Python3 正則表達式

Python3 正則表達式

• 正則表達式是一個特殊的字符序列，它能幫助我們方便的檢查一個字符串是否與某種模式匹配。
• 模式字符串使用特殊的語法來表示一個正則表達式
• 下面列出了正則表達式模式語法中的特殊元素

match()和search()的區別

• match() 方法只從開始找，開始第一個字符不匹配就找不到了,返回none
• search()查找整個字符串，找到第一個為止
  示例代碼1：

#!/usr/bin/python3

import re

# 使用 match對象  
match = re.match('yhyang','aayhyang正在學習正則表達式')
print(match)     # 最開始匹配不到返回none
輸出：
None

match = re.search('yhyang','aayhyang正在學習正則表達式')
print(match.group())  # 直到找到匹配的字符串
輸出：
yhyang

示例代碼2：

#!/usr/bin/python3

import re

import re
s = """
1234-1234-113
133-1234-2123
125-4567-3456
yhyang@foxmail.com
lilei@qq.com
hmm.lee@google.com
http://baidu.com
https://github.com
http://taobao.com
"""
target = '\d{4}'                 # \d 匹配數字 {4} 表示4個  代表找到4個數字
target = '\d{4}-\d{4}-\d{3}'
target = '\d{3}-\d{4}-\d{4}'
target = '\d+-\d+-\d+'         #  \d匹配數字，+ 表示1個或多個，search 找到第一個就停下來了
target = '[\d+-?]+'           # ？ 表示后面跟0個或多個   [] 表示一個字符集如：[a-z]查找小寫字母
target = '\w{5}@\w{2}.com'    #  \w 匹配字符
match = re.search(target,s)
if match:
    print('找到，',target,s)
    print(match.group())
else:
    print('啥都沒找到')

輸出：
找到， \w{5}@\w{2}.com 
1234-1234-113
133-1234-2123
125-4567-3456
yhyang@foxmail.com
lilei@qq.com
hmm.lee@google.com
http://baidu.com
https://github.com
http://taobao.com

lilei@qq.com

分組

• () 括號分組
• | 管道符號匹配多個分組
• ？選擇出現0次或1次
• re.x 換行，注釋
• findall
  • 有分組，返回元組列表
  • 無分組，返回字符串列表
• split
  • 返回用正則分割后的列表

compile 函數

compile 函數用于編譯正則表達式，生成一個正則表達式（ Pattern ）對象，供 match() 和 search() 這兩個函數使用。
語法格式為：
re.compile(pattern[, flags])<br/>
參數：

pattern : 一個字符串形式的正則表達式
flags 可選，表示匹配模式，比如忽略大小寫，多行模式等，具體參數為：
    re.I 忽略大小寫
    re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依賴于當前環境
    re.M 多行模式
    re.S 即為' . '并且包括換行符在內的任意字符（' . '不包括換行符）
    re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依賴于 Unicode 字符屬性數據庫
    re.X 為了增加可讀性，忽略空格和' # '后面的注釋

示例代碼1：

#!/usr/bin/python3

import re

regex = re.compile(r'yhyang')  # r 表示raw 原始的
regex.findall('asdfasdfasfyhyang,235346747,yhyang')

輸出：
['yhyang', 'yhyang']

示例代碼2：

#!/usr/bin/python3

import re

regex = re.compile(r'(yhyang)')         # ()  分割，分組
regex.split('asdfasdfasfyhyang,235346747,yhyang')

輸出：
['asdfasdfasf', 'yhyang', ',235346747,', 'yhyang', '']

匹配IP地址

#!/usr/bin/python3
import re

parten = ((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)
# 2[0-4]\d  匹配 24x  x為0-9
# 25[0-5]  匹配 25x  x為0-5
# [01]?\d\d?  [01]? 匹配0個或是一個0或1，\d？ 表示0個或1個數字
# \.  轉義 . 
# {3} 前面的規則匹配3次

# 注意命名 re開頭
re_ip = re.compile(r'((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)')
match = re_ip.match('1.2.3.4')
print(match)
print(match.group())

輸出：
<_sre.SRE_Match object; span=(0, 7), match='1.2.3.4'>
1.2.3.4
示例代碼2：

#!/usr/bin/python3

import re

re_ip = re.compile(r'''
    ((2[0-4]\d|25[0-5]|[01]?\d\d?)\.)  # IP表示一組數字包括后邊的點
    {3}                                # 表示3組數字
    (2[0-4]\d|25[0-5]|[01]?\d\d?)      # 最后一組數字
    ''',re.X)                          # 正則可以換行，注釋
match = re_ip.match('192.168.3.4')
print(match)
print(match.group())

輸出：
<_sre.SRE_Match object; span=(0, 11), match='192.168.3.4'>
192.168.3.4

匹配要不要貪心一點

• *？重復任意次，但盡可能少重復
• +？重復1次或多次，但盡可能少重復
• ？？重復0次或1次，但盡可能少重復
• {n,}？重復n次以上，但盡可能少重復
  示例代碼1：

#!/usr/bin/python3

import re

# 只匹配雙引號中的內容，包括雙引號
re_quote = re.compile(r'"(.*)"')
text1 = 'Computer says "no"'
find1 = re_quote.findall(text1)
print(find1)
text2 = 'Computer says "no" Phone says "yes"'
find2 = re_quote.findall(text2)
print(find2)

輸出：
['no']
['no" Phone says "yes']

示例代碼2：

#!/usr/bin/python3

import re

re_quote = re.compile(r'"(.*?)"')
text1 = 'Computer says "no"'
find1 = re_quote.findall(text1)
print(find1)
text2 = 'Computer says "no" Phone says "yes"'
find2 = re_quote.findall(text2)
print(find2)

輸出：
['no']
['no', 'yes']

正則替換

示例代碼：

#!/usr/bin/python3

import re

s = 'sadfasfasdfasdfyhyangdsafasf2352'
ss = s.replace('yhyang','******')   # 替換
print(ss)

regex = re.compile(r'yhyang') # 生成規則對象
regex.sub('******',s)   # 替換

輸出：
sadfasfasdfasdf**dsafasf2352
'sadfasfasdfasdf**dsafasf2352'

下邊例子分組標號\1，\2，\3 類似于awk的列分組 $1 ……

示例代碼1：

#!/usr/bin/python3

import re

# 通過分組替換字符串格式，mm/dd/yy  -> yy-mm-dd
s = '替換日期格式：10/01/2018,12/25/2018'
re_date = re.compile(r'(\d+)/(\d+)/(\d+)')  # 此處給(\d+)/(\d+)/(\d+)按/分為三組，標號為\1，\2，\3
re_date.sub(r'\3-\1-\2',s)   # 將上邊的\1，\2，\3位置按要求重新排列

輸出：
'替換日期格式：2018-10-01,2018-12-25'
示例代碼2：

#!/usr/bin/python3

import re

# 替換字符串中間的多余空格
s = '      yhyang    正則   python  好難學， 堅持一下吧， 沒 幾  個了'
s.strip()  # 只去掉最前邊的
re_blank = re.compile(r'\s+') # \s 代表空格
re_blank.sub('',s)

輸出：
'yhyang正則python好難學，堅持一下吧，沒幾個了'