Skip to content

11 正则表达式下

本节知识大纲: 01

一、判断是否满足要求

通过正则表达式判断文本是否符合要求,主要有两个函数: (1)match() 从string首字母开始匹配,string如果包含pattern子串,则匹配成功,返回Match对象,失败则返回None; 一般用于:完全匹配,用于严格的校验 (2)search() 若string中 包含 pattern子串,则返回Match对象,否则返回None,注意:如果string中存在多个pattern子串,只返回第一个; 一般用于:是否包含,用户判断内容是否存在。 案例01: 判断手机号是否符合规范?

import re
pattern = re.compile(R"^1[3578]\d{9}$")
match_result = pattern.match(input_number)
if match_result is not None:
    print("手机号码有效,号码为:",input_number)
else:
    print("手机号码无效")
案例02: 查看文本中是否包含134开头的手机号码?
import re
str01 = "hello had you thank you 13412345678 " \
        "13498765679 1821209776 good"
pattern = re.compile(r"134\d{8}")
match_result = pattern.search(str01)
if match_result:
    print("包含134开头的手机号,具体为:",match_result.group(0))
else:
    print("不包含")
输出结果:
包含134开头的手机号具体为: 13412345678

二、获取捕获内容

两种基本方法 (1)findall() 返回 string中所有与pattern相匹配的全部字符串,返回形式为集合;findall方法适用于没有分组或者非捕获分组的场景; 案例01:没有分组的场景 在长字符串中获取1开头或者9开头的数字

import re
str01 = "Use this toggle to the 2234 9876765 9912 left to manage"
print(re.findall(r"\b[19]\d*\b",str01))
案例02:非捕获分组的场景 获取http或者https开头,cn或者com结尾的域名
import re
str01 = "browser uses BBC’s https://www.apple.com If you’re  http://www.bt.cn thank you"
print(re.findall(r"\b(?:http|https)[:/\w.]*(?:cn|com)\b",str01))

(2)finditer() 返回string中所有与pattern相匹配match对象的迭代,finditer适用的场景为捕获分组的场景; 案例:获取4个数字其中前两个数字是一样的

import re
str01 = "Use this toggle to the 2234 9876765 9912 left to manage" 
match_reslut = re.finditer(r"\b(\d)\1\d{2}\b",str01)
match_list = []
for i in match_reslut:
    match_list.append(i.group(0))
print(match_list)
获得的对象通过for进行迭代,获取内容通过group(0),由此可见只要涉及了对捕获组的调用就不能使用findall()进行内容获取,只能通过finditer()进行迭代获取。

三、正则匹配修饰符

通过修饰符来简化我们对正则表达式的写法,正则匹配修饰符有: 02 我们主要掌握忽略大小写和多行模式的修饰符的用法就行了,这些正则匹配修饰符主要写在findall(正则表达式,待匹配字符串,匹配修饰符)

1. 使用修饰符忽略大小写

案例:找出字符串中hello,忽略大小写

import re
str01 = "Use this toggle to hello the 2234 9876765 Hello 9912 left to hEllO manage how your " \
        "browser heLlo uses BBC’s  https://www.apple.com "
print(re.findall(r"\bhello\b",str01,re.I))  # 忽略大小写
如果不使用正则匹配修饰符的话,忽略大小写,正则表达式写的麻烦一点,因为要把大小写的情况都写上。 输出结果:
['hello', 'Hello', 'hEllO', 'heLlo']

2. 使用修饰符启用多行模式

案例:找出多行字符串中的hello

import re
str01 = "hello\nhello\nhello\nHello"
print(re.findall(r"^hello",str01))  # 虽然str01是多行,但是开始位置只有一个
print(re.findall(r"^hello",str01,re.M))  # 每一行都进行匹配
输出结果:
['hello']
['hello', 'hello', 'hello']

四、match对象

通过match()和search()返回match对象,通过finditer()返回的是迭代的match对象 重要:match()是从string字符串的开头开始匹配,search()只有string字符串中包含了pattern就可以匹配到。比如re.march(r"\d+","abcde123abc")因为string字符串中数字123不是在开头,所以匹配不到,如果换成search方法就可以匹配到数字123了。 常见方法: (1)group()获得一个或多个分组截获的字符串,编号0代表整个匹配的子串;不填写参数时,返回group(0);没有截获字符串的组返回None;

