掌握正则表达式

1 正则表达式的7个境界

1.1 level1_固定的字符串

要求：确定字符串中是否有123456

import retext = '张三身高：199，体重300，学号123456，密码936'
print(re.findall(r'123456', text))
==================================================
运行结果：
['123456']

代码说明：

第1行，引入正则表达式模块re
第3行，使用re的findall()方法找到所有符合模式的字符串，这里的模式就是123456，也就是说找到字符串中所有的123456
findall()方法的第1个参数是模式，第2个参数是要查找的字符串
模式中会有一些特殊字符，所以用r表示这是一个raw字符串，让Python不要去转义里面的特殊字符
上面程序的运行结果是：[123456]，因为整个字符串中就1个123456
level1就是一个固定的字符串匹配，可以用传统的字符串匹配解决

1.2 level2_某一类字符

要求：找出所有的单个的数字

text = '张三身高：199，体重300，学号123456，密码936'
print(re.findall(r'\d', text))
==================================================
运行结果：
['1', '9', '9', '3', '0', '0', '1', '2', '3', '4', '5', '6', '9', '3', '6']

这个表达式\d表示所有的数字，所以1,7,8,1,6,8等都可以匹配到。这是很简单的模式，只匹配1个单独的数字

找1到5的数字

text = '张三身高：199，体重300，学号123456，密码936'
print(re.findall(r'[1-5]', text))
==================================================
运行结果：
['1', '3', '1', '2', '3', '4', '5', '3']

找“一”，“重”，“号”这三个字

text = '张三身高：199，体重300，学号123456，密码936'
print(re.findall(r'[一重号]', text))
==================================================
运行结果：
['重', '号']

1.3 level3_重复某一类字符

要求：找所有的数字，比如178，168，123456，9527等

text = '张三身高：199，体重300，学号123456，密码936'
print(re.findall(r'\d+', text))
==================================================
运行结果：
['199', '300', '123456', '936']

这个模式\d+在\d的后面增加了+号，表示数字可以出现1到多次，所以199等都符合它的要求

匹配2到4个数字

text = '1张三23身高：199，体重300，学号123456，密码936'
print(re.findall(r'\d{2,4}', text))
==================================================
运行结果：
['23', '199', '300', '1234', '56', '936']

1.4 level4_组合level2

要求：找出座机号码

text = '张三的电话是12345678901，他还有一个电话10987654321，他喜欢0123456，他的座机：1234-1234567'
print(re.findall(r'\d{4}-\d{7}', text))
==================================================
运行结果：
['1234-1234567']

\d{4}-\d{7}这是一个组合的模式，表示前面4个数字，中间一个横杠，后面7个数字

1.5 level5_多种情况

要求：找出手机号码或者座机号码

text = '张三的电话是12345678901，他还有一个电话10987654321，他喜欢0123456，他的座机：1234-1234567'
print(re.findall(r'\d{4}-\d{7}|1\d{10}', text))
==================================================
运行结果：
['12345678901', '10987654321', '1234-1234567']

比上面有复杂了点，因为使用竖线(|)来表示”或“的关系，就是手机号码和电话号码都可以

1.6 level6_限定位置

要求：在句子开头的手机号码,或座机

text = '4321-7654321不是张三的，张三的电话是12345678901，他还有一个电话10987654321，他喜欢0123456，他的座机：1234-1234567'
print(re.findall(r'^\d{4}-\d{7}|^1\d{10}', text))
==================================================
运行结果：
['4321-7654321']

在表达式的最开始使用了^符号，表示一定要在句子的开头才行。这时候只有4321-7654321能匹配上

1.7 level7_内部约束

要求：找出形如barbar, dardar的前后三个字母重复的字符串

text = 'abc1abc，qweqwe，zxccxz，poipoi'
print(re.findall(r'(\w{3})(\1)', text))
==================================================
运行结果：
[('qwe', 'qwe'), ('poi', 'poi')]

