高家俊 3.9 正则表达式学习总结

概念

正则表达式是一种可以让一些复杂的字符串问题变得简单的工具。

正则语法

1.re模块

fullmatch（正则表达式，字符串） - 判断字符串是否完全匹配正则表达式描述的规则。

python提供正则表达式的方法：提供一个字符串，字符串内容是一个正则表达式，这个字符串最前面需要加r。

python的正则表达式：r’正则’

2.正则表达式语法内容

正则表达式语法内容包括：匹配类符号、控制次数的符号、分组和分支、检测类符号、转义字符。

匹配类符号

1.匹配类字符是用来约束字符串中某个位置上的字符是什么样的字符。

2.符号分为

1）普通符号（字符）

在正则表达式表示字符本身的符号就是普通字符，一般除了特殊符号以外都是普通字符。

2）. - 匹配任意一个字符

r’.bc’ - 表示一个字符串，有三个字符，第一个字符是任意字符，第2、3分别是b、c。

r2 = fullmatch(r'.bc', '高bc')
print(r2)
# <re.Match object; span=(0, 3), match='高bc'>

3）\d - 匹配任意一个数字字符

r3 = fullmatch(r'x\dy', 'x1y')
print(r3)
# <re.Match object; span=(0, 3), match='x1y'>

4）\s - 匹配任意一个空白字符

空白字符：任何可以产生空白效果的符号，例如：空格、\t、\n。

r4 = fullmatch(r'x\sy', 'x\ty')
print(r4)
# <re.Match object; span=(0, 3), match='x\ty'>

5）\D - 匹配任意一个非数字字符

r5 = fullmatch(r'x\Dy', 'x去y')
print(r5)
# <re.Match object; span=(0, 3), match='x去y'>

6）\S - 匹配任意一个非空白字符

r6 = fullmatch(r'x\Sy', 'xay')
print(r6)
# <re.Match object; span=(0, 3), match='xay'>

7）[字符集] - 匹配字符集中的任意一个字符

[abc] - 匹配a、b、c；

[\dab] - 匹配任意数字或者a、b；

[0-9] - 匹配0~9中任意数字，和\d效果一样；

[a-z] - 匹配任意一个小写字母；

[0-9a-z] - 匹配任意一个数字或者任意一个小写字母；

[\u4e00-\u9fa5] - 匹配任意一个中文。

8）[^字符集] - 匹配不在字符集中的任意一个字符

r7 = fullmatch(r'x[\u4e00-\u9fa5]y', 'x高y')
r8 = fullmatch(r'x[^\u4e00-\u9fa5]y', 'x高y')
print(r7, r8)
# <re.Match object; span=(0, 3), match='x高y'> None

控制次数的符号

1.控制次数的符号的用法：匹配类符号的次数。

2.符号分为

1）* - 任意次数（0次或者多次）

print(fullmatch(r'a*', 'aaaaaaaa'))
# <re.Match object; span=(0, 8), match='aaaaaaaa'>

2）+ - 至少一次（一次或者多次）

print(fullmatch(r'xa+y', 'xaay'))
# <re.Match object; span=(0, 4), match='xaay'>

3）? - 0次或者1次

print(fullmatch(r'[+-]?[1-9]\d\d', '800'))
# <re.Match object; span=(0, 3), match='800'>

4）{} - 控制固定次数

{N} - N次；

{M，N} - M到N次；

{M，} - 至少M次；

{，N} - 最多N次。

print(fullmatch(r'1[3-9]\d{9}', '13333333333'))
# <re.Match object; span=(0, 11), match='13333333333'>

3.贪婪和非贪婪模式

在匹配次数不确定的是，匹配次数有贪婪和非贪婪两种模式。

1）默认是贪婪模式：*、+、{M，N}

贪婪模式：如果多种匹配次数都可以匹配成功，最后取最大的次数进行匹配。

2）非贪婪模式：*？、+？、{M，N}？

非贪婪模式：如果多种匹配次数都可以匹配成功，最后取最小的次数进行匹配。

分组和分支

1.分组 - （）

1）整体操作：将正则的一部分用（）括起来表示一个分组，然后整体控制次数。

print(fullmatch(r'([a-z]{2}\d{2})+', 'an12aj12'))
# <re.Match object; span=(0, 8), match='an12aj12'>

2）重复匹配结果：在正则中用（）添加分组，然后再正则\M来重复他前面第M个分组的匹配结果。

print(fullmatch(r'([a-z]{2})(\d{3})-\2\1', 'am222-222am'))
# <re.Match object; span=(0, 11), match='am222-222am'>

3）捕获：findall函数在正则表达式中有分组的时候，只获取分组匹配到的结果。

print(findall(r'[a-z](\d+)', 'a123c214qwrwr34zfg345'))
# ['123', '214', '34', '345']

2.分支 - |

正则1|正则2|…

注意：如果是正则的部分要进行分支选择，需要将部分分支地方加（）。

print(findall(r'abc(\d{2}|[A-Z]{2})', 'abc23abcKJ'))
# ['23', 'KJ']

检测类符号

1.检测类符号：检测符号所在的位置是否符合条件，必须是在匹配成功前提下才检测。

注意：检测类符号不影响字符串长度。

2.符号分为

1）单词边界 - \b

检测\b所在的位置是否是单词边界。

单词边界：凡是可以将两个单词区分开的符号都是单词边界，比如：字符串开头、结尾、空白字符、标点字符。

result = findall(r'\d{2}\b', '12akssdfdlf34 lsdsfj 38ds88')
print(result)
# ['34', '88']

