python3--re模块：正则表达式

发布时间：2018-05-08 21:15:24编辑：Run阅读（4995）

怎么判断一个手机号码是否符合规范？

根据手机号码一共11位并且只以13,14,15,18开头的数字这些特点，写了一段代码如下:

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('是合法的手机号码')
    else:
        print('不是合法的手机号码')

执行结果






上面代码效果是可以实现，但是代码可读性差,正则怎么写呢？

re模块实现

import re
phone_number = input('please input your phone number : ')
if re.match('^(13|14|15|18)[0-9]{9}$', phone_number):
    print('是合法的手机号码')
else:
    print('不是合法的手机号码')

执行结果


please input your phone number : 13971604811

是合法的手机号码




身份证验证是否合法？

import re
while True:
    ss = input('请输入你的身份证号: ').strip()
    if re.match('^[1-9]\d{14}(\d{2}[\dx])$', ss):
        print('身份证合法!')
        break
    else:
        print('不合法')

执行结果






从文件file中找出所有的手机号码--正则，文件中自行添加一些内容，加手机号码.

import re

with open('file', 'r')as f:
    l = []
    for i in f:
        ret = re.findall('1[3-9]\d{9}', i)
        l.extend(ret)
print(l)

执行结果

['13864814521', '13475695414']




正则表达式

字符组 ： [字符组]

在同一个位置可能出现的各种字符组成了一个字符组，在正则表达式中用[]表示

字符分为很多类，比如数字、字母、标点等等。

假如你现在要求一个位置"只能出现一个数字",那么这个位置上的字符只能是0、1、2...9这10个数之一

正则	待匹配字符	匹配 结果	说明
[0123456789]	8	True	在一个字符组里枚举合法的所有字符，字符组里的任意一个字符 和"待匹配字符"相同都视为可以匹配
[0123456789]	a	False	由于字符组中没有"a"字符，所以不能匹配
[0-9]	7	True	也可以用-表示范围,[0-9]就和[0123456789]是一个意思
[a-z]	s	True	同样的如果要匹配所有的小写字母，直接用[a-z]就可以表示
[A-Z]	B	True	[A-Z]就表示所有的大写字母
[0-9a-fA-F]	e	True	可以匹配数字，大小写形式的a～f，用来验证十六进制字符

字符组：字符组代表一个字符位置上可以出现的所有

范围: 根据asc码来的，范围必须是从小到大的指向，一个字符组中可以有对个范围




字符：

元字符	匹配内容
.	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
\s	匹配任意的空白符
\d	匹配数字
\n	匹配一个换行符
\t	匹配一个制表符
\b	匹配一个单词的结尾
^	匹配字符串的开始
$	匹配字符串的结尾
\W	匹配非字母或数字或下划线
\D	匹配非数字
\S	匹配非空白符
a|b	匹配字符a或字符b
()	匹配括号内的表达式，也表示一个组
[...]	匹配字符组中的字符
[^...]	匹配除了字符组中字符的所有字符




量词：

量词	用法说明
*	重复零次或更多次
+	重复一次或更多次
?	重复零次或一次
{n}	重复n次
{n,}	重复n次或更多次
{n,m}	重复n到m次




. ^ $

正则	待匹配字符	匹配 结果	说明
海.	海燕海娇海东	海燕海娇海东	匹配所有"海."的字符
^海.	海燕海娇海东	海燕	只从开头匹配"海."
海.$	海燕海娇海东	海东	只匹配结尾的"海.$"




* + ? { }

正则	待匹配字符	匹配 结果	说明
李.?	李杰和李莲英和李二棍子	李杰 李莲 李二	?表示重复零次或一次，即只匹配"李"后面一个任意字符
李.*	李杰和李莲英和李二棍子	李杰和李莲英和李二棍子	*表示重复零次或多次，即匹配"李"后面0或多个任意字符
李.+	李杰和李莲英和李二棍子	李杰和李莲英和李二棍子	+表示重复一次或多次，即只匹配"李"后面1个或多个任意字符
李.{1,2}	李杰和李莲英和李二棍子	李杰和 李莲英 李二棍	{1,2}匹配1到2次任意字符




注意：前面的*,+,?等都是贪婪匹配，也就是尽可能匹配，后面加?号使其变成惰性匹配

正则	待匹配字符	匹配 结果	说明
李.*?	李杰和李莲英和李二棍子	李 李 李	惰性匹配




字符集［］［^］

正则	待匹配字符	匹配 结果	说明
李[杰莲英二棍子]*	李杰和李莲英和李二棍子	李杰 李莲英 李二棍子	表示匹配"李"字后面[杰莲英二棍子]的字符任意次
李[^和]*	李杰和李莲英和李二棍子	李杰 李莲英 李二棍子	表示匹配一个不是"和"的字符任意次
[\d]	456bdha3	4 5 6 3	表示匹配任意一个数字，匹配到4个结果
[\d]+	456bdha3	456 3	表示匹配任意个数字，匹配到2个结果




