本文共 3233 字，大约阅读时间需要 10 分钟。

Python基础之—正则表达式

正则表达式简介

正则表达式在网络爬虫、数据分析等领域具有广泛应用。掌握正则表达式能够显著提升工作效率，是每个开发人员必备的技能。

字符匹配

2.1 方法与功能

2.2 特殊字符

2.3 练习

import re
# 匹配数字
arr = re.findall('\dcm', '我的身高是178cm 体重是66kg 厘米是cm')
print(arr)  # 输出: ['178cm', '66kg', 'cm']
# 匹配非数字
arr = re.findall('\Dcm', '我的身高是178cm 体重是66kg 厘米是cm')
print(arr)  # 输出: ['是cm', '是cm']
# 匹配空格
arr = re.findall('\s体', '我的身高是178cm 体重是66kg 厘米是cm')
print(arr)  # 输出: [' ', '体']
# 匹配非空格
arr = re.findall('\S', '我的身高是178cm 体重是66kg 厘米是cm')
print(arr)  # 输出: ['1', '7', '8', 'c', 'm', '体', '重', '是', '6', '6', 'k', 'g', '厘', '米', '是', 'c', 'm']

数量控制

使用正则表达式可以通过 *、+、?、{、} 等量词来控制匹配的数量。

2.1 重复0次或多次

arr = re.findall("66*6", "zhl66666")
print(arr)  # 输出: ['66666']

2.2 重复1次或多次

arr = re.findall("[0-5]+jpg", "zhl123542jpg")
print(arr)  # 输出: ['123542jpg']

2.3 重复0次或1次

arr = re.findall("[0-5]?jpg", "zhl123542jpg")
print(arr)  # 输出: ['2jpg']

2.4 重复n次

arr = re.findall("[0-5]{3}jpg", "zhl123542jpg")
print(arr)  # 输出: ['542jpg']

2.5 重复n次或多次

arr = re.findall("[0-5]{3,}jpg", "zhl123542jpg")
print(arr)  # 输出: ['123542jpg']

2.6 重复n次到m次

arr = re.findall("[0-5]{3,5}jpg", "zhl123542jpg")
print(arr)  # 输出: ['23542jpg']

分组

4.1 ()提取兴趣区域

import re
text = '子恒,把鸡蛋弹碎,弹碎给你我的电话号码16609549548,qq2579478480号码'
data = re.findall(r'号码(\d+)', text)
print(data)  # 输出: ['16609549548']

4.2 (|)提取多种可能

text = '子恒,把鸡蛋弹碎,弹碎给你我的电话号码16609549548,qq2579478480号码jpg'
data = re.findall(r'号码(\d{11}|jpg)', text)
print(data)  # 输出: ['16609549548', 'jpg']

开始和结束

5.1 ^开始

import re
text = '子恒,把鸡蛋弹碎,弹碎给你我的电话号码16609549548,qq2579478480号码'
data = re.findall(r'257\d+', text)
print(data)  # 输出: ['2579478480']

5.2 $结尾

import re
text = 'qq2579478480,qq2579478481'
data = re.findall(r'qq\d+$', text)
print(data)  # 输出: ['qq2579478481']

特殊字符处理

由于正则表达式中 *、.、{}、() 等符号具有特殊含义，直接使用可能导致错误。需要使用反斜杠进行转义。

import re
text = "数学中集合的写法是{2}"
data = re.findall(r"\{2\}", text)
print(data)  # 输出: ['{2}']

常用方法

7.1 re.findall

import re
arr = re.findall('123', 'runoob 123 google 456')
print(arr)  # 输出: ['123']

7.2 re.match

arr = re.match('runoob', 'runoob 123 google 456')
print(arr)  # 输出: 
   

7.3 re.search

arr = re.search('123', 'runoob 123 google 456')
print(arr)  # 输出: 
   

7.4 re.sub

arr = re.sub('123', '456', 'runoob 123 google 123')
print(arr)  # 输出: 'runoob 456 google 456'

7.5 re.split

arr = re.split('\s', 'runoob 123 google 123')
print(arr)  # 输出: ['runoob', '123', 'google', '123']

7.6 re.finditer

arr = re.finditer('123', 'runoob 123 google 123')
for i in arr:
    print(i)  # 输出: 
   
    
                  #             
    
   

常见正则表达式

• QQ号: [1-9][0-9]{4,} （腾讯QQ号从10000开始）
• 帐号: ^[a-zA-Z][a-zA-Z0-9_]{4,15}$
• 手机号码: ^(13[09]|14[5|7]|15[0|1|2|3|5|6|7|8|9]|18[0|1|2|3|5|6|7|8|9])\d{8}$
• Email地址: ^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$
• 密码: ^[a-zA-Z]\w{5,17}$
• 身份证号: ^\d{15}|\d{18}$
• 短身份证号码: ^([0-9]){7,18}(x|X)?$ 或 ^\d{8,18}|[0-9x]{8,18}|[0-9X]{8,18}?$

转载地址：http://eoofk.baihongyu.com/