本节知识大纲: 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 repattern = 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?
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
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 restr01 = 'browser uses BBC’s https://www.apple.com If you’re http://www. 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
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: 正则表达式修饰符 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 restr01 = '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:
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 restr01 = '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:
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 rematch_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0print(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:
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:
输出结果: 1120(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:
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
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:
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
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)
案例演示: 把str01中M开头的手机号码后四位替换成**** import restr01 = '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. 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,可以在四个参数旁再添加参数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。 好啦,关于正则表达式的知识就分享到这里,如果觉得还不错的话,就点个赞吧! 下一节,我们继续介绍Python中的文件和目录的操作~ |
|