最简明的 python 正则教程

正则表达式

一、概述

1. 概念

正则表达式是对字符串操作的一种逻辑公式,就是用事先定义好的一些特定字符、及这些特定字符的组合,组成一个“规则字符串”,这个“规则字符串”用来表达对字符串的一种过滤逻辑。

2. 目的

给定一个正则表达式和另一个字符串,我们可以达到如下的目的:

3. 特点:

4. 学习方法

python 中通过系统库 re 实现正则表达式的所有功能

二、正则表达式符号

1. 普通字符

下面的案例使用 re 模块的 findall() 函数,函数参考如下:

在最简单的情况下,一个正则表达式看上去就是一个普通的查找串

import re
s1 = "testing123"
s2 = "Testing123"
r = re.findall("test", s1)  # 表示在s1中找到字符串"test"
print(r)  

运行结果:

['test']


r = re.findall("test", s2)
print(r)  

运行结果:

[]
r = re.findall("test", s2, re.I) # 修饰符re.I:使匹配对大小写不敏感
print(r)  

运行结果:

['Test']

2. 元字符

. ^ $ * + ? { } [ ] | ( ) \

2.1 通配符 .

匹配除 \n 之外的任何单个字符

s1 = "testing123"
s2 = "testing123\n"
r = re.findall(".", s1)
print(r)

运行结果:

['t', 'e', 's', 't', 'i', 'n', 'g', '1', '2', '3']
r = re.findall(".", s2)  # 除“\n”
print(r)

运行结果:

['t', 'e', 's', 't', 'i', 'n', 'g', '1', '2', '3']

修饰符 re.S 使 . 匹配包括换行在内的所有字符

r = re.findall(".", s2, re.S)  
print(r)

运行结果:

['t', 'e', 's', 't', 'i', 'n', 'g', '1', '2', '3', '\n']

2.2 脱字符 ^

匹配输入字符串的开始位置

s1 = "testing\nTesting\ntest"

r = re.findall("^test", s1)  # 默认只匹配单行
print(r)

运行结果:

['test']

r = re.findall("^test", s1, re.M)   # 修饰符re.M:多行匹配
print(r)  

运行结果:

['test', 'test']

r = re.findall("^test", s1, re.I | re.M)  
print(r)  # 输出['test', 'Test', 'test']

运行结果:

['test', 'Test', 'test']

2.3 美元符 $

匹配输入字符串的结束位置

s1 = "testing\nTesting\ntest"

r = re.findall("testing$", s1)  # 默认匹配单行
print(r)  

运行结果:

[]

r = re.findall("testing$", s1, re.M)   # 修饰符re.M:多行匹配
print(r)  # 输出['testing']

运行结果:

['testing']

r = re.findall("testing$", s1, re.I | re.M)    # 多个修饰符通过 OR(|) 来指定
print(r)  # 输出['testing', 'Testing']

运行结果:

['testing', 'Testing']

2.4 重复元字符 *,+,?

s1 = "z\nzo\nzoo"

r = re.findall("zo*", s1)     # 匹配o{0,}
print(r)  

运行结果:

['z', 'zo', 'zoo']

r = re.findall("zo+", s1)   # 匹配o{1,}
print(r)  

运行结果:

['zo', 'zoo']

r = re.findall("zo?", s1)    # 匹配o{0,1}
print(r)  

运行结果:

['z', 'zo', 'zo']

2.5 重复元字符 {}

也是控制匹配前面的子表达式次数

s1 = "z\nzo\nzoo"
r = re.findall("zo*", s1)     # 匹配o{0,},逗号后不能空格
r1 = re.findall(r"zo{0,}", s1)
print(r)  # ['z', 'zo', 'zoo']
print(r1)  # ['z', 'zo', 'zoo']

运行结果:

['z', 'zo', 'zoo']
['z', 'zo', 'zoo']

r = re.findall("zo+", s1)   # 匹配o{1,}
r1 = re.findall(r"zo{1,}", s1)
print(r)  # 输出['zo', 'zoo']
print(r1)  # 输出['zo', 'zoo']

运行结果:

['zo', 'zoo']
['zo', 'zoo']

r1 = re.findall("zo{2}", s1)    # 匹配o{0,1}
print(r1)  # 输出['zoo']

运行结果:

['zoo']

2. 6 字符组 []

