Pythonの正規表現を詳しく解説

coldplay.xixi
リリース: 2020-11-03 16:54:58
転載
3660 人が閲覧しました

python教程栏目讲解正则表达式知识。

Pythonの正規表現を詳しく解説

正则表达式应用的场景也非常多。常见的比如:搜索引擎的搜索、爬虫结果的匹配、文本数据的提取等等都会用到,所以掌握甚至精通正则表达式是一个硬性技能,非常必要。

正则表达式

正则表达式是一个特殊的字符序列,由普通字符和元字符组成。元字符能帮助你方便的检查一个字符串是否与某种模式匹配。

Python中则提供了强大的正则表达式处理模块,即 re 模块, 为Python的内置模块。

下面,我带大家来一个入门demo例子,代码如下:

import rereg_string = "hello9527python@wangcai.@!:xiaoqiang"
reg = "hello"result = re.findall(reg,reg_string)
print(result)复制代码
ログイン後にコピー

这里reg_string就是我们的普通字符,reg就是我们的元字符。

我们使用 re 模块中的findall函数,进行匹配,返回的结果是列表数据类型。

我们使用正则表达式,就是为了在很长的字符串中,找到我们需要的字符串片段。

元字符

Python中常见元字符及其含义如下:

元字符 含义
. 匹配除换行符以外的任意字符
\\\\w 匹配数字字母下划线汉字
\\\\s 匹配任意空白符
\\\\d 匹配所有的数字
\\\\b 匹配单词的开始或结束
^ 匹配字符串的开始
$ 匹配字符串的开始结束
下面,我们具体使用下Python中的常见的元字符。

我们还是使用上次的例子,这次我们需要在reg_string匹配出我们的数字,只需要将reg换成\\\\d,代码如下图所示。

比如,我们在之前的reg的hello前面加上一个^,意味着我们 匹配字符串的开始的hello,那么结果就是一个,就是我们开头的hello。

如果,我们把reg换成\\\\w,代码如下图所示。

这样就是匹配数字字母下划线,包括我们的汉字。

反义代码

Python中常见反义代码 及其含义如下:

反义代码 含义
\\\\W 匹配任意不是数字字母下划线汉字的字符
\\\\S 匹配任意不是空白符的字符
\\\\D 匹配非数字
\\\\B 匹配不是单词的开始或结束
[^a] 匹配除了a以外的任意字符
[^abcd] 匹配除了abcd以外的任意字符

其实,记忆很简单,我们是不是知道\\\\d匹配数字,那么\\\\d的大写\\\\D就是匹配非数字,元字符[a]匹配a任意字符,那么[^a]就是匹配除了a以外的任意字符。

下面是具体例子

>>> import re>>> reg_string = "hello9527python@wangcai.@!:xiaoqiang"
>>> reg = "\\\\D">>> re.findall(reg,reg_string)
['h', 'e', 'l', 'l', 'o', 'p', 'y', 't', 'h', 'o', 'n', '@', 'w', 'a', 'n', 'g', 'c', 'a', 'i', '.', '@', '!', ':', 'x', 'i', 'a', 'o', 'q', 'i', 'a', 'n', 'g']
>>> reg = "[^a-p]"['9', '5', '2', '7', 'y', 't', '@', 'w', '.', '@', '!', ':', 'x', 'q']复制代码
ログイン後にコピー

限定符

什么是限定符?就是限定我们匹配的个数的东西。

Python中常见限定符 及其含义如下:

限定符 含义
* 重复零次或多次
+ 重复一次或多次
重复零次或一次
{n} 重复n次
{n,} 重复n次或更多次
{n,m} 重复n次到m次 {1,3}

以前の reg_string を引き続き使用します。今回はメタキャラクターを \\\\d{4} に制限します。つまり、一致する数値は 4 でなければなりません。

次に、難易度を上げて、文字と数字を 4 つに制限して一致させてみましょう。

このようにして、[0-9a-z]{4} をメタキャラクターとして使用できます。[0-9a-z] は、0 から 9 までの 10 個の数字と、a から z までの小文字の 26 を表します。文字。 [0-9a-z]{4} は数値を 4 に制限します。

出力を印刷しましょう。

[0-9a-z] の範囲にない場合は、次の 4 つが [0-9a-z] に収まるまでスキップされます。範囲内で出力します。

IP アドレスの一致

インターネットでは、ホストには IP アドレスが 1 つだけあります。 IP アドレスは、TCP/IP 通信プロトコルで各コンピュータのアドレスを示すために使用され、通常は 192.168.1.100 のように 10 進数で表現されます。

ウィンドウ システムでは、ipconfig を通じて IP を確認できます。 Linux システムでは、ifconfig を通じて IP を表示できます。

IP 文字列は次のようになります: ip = "this is ip:192.168.1.123 :172.138.2.15"

以下では正規表現の使用が必要です。 IP。

実際、私たちは主にメタキャラクターを書きます。例: reg = "\\\\d{3}.\\\\d .\\\\d .\\\\d ", 最初の数字は 3 桁で始まる必要があるため、 \\\\d{3} を設定して修正できます。

findall の使用に加えて、検索も使用できます。メタキャラクター reg = "(\\\\d{1,3}.){3}\\\ を置きます。 \d{1,3}"

このメタキャラクターの \\\\d{1,3} は IP の最初の 3 桁を指定し、繰り返された後に {3} を追加します。 。 3回。 \\\\d{1,3} は、IP の最後の番号を指します。

