手册

校验数字的表达式数字:^[0-9]*$n位的数字:^d{n}$至少n位的数字:^d{n,}$m-n位的数字:^d{m,n}$零和非零开头的数字:^(0|[1-9][0-9]*)$非零开头的最多带两位小数的数字:^([1-9][0-9]*)+(.[0-9]{1,2})?$带1-2位小数的正数或负数:^(-)?d+(.d{1,2})?$正数、负数、和小数:^(-|+)?d+(.d+)?$有两位小数的正实数:^[0-9]+(.[0-9]{2})?$有1~3位小数的正实数:^[0-9]+(.[0-9]{1,3})?$非零的正整数:^[1-9]d*$ 或 ^([1-9][0-9]*){1,3}$ 或 ^+?[1-9][0-9]*$非零的负整数:^-[1-9][]0-9"*$ 或 ^-[1-9]d*$非负整数:^d+$ 或 ^[1-9]d*|0$非正整数:^-[1-9]d*|0$ 或 ^((-d+)|(0+))$非负浮点数:^d+(.d+)?$ 或 ^[1-9]d*.d*|0.d*[1-9]d*|0?.0+|0$非正浮点数:^((-d+(.d+)?)|(0+(.0+)?))$ 或 ^(-([1-9]d*.d*|0.d*[1-9]d*))|0?.0+|0$正浮点数:^[1-9]d*.d*|0.d*[1-9]d*$ 或 ^(([0-9]+.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*.[0-9]+)|([0-9]*[1-9][0-9]*))$负浮点数:^-([1-9]d*.d*|0.d*[1-9]d*)$ 或 ^(-(([0-9]+.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*.[0-9]+)|([0-9]*[1-9][0-9]*)))$浮点数:^(-?d+)(.d+)?$ 或 ^-?([1-9]d*.d*|0.d*[1-9]d*|0?.0+|0)$

 

校验字符的表达式汉字:^[u4e00-u9fa5]{0,}$英文和数字:^[A-Za-z0-9]+$ 或 ^[A-Za-z0-9]{4,40}$长度为3-20的所有字符:^.{3,20}$由26个英文字母组成的字符串:^[A-Za-z]+$由26个大写英文字母组成的字符串:^[A-Z]+$由26个小写英文字母组成的字符串:^[a-z]+$由数字和26个英文字母组成的字符串:^[A-Za-z0-9]+$由数字、26个英文字母或者下划线组成的字符串:^w+$ 或 ^w{3,20}中文、英文、数字包括下划线:^[u4E00-u9FA5A-Za-z0-9_]+$中文、英文、数字但不包括下划线等符号:^[u4E00-u9FA5A-Za-z0-9]+$ 或 ^[u4E00-u9FA5A-Za-z0-9]{2,20}$可以输入含有^%&',;=?" 等字符:`[^%&',;=?x22]+`禁止输入含有~的字符[^~x22]+

 

其它

.*匹配除 n 以外的任何字符。/[u4E00-u9FA5]/ 汉字/[uFF00-uFFFF]/ 全角符号/[u0000-u00FF]/ 半角符号
特殊需求表达式EmAIl 地址:^w+([-+.]w+)*@w+([-.]w+)*.w+([-.]w+)*$域名:[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(/.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+/.? Inte.NETURL:[a-zA-z]+://[^s]* 或 ^http://([w-]+.)+[w-]+(/[w-./?%&=]*)?$手机号码:^(13[0-9]|14[5|7]|15[0|1|2|3|5|6|7|8|9]|18[0|1|2|3|5|6|7|8|9])d{8}$电话号码(“XXX-XXXXXXX”、”XXXX-XXXXXXXX”、”XXX-XXXXXXX”、”XXX-XXXXXXXX”、”XXXXXXX”和”XXXXXXXX):^((d{3,4}-)|d{3.4}-)?d{7,8}$国内电话号码(0511-4405222、021-87888822):d{3}-d{8}|d{4}-d{7}身份证号(15位、18位数字):^d{15}|d{18}$短身份证号码(数字、字母x结尾):^([0-9]){7,18}(x|X)?$ 或 ^d{8,18}|[0-9x]{8,18}|[0-9X]{8,18}?$帐号是否合法(字母开头,允许5-16字节,允许字母数字下划线):^[a-zA-Z][a-zA-Z0-9_]{4,15}$密码(以字母开头,长度在6~18之间,只能包含字母、数字和下划线):^[a-zA-Z]w{5,17}$强密码(必须包含大小写字母和数字的组合,不能使用特殊字符,长度在8-10之间):^(?=.*d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$日期格式:^d{4}-d{1,2}-d{1,2}一年的12个月(01~09和1~12):^(0?[1-9]|1[0-2])$一个月的31天(01~09和1~31):^((0?[1-9])|((1|2)[0-9])|30|31)$钱的输入格式有四种钱的表示形式我们可以接受:”10000.00” 和 “10,000.00”, 和没有 “分” 的 “10000” 和 “10,000”:^[1-9][0-9]*$这表示任意一个不以0开头的数字,但是,这也意味着一个字符”0”不通过,所以我们采用下面的形式:^(0|[1-9][0-9]*)$一个0或者一个不以0开头的数字.我们还可以允许开头有一个负号:^(0|-?[1-9][0-9]*)$4.这表示一个0或者一个可能为负的开头不为0的数字.让用户以0开头好了.把负号的也去掉,因为钱总不能是负的吧.下面我们要加的是说明可能的小数部分:^[0-9]+(.[0-9]+)?$必须说明的是,小数点后面至少应该有1位数,所以”10.”是不通过的,但是 “10” 和 “10.2” 是通过的:^[0-9]+(.[0-9]{2})?$这样我们规定小数点后面必须有两位,如果你认为太苛刻了,可以这样:^[0-9]+(.[0-9]{1,2})?$这样就允许用户只写一位小数.下面我们该考虑数字中的 逗号 了,我们可以这样:^[0-9]{1,3}(,[0-9]{3})*(.[0-9]{1,2})?$1到3个数字,后面跟着任意个 逗号+3个数字,逗号成为可选,而不是必须:^([0-9]+|[0-9]{1,3}(,[0-9]{3})*)(.[0-9]{1,2})?$