表示匹配给出的任意字符

s1 = "test\nTesting\nzoo"

r = re.findall("[eio]", s1)   # 匹配包含的任意字符
print(r)  

运行结果:

['e', 'e', 'i', 'o', 'o']

r = re.findall("[e-o]", s1)   # 匹配包含的字符范围
print(r)  

运行结果:

['e', 'e', 'i', 'n', 'g', 'o', 'o']

r = re.findall("^[eio]", s1, re.M)   # 回忆脱字符,匹配以[eio]开头字符。
print(r)  

运行结果:

[]

r = re.findall("[^eio]", s1)    # 匹配未包含的任意字符
print(r) 

运行结果:

['t', 's', 't', '\n', 'T', 's', 't', 'n', 'g', '\n', 'z']

r1 = re.findall("[^e-o]", s1)    # 匹配未包含的字符范围
print(r1)  # 输出['t', 's', 't', '\n', 'T', 's', 't', '\n', 'z']
['t', 's', 't', '\n', 'T', 's', 't', '\n', 'z']

2.7 选择元字符 |

表示两个表达式选择一个匹配

s1 = "z\nzood\nfood"
r = re.findall("z|food", s1)   # 匹配"z"或"food"
print(r) 

运行结果:

['z', 'z', 'food']

r = re.findall("[z|f]ood", s1)   # 匹配"zood"或"food"
print(r)  # 

运行结果:

['zood', 'food']

2.8 分组元字符 ()

将括号之间的表达式定义为组(group),并且将匹配这个子表达式的字符返回

s1 = "z\nzood\nfood"

r = re.findall("[z|f]o*", s1)   # 不加分组,拿到的引号内正则表达式匹配到的字符
print(r)

运行结果:

['z', 'zoo', 'foo']

r = re.findall("[z|f](o*)", s1)   # 加上分组,返回的将是引号内正则表达式匹配到的字符中()中的内容。
print(r)  # ['', 'oo', 'oo']

运行结果:

['', 'oo', 'oo']

2.9 转义元字符 \

用来匹配元字符本身时的转义,和特定字符组成字符串,见预定义字符组

s = '12345@qq.com'
r = re.findall('\.', s)
print(r)

运行结果:

['.']

2.10 非贪婪模式

在默认情况下,元字符 *,+{n,m} 会尽可能多的匹配前面的子表达式,这叫贪婪模式。

s = "abcadcaec"

r = re.findall(r"ab.*c", s)   # 贪婪模式,尽可能多的匹配字符(.*或者.+)
print(r) 

运行结果:

['abcadcaec']
r = re.findall(r"ab.*?c", s)  # 非贪婪模式,尽可能少的匹配字符
print(r)  

运行结果:

['abc']

r = re.findall('ab.+c', s)  # 贪婪
print(r) 

运行结果:

['abcadcaec']

r = re.findall('ab.+?c', s)  # 非贪婪
print(r)

运行结果:

['abcadc']

r = re.findall('ab.{0,}', s) # 贪婪
print(r)

运行结果:

['abcadcaec']

r = re.findall('ab.{0,}?', s) # 非贪婪
print(r)

运行结果:

['ab']

3. 预定义字符组

元字符 \ 与某些字符组合在一起表示特定的匹配含义

3.1 \d

匹配单个数字,等价于[0-9]

s = "<a href=' asdf'>1360942725</a>"
a = re.findall('\d', s)
print(a) 

运行结果:

['1', '3', '6', '0', '9', '4', '2', '7', '2', '5']

a = re.findall('\d+', s)
print(a)  

运行结果:

['1360942725']

3.2 \D

匹配任意单个非数字字符,等价于[^0-9]

a = re.findall('\D', s)
print(a)

运行结果:

['<', 'a', ' ', 'h', 'r', 'e', 'f', '=', "'", ' ', 'a', 's', 'd', 'f', "'", '>', '<', '/', 'a', '>']

3.3 \s

匹配任意单个空白符,包括空格,制表符(tab),换行符等

s = 'fdfa**68687+ 我怕n fdg\tf_d\n'
a = re.findall('\s', s)
print(a)  

运行结果:

[' ', ' ', '\t', '\n']

3.4 \S

匹配任何非空白字符

s = 'fdfa**68687+ 我怕n fdg\tf_d\n'
a = re.findall('\S', s)
print(a) 

运行结果:

