Re正则表达式

正则表达式

是什么

正则表达式(Regular Expression)目的是为了字符串模式匹配，从而实现搜索和替换功能。所以它是一种用来描述规则的表达式。

字符

既然字符串是为了字符串的模式匹配

所以组成

1. 字符
2. 元字符

字符就是数字、英文字母。而元字符就是特殊字符，可以表示特殊语义的字符。

我们所要做的就是利用元字符构造强大的表达式

单个字符

#在apple中匹配ple
print(re.findall("p","apple"))

> ['p']

\转义字符

特殊字符	正则表达式	记忆方式
换行符	\n	new line
换页符	\f	form feed
回车符	\r	return
空白符	\s	space
制表符	\t	tab
垂直制表符	\v	vertical tab
回退符	[\b]	backspace,之所以使用[]符号是避免和\b重复

多个字符

单个字符的映射关系是一对一的，即正则表达式的被用来筛选匹配的字符只有一个。而这显然是不够的，只要引入集合区间和通配符的方式就可以实现一对多的匹配了

#匹配1 2 3三个字符
 print(re.findall("[123]","[123456]"))

 > ['1', '2', '3']

-表示区间范围

print(re.findall("[1-3]","[123456]"))

> ['1', '2', '3']

利用-表示区间范围，所以[0-9]就能匹配所有数字 [a-z] 就能匹配所有小写字母

匹配区间	正则表达式
除了换行符之外的任何字符	.
单个数字, [0-9]	\d
除了[0-9]	\D
包括下划线在内的单个字符，[A-Za-z0-9_]	\w
非单字字符	\W
匹配空白字符,包括空格、制表符、换页符和换行符	\s
匹配非空白字符	\S

循环与重复

如何同时匹配多个字符。要实现多个字符的匹配我们只要多次循环，重复使用我们的之前的正则规则就可以了

分类

• 0次
• 1次
• 多次
• 执行次

？代表匹配一个或0个

* 代表匹配0个或无数个

+ 表示匹配1次或多次

{ } 表示匹配指定次数

• {n} n次
• {min,max} 介于
• {min,}至少min次
• {0,max}至多max次

import re
#0~9的数字匹配三个
str = "a123456789"
print(re.search('[0-9]{3}',str)) #返回对象

<re.Match object; span=(1, 4), match='123'>

# 返回数字
str = "abc1s5df92f"
re.findall("[0-9]",str)

['1', '5', '9', '2']

# 从头匹配直到看到2
re.search('.*2','1a2bcc')
> 1a2

边界

在长文本字符串查找过程中，我们常常需要限制查询的位置。比如我只想在单词的开头结尾查找

单词边界

单词是构成句子和文章的基本单位，一个常见的使用场景是把文章或句子中的特定单词找出来。

re.findall("cat","more cat cat catkk")
> ['cat', 'cat', 'cat']

/b匹配单词边界

它匹配一个单词的边界

re.findall( r'\bbc\b' , "abc bc abbbc bcd" )
> ['bc']


re.findall( r'bc\b' , "abc bc abbbc bcd" )
> ['bc', 'bc', 'bc']

/B匹配非边界

#匹配包含bc但不以bc开头的 和以bc结尾的  
re.findall( r'\Bbc\b' , "abc bc abbbc bcd" )
> ['bc', 'bc']

字符串边界

^ 表示字符串的开头

$ 表示字符串的结尾

#匹配以he开头的
re.findall("^he","he is hello ")

> ['he']

分组

import re

data = "tashi123ale"
res = re.search('([a-z]*)([0-9]*)([a-z]*)',data)
print(res.groups())
print(res.group(1))

#身份证验证
data = "140830199810040017"
res = re.search('(?P<province>\d{3})(?P<city>\d{3})(?P<year>\d{4})',data)
print(res.groups())
print(res.groupdict()) #转变字典


('tashi', '123', 'ale')
tashi
('140', '830', '1998')
{'province': '140', 'city': '830', 'year': '1998'}

匹配分割

import re

data = "小红,小明,小花"
res = re.split(',',data)
print(res)

['小红', '小明', '小花']

匹配替换

参数1 匹配规则

参数2 要替换的字符

参数3 替换的数据

参数4 替换几个

import re

# help(re)
data = "小红,小明,小花"
res = re.sub(',','__',data,count=1)
print(res)

小红__小明,小花

总结

正则表达式	代表的匹配字符
.	代表任意字符
\	逻辑或操作符
[ ]	匹配内部的任一字符或子表达式
[^]	对字符集和取非
-	定义一个区间
*	匹配前面的字符或者子表达式0次或多次
*?	惰性匹配上一个
+	匹配前一个字符或子表达式一次或多次
?	匹配前一个字符或子表达式0次或1次重复
{n}	匹配前一个字符或子表达式
^	匹配字符串的开头
\A	匹配字符串开头
$	匹配字符串结束
\d	单个数字0-9
\D	除了0-9
\w	单个字符a-z A-Z 0-9
\W	除了[A-Za-z0-9]
\s	匹配空白字符,包括空格、制表符、换页符和换行符
\S	匹配非空白字符

Python

• re.match() 从头开始匹配,找到返回
• re.search() 全局匹配包含

• re.findall() 搜索字符串,以列表形式返回全部能匹配的子串

• re.split() 以匹配到的字符当作列表分隔符

• re.sub() 匹配字符并替换
• re.fullmatch()全部匹配

标识符

• re.I 忽略大小写
• re.S 改变.的行为
• re.M 多行模式
• re.X 给表达式写注释

Demo

# 请写出一个正则来处理数字千分位，如12345替换为12,345
import re
str = "12345"
re.findall("(\d{0,})(\d{3})",str)