一个完整的正则使用过程

#调用re模块：

In [11]: import re

# re.match(pattern, string)第一个参数是你正则的规则, 第二个参数是检测的字符串：

In [12]: a=re.match(r"redhat","redhathello")

In [13]: print a.group()  
redhat

#re.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：

In [14]: a=re.match(r"redhat","helloredhat")

In [16]: print a
None

# 如果没有找到匹配, 也返回None：

In [17]: a=re.match(r"redhat","hellolinux")

In [18]: print a
None

正则表达式(re=regular expression)

\d和\D

In [2]: a=re.match(r"\d","1234")In [3]: print a.group()
1In [5]: a=re.match(r"\D","he1234")In [6]: print a.group()
h

\s和\S 

In [9]: a=re.match(r"\s","\th123")In [10]: print a.group()#这里不是什么都没有返回，其实是返回了/t，一个table键的长度的空行

In [11]: a=re.match(r"\S","\t")In [12]: print a
None

 \w和\W

In [17]: a=re.match(r"\w","_h1")In [18]: print a.group()
_In [19]: a=re.match(r"\W","*#_h1")In [20]: print a.group()
*

 [ ]

根据[ ]的特性，下面这些都可以是等价的：

[0123456789] = \d = [0-9]
[^0123456789] = \D = [^0-9]
[a-zA-Z0-9_] = \w
[^a-zA-Z0-9_] = \W
[\n\t\r] = \s
[^\n\t\r] = \S

*

#代表a字符出现0次或多次

#match方法结果实际是函数，所以如果返回一个函数也能说明匹配成功了，如下就是成功匹配字符a在" "字符串中出现0次或多次

In [67]: re.match(r"a*","hello")
Out[67]: <_sre.SRE_Match at 0xfe6098>
In [68]: re.match(r"a*"," ")
Out[68]: <_sre.SRE_Match at 0xfca920>

+

#代表a字符至少出现1次

In [72]: print re.match(r"a+","hello")
None
In [75]: print re.match(r"a+","aahello")
<_sre.SRE_Match object at 0xfcad98>

练习1：匹配电话号码

需求：区号010-七位数字，中间“-”可以省略

#coding:utf-8
import re
reg=r"010-?\d{7}$"
#匹配010开头的，-可以出现1次或0次，单个数字出现7次并以这7位数字结尾
phones=["010-1234567", "0101234567", "010123","010-a123333"]
for i in phones:a=re.match(reg,i)if a:print "%s 合法" %(a.group())else:print "%s 不合法" %(i)
#group方法只会打印出符和条件的内容,因此这里直接打印列表中的元素

执行结果：

练习2：匹配字符串

需求:：匹配出字符串第一个字母为大写字母, 后面都是小写字母, 并且这些小写字母可有可无

#coding:utf-8
import re
s=["hello","Hello","hAlla","H","a"]
reg=r"[A-Z][a-z]*"
for i in s:a=re.match(reg,i)if a:print "%s 合法" %(i)else:print "%s 不合法" %(i)

执行结果：

练习3：匹配qq邮箱

找出列表中符和条件的邮箱地址, 并存储到/tmp/mail.txt文件中;
邮箱地址以@qq.com结尾;
@qq.com前面的内容由字母,数字或者下划线组成, 但至少4位, 最多20位

#coding:utf-8
import re
s=["dsadsad@qq.com","123@qq.com","qwer@qq.com","zsdcf@11.com"]
def ismail_ok(x):reg=r"\w{4,20}@qq.com$"a=re.match(reg,i)if a:return Trueelse:return False
mail=[i+"\n" for i in s if ismail_ok(i)]
#使用列表生成式，如果符合条件就输出列表中的元素加上回车字符
with open("/tmp/mail.txt","a+") as f:f.writelines(mail)
#由于mial列表中的元素已经自带换行了，所以这里直接用列表写入mail.txt文件中的每个元素是会自动换行的

执行结果：

|

In [5]: a=re.match(r"redhat|hello","hellohdjfhhhawreda")
In [6]: print a.group()
hello
In [9]: a=re.match(r"redhat|hello","redhathdjfhhhawreda")
In [10]: print a.group()
redhat

练习4：

匹配出0-100之间的数字, 包括1和100

#coding:utf-8
import re
s=["0","1","2","45","37","100","199","897","0.7","ab"]
reg=r"^0$|^100$|[1-9]\d?$"
#匹配0，匹配100，匹配以1-9开头任意数字结尾的
for i in s:a=re.match(reg,i)if a:print "%s 合法" %(i)else:print "%s 不合法" %(i)

执行结果：

groups()方法

groups以元组方式返回符合条件的分组

In [25]: a=re.match(r"(\w{4,20})@(qq.com)$","abcd@qq.com")    #这里多加了两对括号，表示元组里的内容

