Python基础21—Python常用模块（正则表达式&re模块）（2022年）

文章目录

• 1. 正则表达式
• • 1.1 字符相关
  • • • 匹配文本中的指定文本
      • `[abc]` 匹配a或b或c 字符
      • `[^abc]` 匹配除了abc意外的其他字符。
      • `[a-z]` 匹配a~z的任意字符（ [0-9]也可以 ）。
      • `.` 代指除换行符以外的任意字符。
      • `\w` 代指字母或数字或下划线（汉字）。
      • `\d` 代指数字
      • `\s` 代指任意的空白符，包括空格、制表符等。
  • 1.2 数量相关
  • • • `*` 重复0次或更多次
      • `+` 重复1次或更多次
      • `?` 重复0次或1次
      • `{n}` 重复n次
      • `{n,}` 重复n次或更多次
      • `{n,m}` 重复n到m次
  • 1.3 括号（分组）
  • • • 提取数据区域
      • 获取指定区域 + 或条件
  • 1.4 起始和结束
  • 1.5 特殊字符
• 2. re模块
• • • • 获取匹配到的所有数据:findall()
      • 从起始位置开始匹配，匹配成功返回一个对象，未匹配成功返回None:match()
      • 浏览整个字符串去匹配第一个，未匹配成功返回None:search()
      • 替换匹配成功的位置:sub()
      • 根据匹配成功的位置分割:split()
      • 在输入字符串中找到所有匹配内容，返回可迭代的对象:finditer

---

1. 正则表达式

正则表达式就是字符串的匹配规则，在多数编程语言里都有相应的支持，python里对应的模块是re

1.1 字符相关 匹配文本中的指定文本

import re
text = "你好我是Py小白雨,我的csdn名称也是Py小白雨"
data_list = re.findall("Py小白雨", text)
print(data_list) 

# ['Py小白雨', 'Py小白雨'] 可用于计算字符串中某个字符出现的次数

[abc] 匹配a或b或c 字符

import re
text = "你好我是Py小白雨,我的csdn名称也是Py小白雨"
data_list = re.findall("[Py]", text)
print(data_list) 
# ['P', 'y', 'P', 'y']

data_list = re.findall("P[y]", text)
print(data_list)
# ['Py', 'Py']

[^abc] 匹配除了abc意外的其他字符。

import re
text = "你好我是Py小白雨,我的csdn名称也是Py小白雨"
data_list = re.findall("[^y]", text)
print(data_list)

# ['你', '好', '我', '是', 'P', '小', '白', '雨', ',', '我', '的', 'c', 's', 'd', 'n', '名', '称', '也', '是', 'P', '小', '白', '雨']

[a-z] 匹配a~z的任意字符（ [0-9]也可以 ）。

import re

text = "你好我是Py小白雨,我的csdn名称也是Py小白雨"
data_list = re.findall("[a-z]", text)
print(data_list)

# ['y', 'c', 's', 'd', 'n', 'y']

. 代指除换行符以外的任意字符。

import re
text = "你好我是Py小白雨,我的csdn名称也是Py小白雨"
data_list = re.findall("P.小", text)
print(data_list)
# ['Py小', 'Py小']

data_list = re.findall("P.+小", text) # # 贪婪匹配
print(data_list)
# ['Py小白雨,我的csdn名称也是Py小']

data_list = re.findall("P.+?小", text)  # # 非贪婪匹配
print(data_list)
# ['Py小', 'Py小']

\w 代指字母或数字或下划线（汉字）。

import re
text = "你好我是Py小白雨,我的csdn名称也是Py小白雨"
data_list = re.findall("P\w+雨", text)
print(data_list) 
# ['Py小白雨', 'Py小白雨']

\d 代指数字

import re
text = "root-ad888min-add999-admd99in"
data_list = re.findall("d\d", text)
print(data_list) 
# ['d8', 'd9', 'd9']

data_list = re.findall("d\d+", text)
print(data_list) 
# ['d888, 'd999', 'd99']

\s 代指任意的空白符，包括空格、制表符等。

import re
text = "root admin add admin"
data_list = re.findall("a\w+\s\w+", text)
print(data_list) 
# ['admin add']

1.2 数量相关 * 重复0次或更多次

import re
text = "你好我是Py小白雨,我的csdn名称也是Py小白雨"
data_list = re.findall("Py*小白雨", text)
print(data_list) 
# ['Py小白雨', 'Py小白雨']

+ 重复1次或更多次

import re
text = "他是大佬啊，确实是个大佬1啊，大佬2啊，大佬666啊。"
data_list = re.findall("大佬\d+啊", text)
print(data_list) 
# ['大佬1啊', '大佬2啊', '大佬666啊']

? 重复0次或1次

import re
text = "他是大佬啊，确实是个大佬1啊，大佬2啊，大佬666啊。"
data_list = re.findall("大佬\d?啊", text)
print(data_list) 
# ['大佬啊', '大佬1啊', '大佬2啊']