案例:

import re
match_result = re.search(r"\d+","abcde123abc")
print(match_result)
# 1. group() 可以空参数也可以写0,因为默认参数就是0
print(match_result.group(0))
输出结果即为匹配的数字:123 疑问:在正则匹配过程中,我们没有做任何分组,为何能通过group能访问到结果呢? 回答:正则中默认整体就是一个分组,编号为0,group(0)返回整个匹配的结果。 (2)groups()以元组的形式返回全部分组截获的字符串,default表示没有截获字符串的组以这个值替代,默认为None 代码示例:
import re
str01 = "my name is abc123abc"
match_result = re.search(R"\b([a-z]+)([0-9]+)([a-z]+)\b",str01)
print(match_result.groups())
输出结果:
('abc', '123', 'abc')
(3)start()匹配开始的索引; 返回指定的组截获的子串在string中的起始索引(子串第一个字符的索引)。group默认值为0。 (4)end()匹配结束索引; 返回指定的组的子串在string中的结束索引(子串第一个字符的索引)group默认值为0。 (5)span()返回开始索引和结束索引; (start(group),end(group)). 代码示例:
import re
str01 = "my name is abc123abc"
match_result = re.search(R"\b([a-z]+)([0-9]+)([a-z]+)\b",str01)
print(match_result.start())
print(match_result.end())
print(match_result.span())
输出结果:
11
20
(11, 20)

五、split函数

在字符串处理中我们经常使用split方法来进行字符串的切割,同样在正则表达式中也有用split方法来进行切割

1. 字符串的切割

如果我们希望根据字符串中的逗号将字符串切割,tomi,abby,aliy,peter,joel,在传统的字符串处理方法中使用split方法就可以实现:

str01 = "steven,abby,aliy,peter"
name_list = str01.split(",")
print(name_list)
输出结果:
['tomi', 'abby', 'aliy','peter','joel']
但是字符串中的split方法传入的分隔符只能有一个,对于这种tomi,abby|aliy-peter;joel分割符有很多种符字符串该怎么分割呢? 实际上,可以使用正则表达式的split方法,它可以支持多个分割符,只要用|分开就可以了
import re
str01 = "tomi,abby|aliy-peter;joel"
name_list = re.split(",|;|-|\|",str01)
print(name_list)
输出结果:
['tomi', 'abby', 'aliy','peter','joel']

2. 分割后的处理

如果我们要处理的字符串分隔符有多个,类似这样tomi,,,abby|||aliy-peter;;;;joel,分割处理后会出现这样的结果:

['tomi', '', '', 'abby', '', '', 'aliy', 'peter', '', '', '', 'joel']
不利于我们对后期数据的一个总结,所以我们可以去除空的内容,我们可以这样写:
name_list =[i for i in re.split(",|;|-|\|",str01) if i]  # 如果i非空则保存
这样就去除了空格输出的结果就好看了
['tomi', 'abby', 'aliy', 'peter', 'joel']

六、sub函数和subn函数

这两个函数主要用于文本中符合我们正则表达式的内容进行替换; sub()函数主要有四个重要的参数: sub(pattern,repl,str,count) * pattern 正则表达式编译后的对象 * repl 想要替换成的文本 * str 替换前的文本 * count 替换的次数,如果不写的话全部替换 返回的是替换成功后的文本 案例演示: 把str01中M开头的手机号码后四位替换成****

import re
str01 = "Use this toggle to the M:13912342234 9876765 9912 left to manage how your " \
        "outside the UK M:13789871234 you can also use http://www.bt.cn the toggle to set "
print(re.sub(R"(?<=M:[1][3578]\d{5})\d{4}","****",str01,2))
如果在替换的过程中想使用正则修饰符,可以在四个参数旁载添加参数flags=re.I表示忽略大小写。 使用subn()函数,其传入的参数和sub()一样,只不过它返回的是一个元组,包含了两个元素,一个是替换后的文本,还有一个是替换的次数。