2）检测字符串开头 - ^

3）检测字符串结尾 - $

result = findall(r'^\d{2}', '12akssdfdlf34 lsdsfj 38ds88')
print(result)
result = findall(r'\d{2}$', '12akssdfdlf34 lsdsfj 38ds88')
print(result)
# ['12']
# ['88']

转义符号

1.概念：在正则中本身具备特殊功能或者特殊意义的符号前加‘\’，让它的功能消失，变成普通符号。

print(fullmatch(r'\(\d\d\)', '(23)'))
# <re.Match object; span=(0, 4), match='(23)'>

2.[]也可以让独立存在有特殊意义的符号功能消失，例如：+、*、？、.、^、$等等。

注意：^和-在[]中的意义；[]在[]需要加\

print(fullmatch(r'\d[+*？\].^$]\d', '1$2'))
# <re.Match object; span=(0, 3), match='1$2'>

re模块中常用的函数及其功能

fullmatch（正则，字符串） - 完全匹配；判断整个字符串是否满足正则描述的规则，不满足结果是None，满足返回匹配对象；

match（正则，字符串） - 匹配字符开头，不匹配返回None，满足返回匹配对象；

search（正则，字符串） - 在整个字符串中查找第一个满足正则表达式的子串，不匹配返回None，匹配返回匹配对象；

findall（正则，字符串） - 获取整个字符中所有满足正则的子串，返回一个列表；

finditer（正则，字符串） - 获取整个字符串中所有满足正则的子串，返回一个迭代器，迭代器中的元素是匹配对象；

sub（正则，字符串1，字符串2） - 将字符串2中所有满足正则的子串全部替换成字符串1；

split（正则，字符串） - 将字符串中所有满足正则的子串作为切割点对字符串进行切割。

练习题

一、不定项选择题

1. 能够完全匹配字符串"(010)-62661617"和字符串"01062661617"的正则表达式包括（ A B C D）

   A.r"\(?\d{3}\)?-?\d{8}"
   B. r"[0-9()-]+"
   C.r"[0-9(-)]*\d*"
   D.r"[(]?\d*[)-]*\d*"

2. 能够完全匹配字符串"back"和"back-end"的正则表达式包括（ A B C D）
   A. r'\w{4}-\w{3}|\w{4}'
   B. r'\w{4}|\w{4}-\w{3}'
   C.r'\S+-\S+|\S+'
   D. r'\w*\b-\b\w*|\w*'

3. 能够完全匹配字符串"go go"和"kitty kitty"，但不能完全匹配“go kitty”的正则表达式包括（A C D）
   A.r '\b(\w+)\b\s+\1\b'
   B. r'\w{2,5}\s*\1'
   C. r'(\S+) \s+\1'
   D.r'(\S{2,5})\s{1,}\1'

4. 能够在字符串中匹配"aab"，而不能匹配"aaab"和"aaaab"的正则表达式包括（ B C）
   A. r"a*?b"
   B. r"a{,2}b"
   C. r"aa??b"
   D. r"aaa??b"

二、编程题

1.用户名匹配

​ 要求: 1.用户名只能包含数字 字母 下划线

​ 2.不能以数字开头

​ 3.⻓度在 6 到 16 位范围内

import re

print(re.fullmatch(r'[a-zA-Z_][0-9a-zA-Z_]{7,15}', 'gao0x9ad8'))

2. 密码匹配

​ 要求: 1.不能包含!@#¥%^&*这些特殊符号

​ 2.必须以字母开头

​ 3.⻓度在 6 到 12 位范围内

print(re.fullmatch(r'[a-zA-Z][^!@#¥%^&*]{7,11}', 'gao0x9ad8'))

3. ipv4 格式的 ip 地址匹配
   提示: IP地址的范围是 0.0.0.0 - 255.255.255.255

print(re.fullmatch(r'(\d\.){3}\d\s-\s(\d{3}\.){3}\d{3}', '0.0.0.0 - 255.255.255.255'))

4. 提取用户输入数据中的数值 (数值包括正负数 还包括整数和小数在内) 并求和

例如:“-3.14good87nice19bye” =====> -3.14 + 87 + 19 = 102.86

a = re.split(r'[a-z]+', '-3.14good87nice19bye')
print(sum([float(x) for x in a if x != '']))

5. 验证输入内容只能是汉字

   print(re.fullmatch(r'[\u4e00-\u9fa5]*', '高家'))
   

6. 匹配整数或者小数（包括正数和负数）

   print(re.fullmatch(r'([+-]?)\d*|([+-]?)\d+\.\d+', '-12.23'))
   

7. 验证输入用户名和QQ号是否有效并给出对应的提示信息

   a7 = str(input('请输入用户名'))
   b7 = str(input('请输入QQ号'))
   print(re.fullmatch(r'[a-zA-Z0-9_]{6,20}', a7))
   print(re.fullmatch(r'[1-9]\d{4,11}', b7))
   

8. 拆分长字符串：将一首诗的中的每一句话分别取出来

   print(re.split(r'[，。]', '窗前明月光，疑是地上霜。举头望明月，低头思故乡。'))