Python进阶7--正则表达式

正则表达式***

概述

分类

基本语法

 元

^        匹配字符串的开头
$        匹配字符串的末尾。
.        匹配任意字符,除了换行符,当re.DOTALL标记被指定时,则可以匹配包括换行符的任意字符。
[...]      用来表示一组字符,单独列出:[amk] 匹配 'a''m''k'
[^...]     不在[]中的字符:[^abc] 匹配除了a,b,c之外的字符。
re*       匹配0个或多个的表达式。
re+       匹配1个或多个的表达式。
re?       匹配0个或1个由前面的正则表达式定义的片段,非贪婪方式
re{ n}     匹配n个前面表达式。例如,"o{2}"不能匹配"Bob"中的"o",但是能匹配"food"中的两个o。
re{ n,}    精确匹配n个前面表达式。例如,"o{2,}"不能匹配"Bob"中的"o",但能匹配"foooood"中的所有o。"o{1,}"等价于"o+""o{0,}"则等价于"o*"。
re{ n, m}  匹配 n 到 m 次由前面的正则表达式定义的片段,贪婪方式
a| b      匹配a或b
(re)      匹配括号内的表达式,也表示一个组
一些基本模式:
w 匹配数字字母下划线,包括中文字 W 匹配非数字字母下划线 s 匹配任意空白字符,等价于 [ f]。 S 匹配任意非空字符 d 匹配任意数字,等价于 [0
-9]。 D 匹配任意非数字 A 匹配字符串开始  匹配字符串结束,如果是存在换行,只匹配到换行前的结束字符串。 z 匹配字符串结束 G 匹配最后匹配完成的位置。  匹配一个单词边界,也就是指单词和空格间的位置。例如, 'er' 可以匹配"never" 中的 'er',但不能匹配 "verb" 中的 'er'。 B 匹配非单词边界。'erB' 能匹配 "verb" 中的 'er',但不能匹配 "never" 中的 'er'
#Python环境3.6.3
import  re
a = '中国'
regex = re.compile('w+')
res  = regex.match(a)
print(res)
#输出结果如下:
# <_sre.SRE_Match object; span=(0, 2), match='中国'>

 

重复

 

#Python正则表达式里的单行re.S和多行re.M模式
默认情况下,一个包含换行符的字符串总是被当作多行处理。但是行首符^和行尾符$仅仅匹配整个字符串的起始和结尾。这个时候,包含换行符的字符串又好像被当作一个单行处理
参考:https://www.cnblogs.com/pugang/p/10123285.html
#单行模式下,点号(.)匹配了包括换行符在内的所有字符。所以,更本质的说法是:单行模式re.DOTALL/re.S改变了点号(.)的匹配行为
#多行模式下,^除了匹配整个字符串的起始位置,还匹配换行符后面的位置;$除了匹配整个字符串的结束位置,还匹配换行符前面的位置.

 

(?:exp)不会改变正则表达式的处理方式,只是这样的组匹配的内容不会像前两种那样被捕获到某个组里面,也不会拥有组号。

贪婪与非贪婪*

正则表达式可以包含一些可选标志修饰符来控制匹配的模式。修饰符被指定为一个可选的标志。多个标志可以通过按位 OR(|) 它们来指定。如 re.I | re.M 被设置成 I 和 M 标志:
修饰符    描述
re.I    使匹配对大小写不敏感(IgnoreCase)(re.DOTALL)
re.L    做本地化识别(locale-aware)匹配
re.M    多行匹配,影响^和 $(Multiline)(re.MULTILINE)
re.S    使 . 匹配包括换行符在内的所有字符(Singleline)
re.U    根据Unicode字符集解析字符。这个标志影响 w, W, , B.
re.X    忽略表达式中的空白字符,如果要使用空白字符用转义,#可以用来做注释(re.VERBOSE)

练习1

IP地址

import socket
nw = socket.inet_aton('192.168.05.001')
print(nw,socket.inet_ntoa(nw))