In [26]: a.groups()
Out[26]: ('abcd', 'qq.com')

In [31]: m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')

In [32]: m.group(0)

Out[32]: '010-12345'

In [33]: m.group(1)

Out[33]: '010'

In [34]: m.group(2)

Out[34]: '12345'

In [35]: m.groups()

Out[35]: ('010', '12345')

匹配html语言：

普通方式(group方法)

In [35]: s="<html><h1>redhat</h1></html>"

In [36]: reg=r"<\w+><\w+>\w+</\w+></\w+>"

In [37]: a=re.match(reg,s)

In [38]: a.group()

Out[38]: '<html><h1>redhat</h1></html>'

元组方式(groups方法应用：返回关键字)

In [39]: s="<html><h1>redhat</h1></html>"

In [40]: reg=r"<(\w+)><(\w+)>(\w+)</\2></\1>"

#这里给每个匹配到的组加括号表示元组中的一个元素，后面的2和1可以代替前面已经匹配到的第二个\w和第一个\w

In [41]: a=re.match(reg,s)

In [42]: a.groups()

Out[42]: ('html', 'h1', 'redhat')

In [43]: a.group()

Out[43]: '<html><h1>redhat</h1></html>'

匹配网址：

元组方式(groups方法应用：返回网址中的jishu和book关键字)

In [44]: s="http://www.redhat.org/jishu/book"

In [45]: reg=r"http://.+/(\w+)/(\w+)$"  #.表示匹配除了换行符"\n"之外的所有字符

#这里可以将想要匹配的关键字加括号，然后groups方法返回的元组中就会将这两个加括号的字符串作为元素

In [46]: a=re.match(reg,s)

In [47]: a.groups()

Out[47]: ('jishu', 'book')

In [48]: a.group()

Out[48]: 'http://www.redhat.org/jishu/book'

groupdict()方法

以字典方式返回符合条件的分组

In [52]: s="http://www.redhat.org/jishu/book"

In [53]: reg=r"http://.+/(?P<first_content>\w+)/(?P<second_content>\w+)$"

#以字典返回就必须加上一个key值，格式?P<>

In [54]: a=re.match(reg,s)

In [55]: a.groupdict()

Out[55]: {'first_content': 'jishu', 'second_content': 'book'}

In [56]: a.group()

Out[56]: 'http://www.redhat.org/jishu/book'

#可以看到无论是以元组返回关键字还是字典返回关键字都是不影响group方法正常使用的

In [57]: a.groups()

Out[57]: ('jishu', 'book')

In [5]: s="http://www.redhat.org/jishu/book/jishu/book"

In [6]: reg=r"http://.+/(?P<first_content>\w+)/(?P<second_content>\w+)/(?P=first_content)/(?P=second_content)$"

#如果有2个一样的关键字可以，可以在第二次匹配的时候直接调从第一次匹配到的字典里面取

In [7]: a=re.match(reg,s)

In [8]: a.groupdict()

Out[8]: {'first_content': 'jishu', 'second_content': 'book'}

In [9]: a.group()

Out[9]: 'http://www.redhat.org/jishu/book/jishu/book'

re高级用法

search()方法: 只找到符和条件的第一个并返回;
findall()方法: 返回符合条件的所有内容;
sub()方法: 对符合正则的内容进行替换;
split()方法: 指定多个分隔符进行分割;

search()方法

In [43]: s= "阅读次数为1000, 转发次数为100"

In [44]: a=re.search(r"\d+",s)

In [45]: print a
<_sre.SRE_Match object at 0x2289f38>

In [46]: print a.group()
1000

findall()方法

In [43]: s= "阅读次数为1000, 转发次数为100"

In [46]: b=re.findall(r"\d+",s)

In [47]: print b
['1000', '100']

sub()方法

In [43]: s= "阅读次数为1000, 转发次数为100"

In [49]: c=re.sub(r"\d+","0",s)

In [50]: print c
阅读次数为0, 转发次数为0

题目5：

执行脚本之后阅读次数和转发次数都加1

解答：

#coding:utf-8import re

s="阅读次数为1000, 转发次数为100"def addNum(x):

a=int(x.group()) +1#re方法出来的是字符串，需要先转换成整形才能进行+1运算

return str(a)

reg=r"\d+"#匹配s中的数字，至少包含一个数字的字符串print re.sub(reg,addNum,s)
#在sub()方法中调用函数不用写()，在这里s就是传入addNum函数的实参

split()方法

In [55]: s="wangzhe 18:98766"

In [56]: print re.split(r":| ",s)   #表示指定:和空格进行分隔
['wangzhe', '18', '98766']

python贪婪和非贪婪

默认情况下python正则是贪婪模式的

In [48]: s="this is a number 111-234-22-456"

In [49]: r=re.match(r".+(\d+-\d+-\d+-\d+)",s)