{n} 重复n次

import re
text = "有串带码12131216789"
data_list = re.findall("121312\d{5}", text)
print(data_list) 
# ['12131216789']

{n,} 重复n次或更多次

import re
text = "两串随机数字111111111，5588996625544"
data_list = re.findall("\d{9,}", text)
print(data_list) 
# ['111111111', '5588996625544']

{n,m} 重复n到m次

import re
text = "两串随机数字111111111，5588996625544"
data_list = re.findall("\d{10,15}", text)
print(data_list) # [ '5588996625544']

1.3 括号（分组） 提取数据区域

import re
text = "两串随机数字111111111，55889966255441"
data_list = re.findall("55889966(2\d{5})", text)
print(data_list) 
 #['255441']

data_list = re.findall("55(88)9966(2\d{5})", text)
print(data_list) 
 #[('88', '255441')]

data_list = re.findall("(55889966(2\d{5}))", text)
print(data_list)   
# [('55889966255441', '255441')]

获取指定区域 + 或条件

import re
text = "楼主15131root太牛15131sdsf，在sadadadadwwwwrrweq，手机号也可151312111111，搞起来呀"
data_list = re.findall("15131(2\d{5}|r\w+太)", text)
print(data_list)  
# ['root太', '211111']

data_list = re.findall("(15131(2\d{5}|r\w+太))", text)
print(data_list) 
 # [('15131root太', 'root太'), ('15131211111', '211111')]

1.4 起始和结束

如果要求用户输入的内容必须是指定的内容开头和结尾，比就需要用到如下两个字符。

• ^ 开始
• $ 结束

import re
text = "啊111111111@werd.adssw‘"
email_list = re.findall("^\w+@\w+.\w+$", text, re.ASCII)
print(email_list)
# []

text = "111111111@werd.ad"
email_list = re.findall("^\w+@\w+.\w+$", text, re.ASCII)
print(email_list) 
# ['111111111@werd.ad']

这种一般用于对用户输入数据格式的校验比较多，例如：

import re
text = input("请输入邮箱：")
email = re.findall("^\w+@\w+.\w+$", text, re.ASCII)
if not email:
    print("邮箱格式错误")
else:
    print(email)

1.5 特殊字符

由于正则表达式中 * . \ { } ( ) 等都具有特殊的含义，所以如果想要在正则中匹配这种指定的字符，需要转义，例如：

import re
text = "我是Py{5}小白雨"
data = re.findall("Py{5}小白雨", text)
print(data) 
# []

data = re.findall("Py\{5\}小白雨", text)
print(data) 
# ['Py{5}小白雨']

2. re模块

可以处理正则表达式并对文本进行处理。

获取匹配到的所有数据:findall()

import re
text = "dsf130429191912015219k13042919591219521Xkk"
data_list = re.findall("(\d{6})(\d{4})(\d{2})(\d{2})(\d{3})([0-9]|X)", text)
print(data_list) 
# [('130429', '1919', '12', '01', '521', '9'), ('130429', '1959', '12', '19', '521', 'X')]

从起始位置开始匹配，匹配成功返回一个对象，未匹配成功返回None:match()

import re

text = "大小逗2B最逗3B欢乐"
data = re.match("逗\dB", text)
print(data) 
# None

data = re.match("逗\dB", text)
if data:
    content = data.group()
    print(content)
 # "逗2B"

浏览整个字符串去匹配第一个，未匹配成功返回None:search()

import re

text = "大小逗2B最逗3B欢乐"
data = re.search("逗\dB", text)
if data:
    print(data.group())  
# "逗2B"

替换匹配成功的位置:sub()

import re

text = "逗2B最逗3B欢乐"
data = re.sub("\dB", "沙雕", text)
print(data) 
# 逗沙雕最逗沙雕欢乐

data = re.sub("\dB", "沙雕", text, 1)
print(data) 
# 逗沙雕最逗3B欢乐

根据匹配成功的位置分割:split()

import re

text = "逗2B最逗3B欢乐"
data = re.split("\dB", text)
print(data) 
# ['逗', '最逗', '欢乐']
 
data = re.split("\dB", text, 1)
print(data) 
# ['逗', '最逗3B欢乐']

在输入字符串中找到所有匹配内容，返回可迭代的对象:finditer

import re
text = "逗2B最逗3B欢乐"
data = re.finditer("\dB", text)
for item in data:
    print(item.group())
# 2B
# 3B

data = re.finditer("(?P\dB)", text)  # 命名分组
for item in data:
    print(item.groupdict())
# {'xx': '2B'}
# {'xx': '3B'}

text = "dsf130429191912015219k13042919591219521Xkk"
data_list = re.finditer("\d{6}(?P\d{4})(?P\d{2})(?P\d{2})\d{3}[\d|X]", text)
for item in data_list:
    info_dict = item.groupdict()
    print(info_dict)
# {'year': '1919', 'month': '12', 'day': '01'}
# {'year': '1959', 'month': '12', 'day': '19'}