分组 ()与 或 ｜［^］

 身份证号码是一个长度为15或18个字符的字符串，如果是15位则全部🈶️数字组成，首位不能为0；如果是18位，则前17位全部是数字，末位可能是数字或x，下面我们尝试用正则来表示：

正则	待匹配字符	匹配 结果	说明
^[1-9]\d{13,16}[0-9x]$	110101198001017032	110101198001017032	表示可以匹配一个正确的身份证号
^[1-9]\d{13,16}[0-9x]$	1101011980010170	1101011980010170	表示也可以匹配这串数字，但这并不是一个正确的身份证号码，它是一个16位的数字
^[1-9]\d{14}(\d{2}[0-9x])?$	1101011980010170	False	现在不会匹配错误的身份证号了 ()表示分组，将\d{2}[0-9x]分成一组，就可以整体约束他们出现的次数为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]如果没有匹配上就匹配[1-9]\d{14}




转义符 \

在正则表达式中，有很多有特殊意义的是元字符，比如\d和\s等，如果要在正则中匹配正常的"\d"而不是"数字"就需要对"\"进行转义，变成'\\'。

在python中，无论是正则表达式，还是待匹配的内容，都是以字符串的形式出现的，在字符串中\也有特殊的含义，本身还需要转义。所以如果匹配一次"\d",字符串中要写成'\\d'，那么正则里就要写成"\\\\d",这样就太麻烦了。这个时候我们就用到了r'\d'这个概念，此时的正则是r'\\d'就可以了。




正则	待匹配字符	匹配 结果	说明
\d	\d	False	因为在正则表达式中\是有特殊意义的字符，所以要匹配\d本身，用表达式\d无法匹配
\\d	\d	True	转义\之后变成\\，即可匹配
"\\\\d"	'\\d'	True	如果在python中，字符串中的'\'也需要转义，所以每一个字符串'\'又需要转义一次
r'\\d'	r'\d'	True	在字符串之前加r，让整个字符串不转义












几个常用的非贪婪匹配

*? 重复任意次，但尽可能少重复
+? 重复1次或更多次，但尽可能少重复
?? 重复0次或1次，但尽可能少重复
{n,m}? 重复n到m次，但尽可能少重复
{n,}? 重复n次以上，但尽可能少重复




.*?的用法

. 是任意字符
* 是取 0 至 无限长度
? 是非贪婪模式。
何在一起就是 取尽量少的任意字符，一般不会这么单独写，他大多用在：
.*?x

就是取前面任意长度的字符，直到一个x出现




re模块下的常用方法

re.findall

返回所有满足匹配条件的结果,放在列表里

import re
ret = re.findall('a', 'eva egon yuan')  # 返回所有满足匹配条件的结果，放在列表里
print(ret)

ret1 = re.findall('\d+', 'dfkhf4565fwef326wef315wef')  # 匹配一个数字1次或者多次
print(ret1)

ret2 = re.findall('\d', 'dfkhf4565fwef326wef315wef')  # 匹配一个数字(单个)
print(ret2)

执行结果

['a', 'a']

['4565', '326', '315']

['4', '5', '6', '5', '3', '2', '6', '3', '1', '5']




re.search

函数会在字符串内查找模式匹配,只到找到第一个匹配然后返回一个包含匹配信息的对象,该对象可以通过调用group()方法得到匹配的字符串,如果字符串没有匹配，则返回None

import re
ret = re.search('a', 'eva egon yuan')
if ret:
    print(ret.group())  # 从结果对象中获取结果

执行结果

a




为什么只有1个a呢？

search和findall的区别:

1 search找到一个就返回，findall是找所有

2 findall是直接返回一个结果的列表，search返回一个结果的对象




re.match


import re
ret = re.match('a', 'eva egon yuan')
print(ret)

执行结果

None




所有的match,意味着在正则表达式中添加了一个^,也就是'^a'的意思

import re
ret = re.match('e', 'eva egon yuan')
if ret:
    print(ret.group())

执行结果


e




match

1 意味着在正则表达式中添加了一个^

2 和search一样 匹配返回结果对象，没匹配到返回None

3 和search一样 从结果中获取值 仍然用group()




re.split

先按'a'分割得到''和'bcd',在对''和'bcd'分别按'b'分割

import re
ret = re.split('[ab]', 'abcd')
print(ret)

结果

['', '', 'cd']




re.sub

将数字替换成'H',参数1表示只替换1个，如果不写1，则全部替换

import re
ret = re.sub('\d', 'H', 'esdf7sam9tom', 1)
print(ret)
ret = re.sub('\d', 'H', 'esdf7sam9tom')
print(ret)

执行结果

esdfHsam9tom

esdfHsamHtom




re.subn

将数字替换成'H',返回元组(替换的结果，替换了多少次)

import re
ret = re.subn('\d', 'H', 'esdf7sam9tom')
print(ret)