#.+表示匹配至少一个任意字符,这里的括号是groups方法的应用，可以查看前面groups的介绍

In [51]: r.group(1)

#查看第一个括号中匹配出的内容发现有两个1被.+匹配走了，只剩下了一个1，这是由于python默认的贪婪匹配导致的
Out[51]: '1-234-22-456'

非贪婪模式, 总是匹配尽可能少的字符

*, ?,+, {m,n}后面加上?, 使得贪婪模式变成非贪婪模式;

In [52]: s="this is a number 111-234-22-456"

In [53]: r=re.match(r".+?(\d+-\d+-\d+-\d+)",s)

In [54]: r.group(1)
Out[54]: '111-234-22-456'

JSON(JavaScript Object Notation)

是一种轻量级的数据交换格式。可以将字典转换为字符串，或者将字符串转换为字典

In [7]: dic={"service":"ftp","port":22}

In [8]: print json.dumps(dic)
{"port": 22, "service": "ftp"}

In [9]: print type(json.dumps(dic))
<type 'str'>

#coding:utf-8import json

dic={

"service":"ftp",

"port":22

}#将字典转换为字符串

in_json=json.dumps(dic,indent=4)#indent=4表示缩进为4，这样字符串就可以和上面字典的样子一样了print in_jsonprint type(in_json)#将字符串转换为字典

out_json=json.loads(in_json)print out_jsonprint type(out_json)

执行结果：

[root@python code12]# python json_test.py 
{
"port": 22, 
"service": "ftp"
}
<type 'str'>
{u'port': 22, u'service': u'ftp'}
<type 'dict'>

题目6：

获取ip地理位置

解答：

获取位置需要调用API，这里选择淘宝的API

#coding:utf-8import urllib2
#调用urllib2模块，可用于访问网址import json

ipadd=raw_input("输入要查询的IP:")

url="http://ip.taobao.com/service/getIpInfo.php?ip=%s" %(ipadd)#模拟浏览器访问指定链接

urlres=urllib2.urlopen(url)#读取访问的链接里面的内容

res=urlres.read()#print type(res) #可以看到这个API返回的内容是字符串,显然字符串很难处理，所以转换为字典就可以方便的处理了

res_dic=json.loads(res)#淘宝的API返回的是一个字典嵌套另一个字典，所以需要取两次keyprint "IP:%s" %(res_dic["data"]["ip"])print "Country:%s" %(res_dic["data"]["country"])print "Region:%s" %(res_dic["data"]["region"])print "City:%s" %(res_dic["data"]["city"])

执行结果：

[root@python code12]# python json_ip.py 
输入要查询的IP:110.65.0.124
IP:110.65.0.124
Country:中国
Region:广东省
City:广州市

参考文档：http://blog.csdn.net/gf_lvah/article/details/79034371

 总结

• re.match(p,text) :p 为正则表达式模式, text 要查找的字符串,会返回一个match 对象
• re.search(p,text) : 只要在 text 中匹配到了 p 就返回,只返回第一个匹配到的
• re.findall(p,text) :将能匹配上的全返回,会返回一个 list
• re.split(p,text) : 按照 p 匹配,并且以匹配到的字符为分隔符切割 text, 返回一个切割后的 list
• re.sub(p,s,text) : 替换,将 p 匹配到的字符替换为 s.
• pattern = re.compile(p) 先编译 p 模式,当正则表达式模式比较复杂的时候,会先编译,然后再使用

#coding:utf-8import re

mails=["aa.qq.com","redff@qq.com","21313@aa.com"]

reg = r"\w{4,20}@qq.com$"

reg=re.compile(reg)        #事先将正则匹配编译好，再一个一个去匹配，提高脚本效率for i in mails:

a=re.match(reg,i)

if a:

print "%s 合法" %(i)

else:

print "%s 不合法" %(i)

执行结果：

[root@python code12]# python compile_test.py 
aa.qq.com 不合法
redff@qq.com 合法
21313@aa.com 不合法

练习：

基础版:有一个日志文件access.log,统计访问前十的 IP 地址和访问次数
升级版:有多个日志文件access.log,统计访问前十的 IP 地址和访问次数

转载于:https://www.cnblogs.com/vaon/p/11177781.html

Python笔记（21）正则表达式相关推荐

  1. Python笔记---常用正则表达式练习

    Python笔记---正则表达式 1. \d :匹配一个数字字符.等价于 [0-9]. 2. \D:匹配一个非数字字符.等价于 [^0-9]. 3. \[ ] 4. \- 5. { }: 6. \* ...

  2. 【Python笔记】正则表达式

    正则表达式 行定位符 元字符 限定符 字符类 排除字符 选择字符 转义字符 分组 在 Python 中使用正则表达式语法 行定位符 行定位符就是用来描述子串的边界. "^" 表示行 ...