练习2

选出含有ftp的链接,且文件类型是gz或者xz的文件名

 

Python的正则表达式

python使用re模块提供了正则表达式处理的能力

 常量

    常量                                      说明    
re.M/re.MULTILINE                           多行模式
re.S/re.DOTALL                              单行模式
re.I/re.IGNORECASE                          忽略大小写
re.X/re.VERBOSE                             忽略表达式中的空白字符
#使用|位或运算开启多项选择,如下例:
>>>import re
>>> a = 'This is the first line.
This is the second line.
This is the third line.'
>>> re.findall(r'^This.*?line.$', a, flags=re.DOTALL+re.MULTILINE) 
['This is the first line.', 'This is the second line.', 'This is the third line.']
>>> re.findall(r'^This.*?line.$', a, flags=re.DOTALL | re.MULTILINE)
['This is the first line.', 'This is the second line.', 'This is the third line.']

方法

编译

单次匹配

 

import re

s = '''bottle
bag
big
apple'''
# for x in enumerate(s):
#     if x[0]%8==0:
#         print()
#     print(x,end=' ')
# print('
')

#match:尝试从字符串的起始位置匹配一个模式,如果不是起始位置匹配成功的话,match()就返回none
result = re.match('b',s)
print(1,result)
result = re.match('a',s)
print(2,result)
#先编译,然后使用正则表达式对象
regex = re.compile('a')
result = regex.match(s)#依旧重头开始找
print(3,result)
result = regex.match(s,15)#把索引15作为开始找
print(4,result)

#search:扫描整个字符串并返回第一个成功的匹配
result = re.search('a',s)#search(pattern, string, flags=0):
print(5,result)
regex = re.compile('b')
result = regex.search(s,1)
print(6,result)
regex = re.compile('^b',re.M)#不管是不是多行模式,找到就返回
result =regex.search(s)#search(self, string, pos=0, endpos=-1):
print(7,result)

#fullmatch:要完全匹配才会返回非None
result = re.fullmatch('bag',s)
print(8,result)
regex = re.compile('bag')
result = regex.fullmatch(s)
print(9,result)
result = regex.fullmatch(s,7,10)
print(10,result)

全部匹配

import re

s = '''bottle
bag
big
apple'''
#findall方法
result = re.findall('^b.*',s)
print(1,result)
regex = re.compile('^b.*',re.S)#单行模式结果:['bottle
bag
big
apple']
result = regex.findall(s)
print(2,result)
regex = re.compile('^b.*',re.M)#多行模式结果:['bottle','bag', 'big']
result = regex.findall(s,7)
print(3,result)
result  =re.finditer('^b.*',s)
print(4,result)
#finditer
result = regex.finditer(s)
print(type(result))

匹配替换

分割符串

 分组

 

 

练习

1.匹配邮箱地址

示例:^(w[w.-]*)@(w[w.-]*.[a-zA-Z]+)

 2.匹配html标记的中文内容

示例:(?<=>)w+(?=<)

3.匹配URL

示例:(w+)://[S]+

4.匹配二代中国身份证

示例:d{17}[xXd]|d{15}

5.强密码识别

#利用re模块进行wordcount
#defaultdict类的初始化函数接受一个类型作为参数,当所访问的键不存在的时候,可以实例化一个值作为默认值:
#defaultdict类除了接受类型名称作为初始化函数的参数之外,还可以使用任何不带参数的可调用函数,
# 到时该函数的返回结果作为默认值,这样使得默认值的取值更加灵活
from collections import defaultdict
import re

def wordcount(path):
    d = defaultdict(lambda :0)
    
    with open(path,encoding='utf-8')as f:
        for line in f:
            for sub in re.split('[^-w]+',line):
                if len(sub)>0:
                    d[sub.lower()] += 1
    
    return d
做一枚奔跑的老少年!
原文地址:https://www.cnblogs.com/xiaoshayu520ly/p/10689438.html