 

备注:这就是最终结果了,别忘了+可以用*替代如果你觉得空字符串也可以接受的话,最后,别忘了在用函数时去掉去掉那个反
xml文件:^([a-zA-Z]+-?)+[a-zA-Z0-9]+.[x|X][m|M][l|L]$

中文字符的正则表达式:[u4e00-u9fa5]双字节字符:^x00-xff)空白行的正则表达式:ns*r (可以用来删除空白行)HTML标记的正则表达式:<(S?)[^>]>.?</1>|<.? />(网上流传的版本太糟糕,上面这个也仅仅能部分,对于复杂的嵌套标记依旧无能为力)首尾空白字符的正则表达式:^s|s(可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等),非常有用的表达式)腾讯QQ号:[1-9][0-9]{4,}(腾讯QQ号从10000开始)中国邮政编码:[1-9]d{5}(?!d)(中国邮政编码为6位数字)IP地址:d+.d+.d+.d+(提取IP地址时有用)IP地址:((?:(?:25[0-5]|2[0-4]d|[01]?d?d).){3}(?:25[0-5]|2[0-4]d|[01]?d?d))IP-v4地址:b(?:(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?).){3}(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)b(提取IP地址时有用)校验IP-v6地址:(([0-9a-fA-F]{1,4}:){7,7}[0-9a-fA-F]{1,4}|([0-9a-fA-F]{1,4}:){1,7}:|([0-9a-fA-F]{1,4}:){1,6}:[0-9a-fA-F]{1,4}|([0-9a-fA-F]{1,4}:){1,5}(:[0-9a-fA-F]{1,4}){1,2}|([0-9a-fA-F]{1,4}:){1,4}(:[0-9a-fA-F]{1,4}){1,3}|([0-9a-fA-F]{1,4}:){1,3}(:[0-9a-fA-F]{1,4}){1,4}|([0-9a-fA-F]{1,4}:){1,2}(:[0-9a-fA-F]{1,4}){1,5}|[0-9a-fA-F]{1,4}:((:[0-9a-fA-F]{1,4}){1,6})|:((:[0-9a-fA-F]{1,4}){1,7}|:)|fe80:(:[0-9a-fA-F]{0,4}){0,4}%[0-9a-zA-Z]{1,}|::(ffff(:0{1,4}){0,1}:){0,1}((25[0-5]|(2[0-4]|1{0,1}[0-9]){0,1}[0-9])\.){3,3}(25[0-5]|(2[0-4]|1{0,1}[0-9]){0,1}[0-9])|([0-9a-fA-F]{1,4}:){1,4}:((25[0-5]|(2[0-4]|1{0,1}[0-9]){0,1}[0-9])\.){3,3}(25[0-5]|(2[0-4]|1{0,1}[0-9]){0,1}[0-9]))子网掩码:((?:(?:25[0-5]|2[0-4]\d|[01]?\d?\d)\.){3}(?:25[0-5]|2[0-4]\d|[01]?\d?\d))校验日期:^(?:(?!0000)[0-9]{4}-(?:(?:0[1-9]|1[0-2])-(?:0[1-9]|1[0-9]|2[0-8])|(?:0[13-9]|1[0-2])-(?:29|30)|(?:0[13578]|1[02])-31)|(?:[0-9]{2}(?:0[48]|[2468][048]|[13579][26])|(?:0[48]|[2468][048]|[13579][26])00)-02-29)$("yyyy-mm-dd")抽取注释:<!--(.*?)-->查找css属性:^\s*[a-zA-Z\-]+\s*[:]{1}\s[a-zA-Z0-9\s.#]+[;]{1}提取页面超链接:(<a\s*(?!.*\brel=)[^>]*)(href="https?:\/\/)((?!(?:(?:www\.)?'.implode('|(?:www\.)?', $follow_list).'))[^" rel="external nofollow" ]+)"((?!.*\brel=)[^>]*)(?:[^>]*)>提取网页图片:\< *[img][^\\>]*[src] *= *[\"\']{0,1}([^\"\'\ >]*)提取网页颜色代码:^#([A-Fa-f0-9]{6}|[A-Fa-f0-9]{3})$文件扩展名效验:^([a-zA-Z]\:|\\)\\([^\\]+\\)*[^\/:*?"<>|]+\.txt(l)?$判断IE版本:^.*MSIE [5-8](?:\.[0-9]+)?(?!.*Trident\/[5-9]\.0).*$
关键词:python      点击(8)
声明:本站部分内容来自互联网,如有版权侵犯或其他问题请与我们联系,我们将立即删除或处理。
▍相关推荐
更多python相关>>>