\w{3}表示3个字符，放在小括号中(\w{3})就成为一个分组，而后面的(\1)表示它里面的内容和第1个括号里的内容必须相同，其中的1就表示第1个括号，也就是说3个字符要重复出现两次

2 写正则表达式的套路

如何写正则表达式呢？我总结了几个步骤。不管多复杂，基本上都百试不爽
我们仍然以包含分机号码的座机电话号码为例，比如0571-88776655-9527，演示下面的步骤：

确定模式包含几个子模式
它包含3个子模式：0571-88776655-9527。这3个子模式用固定字符连接
各个部分的字符分类是什么
这3个子模式都是数字类型，可以用\d。现在可以写出模式为：\d-\d-\d
各个子模式如何重复
第1个子模式重复3到4次，因为有010和021等直辖市
第2个子模式重复7到8次，有的地区只有7位电话号码
第3个子模式重复3-4次
加上次数限制后，模式成为：\d{3,4}-\d{7,8}-\d{3,4}
但有的座机没有分机号，所以我们用或运算符让它支持两者：
\d{3,4}-\d{7,8}-\d{3,4}|\d{3,4}-\d{7,8}
是否有外部位置限制
没有
是否有内部制约关系
没有

经过一通分析，最后的正则就写成了，测试一下：

text = '随机数字：01234567891，座机1：0571-52152166，座机2：0571-52152188-1234'
print(re.findall(r'\d{3,4}-\d{7,8}-\d{3,4}|\d{3,4}-\d{7,8}', text))
==================================================
运行结果：
['0571-52152166', '0571-52152188-1234']

最后的结果是：两个座机都可以找出来

3 正则表达式的语法分类

正则表达式几十个符号，看似很复杂，但如果能否分清楚类别和作用，就没那么复杂了

字符类别表达——表达某一类字符，比如数字，字母，3到9之间的任何数字等
字符的重复次数，也叫做量词。比如身份证是数字重复15或18次，也就是：\d{15}或者\d{18}
组合模式，把多个简单的模式组合在一起，可以是拼接，也可以是二者选其一
位置，限定模式出现的位置，比如行首，行尾，或者在特定字符之后等
分组，把一个正则表达式分成几个部分，这样可以重复某个分组，或者指定两个分组必须相同等额外的要求
其他

4 Python的re模块学习

python的re模块还比较简单，包括以下几个方法：

re.search()：查找符合模式的字符，只返回第一个，返回Match对象
re.match()：和search一样，但要求必须从字符串开头匹配
re.findall()：返回所有匹配的字符串列表
re.finditer()：返回一个迭代器，其中包含所有的匹配，也就是Match对象
re.sub()：替换匹配的字符串，返回替换完成的文本
re.subn()：替换匹配的字符串，返回替换完成的文本和替换的次数
re.split()：用匹配表达式的字符串做分隔符分割原字符串
re.compile()：把正则表达式编译成一个对象，方便后面使用

5 正则表达式的语法清单

下面我举了更多的例子，供大家练习和熟悉
建议先自己尝试去写出相关的正则表达式，再回来看下面的参考答案

匹配Email地址的正则表达式
匹配网址URL的正则表达式
匹配帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)
匹配国内电话号码(0571-87655322，001-87666622，920-209642-964)
匹配腾讯qq号
匹配中国邮政编码(6位数字)
匹配身份证(15位或18位)
匹配ip地址
形如"carcar"或"barbar"等会重复的三个字符的单词
获取以"密码:"开头的数字

现在来看参考答案：

匹配Email地址的正则表达式：\w+([-+.]\w+)*@\w+([-.]\w+)*.\w+([-.]\w+)*
匹配网址URL的正则表达式：[a-zA-z]+://[^s]*
匹配帐号是否合法(字母开头，允许5-16字母，允许字母数字下划线)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$
匹配国内电话号码，格式为：区号-号码-分机号，分机号可能没有：d{3,4}-d{7,8}-d{3,4}|d{3,4}-d{7,8}
匹配腾讯qq号：[1-9][0-9]{4,}
匹配中国邮政编码(6位数字)：[1-9]\d{5}(?!\d)
匹配身份证(15位或18位)：\d{15}|\d{18}
匹配ip地址：\d+.\d+.\d+.\d+
形如"carcar"或"barbar"等会重复的三个字符的单词：(\w{3})(\1)
获取以"密码:"开头的数字：(?<=密码.)\d+