  3. python笔记之正则表达式

    正则表达式 正则表达式(regular expression) 什么正则表达式? 我们希望只提取出我们所关注的数据,此时就可以用正则表达式 正则表达式就是一种进行数据筛选的表达式 正则表达式就是用一种 ...

  4. 【Python笔记】正则表达式基础和应用

    文章目录 0 引言 0.1 正则の定义.功能 0.2 正则の基本知识 0.3 在常见的编辑器中使用正则の方法 0.4 进阶内容 1 基础篇 1.1 元字符:如何巧妙记忆正则表达式的基本元件? 1 特殊 ...

  5. python笔记：正则表达式

    1 正则表达式 带?的都是非贪婪匹配,匹配的越少越好 1.1 正则表达式中的转义符 注:\w还包含_ 大写的字母一般是"不"的意思 字符串开头和结尾一个A一个z正好是26个字母的开 ...

  6. Python 网络爬虫笔记6 -- 正则表达式

    Python 网络爬虫笔记6 – 正则表达式 Python 网络爬虫系列笔记是笔者在学习嵩天老师的<Python网络爬虫与信息提取>课程及笔者实践网络爬虫的笔记. 课程链接:Python网 ...

  7. Python学习笔记：正则表达式

    前言 最近在学习深度学习,已经跑出了几个模型,但Pyhton的基础不够扎实,因此,开始补习Python了,大家都推荐廖雪峰的课程,因此,开始了学习,但光学有没有用,还要和大家讨论一下,因此,写下这些帖 ...

  8. 【Python笔记】使用 re 模块实现正则表达式操作

    使用 re 模块实现正则表达式操作 匹配字符串 使用 match() 方法进行匹配 使用 search() 方法进行匹配 使用 findall() 方法进行匹配 替换字符串 使用正则表达式分割字符串 ...

  9. python输出字体的大小_Toby的Python笔记 | 预备知识：安装openpyxl学做电子表格

    Toby的Python笔记 | 预备知识:安装openpyxl学做电子表格 Python 需要创建和读取excel表里面的数据,需要用 openpyxl 这个包,今天安装好备用. 首先,进入C命令窗口 ...

  10. c++ 冒泡排序_干货｜python笔记1-冒泡排序

    面试的时候经常有面试官喜欢问如何进行冒泡排序?这个问题相信可以难倒一批的同学,本篇就详细讲解如何用python进行冒泡排序. 基本原理 01概念: 冒泡排序是一种交换排序,它的基本思想是:两两比较相邻 ...

最新文章

  1. mysql存储过程结构体_八、mysql视图、存储过程、函数以及时间调度器
  2. 谷歌服务中断事故能否避免？
  3. UNIX网络编程之旅-配置unp.h头文件环境
  4. 95 后大学生利用漏洞免费吃肯德基获刑
  5. 学习jQuery（一）,做的第一个可拖动列的Grid
  6. 16个不错的 git 别名
  7. 数据结构与算法 - 递归回溯（迷宫问题）
  8. 嵌入式电路设计（soc底板电路设计）
  9. QT分析之网络编程（七）
  10. “狼牙抓鸡”现身IT江湖
  11. html生成jsessionid,H5 APP 使用 JSESSIONID 保持会话登录
  12. 腾讯云个人账号实名认证图文详情 新手必看教程
  13. 业务型团队如何提高人效
  14. SSH的 The authenticity of host xxx.xxx.xxx.xxx can't be established. 问题
  15. 基于墨刀实现的原型系统：一款简易的读书软件
  16. Android实战技巧之十：获得屏幕物理尺寸、密度及分辨率
  17. 2020ICPC济南K Kth Query
  18. 百度android 升级,百度浏览器去广告版下载-百度浏览器v6.4.21安卓去广告去升级版-ucbug软件站...
  19. ZBar条型码、二维码
  20. 2020年Android开发年终总结之如何挤进一线大厂？(1)，androidapp开发工具

热门文章

  1. 计算机动漫与游戏制作电脑配置,动漫与游戏设计该如何选电脑配置？
  2. jieba库词频统计_jieba库的使用与词频统计
  3. h3c交换机重启_华三交换机重启命令（范文篇）.doc
  4. MCGS 昆仑通态触摸屏 modbus TCP 数据转发
  5. 全网最详细的下载、安装和使用绘图神器draw.io(drawio)，它比visio,processon,wps，亿图图示等更好用，最重要的是它免费
  6. 孙玄：人工智能时代，你需要掌握的经典大规模文本相似识别架构和算法
  7. CodeForces - 988D（思维STL）
  8. IT自动化运维平台建设解决方案
  9. 单片机c语言 教案,《单片机C语言》 课程教案.doc
  10. plc secs半导体通讯协议 PLC 与MES的SECS/GEM通讯方案