しかし、search と findall には違いがあります。検索では最初のもののみに一致します。リストを使用して最初のものを削除する必要がありますが、findall はすべてに一致します。

グループ マッチング

グループ マッチングとは何ですか? たとえば、ここに文字列がありますs = これは電話番号:13888888888 で、これは私の電話番号です。 postcode:012345、携帯電話番号と確認コードを照合してください。

2 つを一致させる必要があり、それぞれのメタキャラクターが異なるためです。したがって、グループマッチングが必要です。

正規表現内の括弧はグループの一致を示し、括弧内のパターンを使用してグループの内容を一致させることができます。

したがって、メタキャラクターは次のようになります: reg = これは電話番号:(\\\\d{11})、これは私の郵便番号:(\\\\d{6})

グループマッチングには検索を使うのが一般的ですが、前回はリストを使って検索する必要があると言いましたが、グループマッチングも同様ですが、ここではgroup()#を使います。 #方法。 group(1) は携帯電話番号を表し、group(2) は確認コードを表し、group(0) は携帯電話番号と確認を表します。コード. コードは下の図に示すとおりです。

正規表現では、findall と search の使用法に加えて、match の使用法もあります。

match の使用方法は先頭のみ一致するので、これも group() で取り出す必要があり、次の図に match の例を示します。

これは re.I で、大文字と小文字を区別しないことを意味します。

貪欲モードと非貪欲モード

貪欲モードと非貪欲モードは、量指定子によって変更された部分式のマッチング動作に影響を与えます。貪欲モードは、次の前提の下で可能な限り多くの回数一致します。非貪欲モードでは、式全体が正常に一致することを前提として、可能な限り一致しません。

貪欲と非貪欲のための非常に重要な演算子がいくつかあります。

#演算子?

比如说这里边我有一个字符串reg_string = pythonnnnnnnnnpythonHelloPytho,我们先使用贪婪的模式下的元字符:reg = "python*"

贪婪模式下的reg = "python*",意味着n重复零次或更多次。所以我们看到了第一关结果的pythonnnnnnnnn尽可能多的匹配。

下面使用非贪婪的模式下的元字符:reg = "python*?",reg = "python+?",reg = "python??"

非贪婪模式下的reg = "python*",意味着n零次或一次,所以我们没有看到pythonnnnnnnnn的结果。

手机号码验证

首先,我们要知道我们的手机号码是什么开头的?

移动手机号码开头有16个号段:134、135、136、137、138、139、147、150、151、152、157、158、159、182、187、188。

联通手机号码开头有7种号段:130、131、132、155、156、185、186。

电信手机号码开头有4个号段:133、153、180、189。

这样我们就可以在开头做事情了,先判断开头是不是上面的号段, regex = "^((13[0-9])|(14[5|7])|(15([0-3]|[5-9]))|(18[0,5-9]))\\\\d{8}$",就是我们的元字符,代码如下:

import redef checkCellphone(cellphone):    regex = "^((13[0-9])|(14[5|7])|(15([0-3]|[5-9]))|(18[0,5-9]))\\\\d{8}$"    result = re.findall(regex,cellphone)    if result:        print("匹配成功")        return True
    else:        print("匹配失败")        return Falsecellphone = '13717378202'checkCellphone(cellphone)


匹配成功True复制代码
ログイン後にコピー

匹配邮箱合法性

下面,我们进行一个作业,就是来匹配我们的邮箱号码。

作业的答案如下:

import redef checkEmail(email):    regex_1 = '^(\\\\w+)@sina.com$'
    regex_2 = '^(\\\\w+)@sina.com.cn$'
    regex_3 = '^(\\\\w+)@163.com$'
    regex_4 = '^(\\\\w+)@126.com$'
    regex_5 = '^[1-9][0,9]{4,}+@qq.com$'
    regex = [regex_1 ,regex_2 ,regex_3, regex_4, regex_5]
    for i in  regex:
        result = re.findall(i,email)
        if result:
            print("匹配成功")
            return True        else:
            print("匹配失败")
            return False
email = 'sdjflsdjkl@sina.com'checkEmail(email)复制代码
ログイン後にコピー

正则表达式测试工具

打开开源中国提供的正则表达式测试工具 tool.oschina.net/regex/,输入待匹…

例如,输入下面这段待匹配的文本:

Hello, my phone number is 123455678 and email is runsen@qq.com, and my website is https://blog.csdn.net/weixin_44510615.复制代码
ログイン後にコピー

这段字符串中包含了一个电话号码和一个电子邮件,接下来就尝试用正则表达式提取出来,如图所示。

在网页右侧选择 “匹配 Email 地址”,就可以看到下方出现了文本中的 E-mail。如果选择 “匹配网址 URL”,就可以看到下方出现了文本中的 URL。是不是非常神奇?

相关免费学习推荐:python教程(视频)

意味
##重複ゼロまたは複数回
1 回以上繰り返しました
ゼロ回または 1 回繰り返します

以上がPythonの正規表現を詳しく解説の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

関連ラベル:
ソース:juejin.im
このウェブサイトの声明
この記事の内容はネチズンが自主的に寄稿したものであり、著作権は原著者に帰属します。このサイトは、それに相当する法的責任を負いません。盗作または侵害の疑いのあるコンテンツを見つけた場合は、admin@php.cn までご連絡ください。
最新の問題
人気のチュートリアル
詳細>
最新のダウンロード
詳細>
ウェブエフェクト
公式サイト
サイト素材
フロントエンドテンプレート