6 汇总

2021-11-06 正则表达式总结相关推荐

2021.11.06总结
这周一直在刷搜索和dp的题,偶尔碰见dp加搜索的综合题,还打了一场cf,虽然结果不太好,差一点c就出了.自己有点菜,还需慢慢变强 P1052 过河在河上有一座独木桥,一只青蛙想沿着独木桥从河的一侧跳 ...
Interview：算法岗位面试—11.06早上上海某智能驾驶科技公司(创业)笔试+面试之手撕代码、项目考察、比赛考察、图像算法的考察等
Interview:算法岗位面试-11.06早上上海某智能驾驶科技公司(创业)笔试+面试之手撕代码.项目考察.比赛考察.图像算法的考察等导读:该公司是在同济某次大型招聘会上投的,当时和HR聊了半个多 ...
史上最详细微信小程序授权登录与后端SprIngBoot交互操作说明，附源代码，有疑惑大家可以直接留言，蟹蟹 2021.11.29完善更新小程序代码，
2021.11.29 更新文章你好,我是博主宁在春,一起学习吧!!! 写这篇文章的原因,主要是因为最近在写毕业设计,用到了小程序,这中间曲曲折折,一言难尽啊.毕业设计真的让人麻脑阔
Daily Report 2012.11.06 刘宇翔
今天对李忠修改过的match函数进行测试,修正bug,并进行优化. 将中文分词方法加入到算法中,提高了算法的精确度. 但中文分词方法加入到算法后,出现在一些新问题,对新出现的问题进行了修正和优化. 测 ...
读论文——Pre-Training with Whole Word Masking for Chinese BERT（2021 11.25）
第一遍标题以及作者(2021 11.25) 摘要本文基于BERT,在RoBERTa上进行一系列改进,提出了用于中文的预训练模型MacBERT. 提出了一种新的掩码策略,MLM as correct ...
首页推荐流支持快捷修改兴趣标签，问答支持展示gif【2021.11.8】
hello,大家好,这里是「CSDN产品周报」第17期.本次更新主要涉及首页和问答两个产品模块,具体细节请往下看. 一.首页优化 1.「推荐」信息流新增「修改兴趣标签」按钮从用户需求的角度考虑,对内 ...
【报告分享】小红书平台2021 11.11期间行业投放分析报告-千瓜数据(附下载)
摘要:随着平台多元化发展,用户体量增加,小红书逐渐拥抱了更多的年轻用户群体,也给更多的品牌带来了增长机会.据小红书方透露,2021年小红书平台的单日笔记曝光已经超100亿次,且男性用户占比已经达到了3 ...
2021.11.8-11.14 AI行业周刊（第71期）：AI行业经验
篇章一:行业经验不同的AI公司,对于AI产品的场景定位不同. 有的公司是面向C端产品.有的公司专门做B端用户. 当然大白所在的公司,也有具体的定位,主要面向智慧金融.智慧机场.智慧城市. 之前,一直 ...
第13期微生物组-宏基因组分析(线上/线下同时开课，2021.11)
福利公告:为了响应学员的学习需求,经过易生信培训团队的讨论筹备,现决定安排扩增子16S分析.宏基因组.Python课程和转录组的线上直播课.报名参加线上直播课的老师可在1年内选择参加同课程的一次线下课 ...
【不忘初心】Win10_LTSC2021_19044.1381_X64_可更新[纯净精简版][2.52G](2021.11.20）
此版可正常更新补丁,母版来自UUP WIN10_LTSC2021 19044.1288集成补丁到19044.1381为了保证稳定初心的系统全部都是离线精简和优化,非二次封装.系统纯净.流畅.进程少无任 ...

2021-11-06 正则表达式总结