执行结果


('esdfHsamHtom', 2)




re.compile

将正则表达式编译成为一个正则表达式对象，规则要匹配的是3个数字

正则表达式对象调用search,参数为待匹配的字符串

编译 在多次执行同一条正则规则的时候才适用

import re
obj = re.compile('\d{3}')
ret = obj.search('abc123eeshds')
print(ret.group())
# 可以执行多个方法
ret1 = obj.match('999abc123e111ee888shds')
ret2 = obj.findall('123e111ee888shds')
print(ret1)
print(ret2)

执行结果


123




['123', '111', '888']




re.finditer


finditer返回一个存放匹配结果的迭代器

import re
ret = re.finditer('\d', 'ds3sy4784a')   #finditer返回一个存放匹配结果的迭代器
print(ret)  # print(next(ret).group())  #查看第一个结果
print(next(ret).group())  #查看第二个结果
print([i.group() for i in ret])  #查看剩余的左右结果

执行结果




3

4

['7', '8', '4']




re.findall的优先级查询

import re
ret = re.findall('www.(baidu|soso).com', 'www.soso.com')
print(ret)
# findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可
ret1 = re.findall('www\.(?:baidu|soso)\.com', 'www.baidu.com')
print(ret1)

执行结果

['soso']

['www.baidu.com']




re.split的优先级查询

import re
ret = re.split('\d+', 'sdsff41fef5fe45')
print(ret)

# 在匹配部分上()之后所切出的结果是不同的
# 没有()的没有保留所匹配的项,但是有()的却能够保留匹配的项
# 这个在某些需要保留匹配部分的使用过程中是非常重要的
ret1 = re.split('(\d+)', 'sdsff41fef5fe45')
print(ret1)

执行结果


['sdsff', 'fef', 'fe', '']

['sdsff', '41', 'fef', '5', 'fe', '45', '']




匹配标签

分组命名和search遇到分组

有时候，不通过匹配周围的，无法匹配到想要的内容

分组的意义

1 对一组正则规则进行量词约束

2 从一整条正则规则匹配的结果中优先显示组内的内容

import re
ret = re.search("<(?P\w+)>\w+", 'hello')
print(ret.group())  # hello 因为h1和结果的h2不同，所以不对

ret1 = re.search("<(?P\w+)>\w+", 'hello')
print(ret1)  # 匹配不到了返回值为None

ret2 = re.search("<(?P\w+)>\w+", 'hello')
print(ret2.group())  # 匹配到了对应的内容

执行结果






练习题：

计算下面例子的结果(用正则去匹配)

s = '1 - 2 * ( (60-30 +(-40/5) * (9-2*5/3 + 7 /3*99/4*2998 +10 * 568/14 )) - (-4*3)/ (16-3*2) )'




完整代码

import re
def cal(exp):
    """计算乘除的值，返回一个str(float)"""
    if '*' in exp:
        a, b = exp.split('*')
        return str(float(a) * float(b))
    elif '/' in exp:
        a, b = exp.split('/')
        return str(float(a) / float(b))

def format(exp):
    """替换表达式中的多余符号"""
    exp = exp.replace('++', '+')
    exp = exp.replace('+-', '-')
    exp = exp.replace('-+', '-')
    exp = exp.replace('--', '+')
    return exp

def dealwith(no_bracket_exp):
    # 匹配乘除法
    while True:
        mul_div = re.search('\d+(\.?\d+)?[*/]-?\d+(\.?\d+)?', no_bracket_exp)
        if mul_div:
            exp = mul_div.group()
            result = cal(exp)
            no_bracket_exp = no_bracket_exp.replace(exp, result, 1)
        else:break
    no_bracket_exp = format(no_bracket_exp)
    # 计算加减法
    lst = re.findall(r'[-+]?\d+(?:\.\d+)?', no_bracket_exp)
    res = str(sum(float(i) for i in lst))
    return res

def remove_bracket(s):
    s = s.replace(' ', '')  # 替换空格为空
    while True:
        ret = re.search(r'\([^()]+\)', s)  # 匹配最内层的括号
        if ret:  # 能匹配到括号 就先处理括号内的加减乘除
            no_bracket_exp = ret.group()  # 拿到括号中的表达式
            ret = dealwith(no_bracket_exp)  # 把括号中的表达式交给的dealwith
            s = s.replace(no_bracket_exp, ret, 1)
        else:  # 不能匹配到括号 就字节处理加减乘除
            ret = dealwith(s)  # 把表达式交给的dealwith
            return ret


s = '1 - 2 * ( (60-30 +(-40/5) * (9-2*5/3 + 7 /3*99/4*2998 +10 * 568/14 )) - (-4*3)/ (16-3*2) )'
print(remove_bracket(s))

执行结果

2776672.6952380957

关键字：