['f', 'd', 'f', 'a', '', '', '6', '8', '6', '8', '7', '+', '我', '怕', 'n', 'f', 'd', 'g', 'f', '_', 'd']

3.5 \w

匹配除符号外的单个字母,数字,下划线或汉字等

a = re.findall("\w", s)
print(a)

运行结果:

['f', 'd', 'f', 'a', '6', '8', '6', '8', '7', '我', '怕', 'n', 'f', 'd', 'g', 'f', '_', 'd']


小案例

  1. 检测邮箱
s = "3003756995@qq.com"
a = re.findall('^\w+@\w+\.com$', s) # 检测邮箱
if a:
    print('是正确格式的邮箱')
else:
    print('不是邮箱地址')

是正确格式的邮箱
2. 检测手机号码

s = '13812345678'
r = re.findall('^1[3-9]\d{9}$', s)  # 检查手机号码
if r:
    print('手机号码格式正确')
else:
    print('手机号码格式不正确')
  

手机号码格式正确

4.re 模块常用函数

4.1 re.match

import re
url = 'www.hhxpython.com'
res = re.match('www', url)    # 'www' 就是正则表达式,没有元字符表示匹配字符本身
                              # re.match默认是从字符串开头匹配,等价于'^www'
print(res)

运行结果:

<re.Match object; span=(0, 3), match='www'>

res2 = re.match('hhx', url)
print(res2)

运行结果:

None
匹配对象

match 函数返回一个匹配对象,通过这个对象可以取出匹配到的字符串和分组字符串

line = 'Good good study, Day day up!'
match_obj = re.match('(?P<aa>.*), (.*) (.*)', line)  
if match_obj: 
    print(match_obj.group())    # 返回匹配到的字符串
    print(match_obj.group(1))   # 返回对应序号分组字符串 从1开始
    print(match_obj.group(2))
    print(match_obj.group(3))
else:
    print('not found')
print(match_obj.groups())  # 返回分组字符串元组
print(match_obj.groupdict())  # 按照分组名和分组字符串组成字典 (?P<name>pattern)

运行结果:

Good good study, Day day up!
Good good study
Day day
up!
('Good good study', 'Day day', 'up!')
{'aa': 'Good good study'}

4.2 re.search

url = 'www.hhxpython.com'
res = re.search('www', url)    # 'www' 就是正则表达式,没有元字符表示匹配字符本身
print(res)

运行结果:

<re.Match object; span=(0, 3), match='www'>
res2 = re.search('hhx', url)
print(res2)

运行结果:

<re.Match object; span=(4, 7), match='hhx'>

res3 = re.search('h', url)
print(res3)

运行结果:

<re.Match object; span=(4, 5), match='h'>

4.3 re.sub

phone = '2004-959-559 # 这是一个国外电话号码'

# 删除字符串中的python注释
num = re.sub('#.*', '', phone)
print(num)

运行结果:

2004-959-559

# 删除连接符号 -
num = re.sub('-', '', num)
print(num)

运行结果:

2004959559

4.4 re.findall

res1 = re.findall('day', line, re.I)
res2 = re.search('day', line, re.I)
res3 = re.match('day', line, re.I)

print('findall', res1)
print('search', res2.group())
print('search', res3)

运行结果:

findall ['Day', 'day']
search Day
search None

match,search,findall 的区别

4.5 re.compile

pattern = re.compile('day', re.I)
res1 = pattern.findall(line)
res2 = pattern.search(line)
res3 = pattern.match(line)
print('findall', res1)
print('search', res2.group())
print('match', res3)

运行结果:

findall ['Day', 'day']
search Day
match None

三、应用场景

在做自动化测试时用例数据是动态的,需要程序自动处理。
image.png

import re
# 用例json数据字符串
data = '{"member_id":"#member_id#","pwd":"#pwd#","user":"#user#","loan_id":"#loan#"}'
# 动态数据
class DynamicData:
    member_id = 123
    user = "musen"
    pwd = "lemonban"
    loan = 31

def mk_data(json_str,dn_data):
    while True:
        item = re.search('#(.*?)#', json_str)
        # 没有匹配到说明匹配完成
        if not item:
            break
        # 需要被替换的字符串
        need_replace = item.group()
        # 需要被替换的参数名
        key = item.group(1)
        # 替换
        json_str = json_str.replace(need_replace, str(getattr(dn_data, key)))
    return json_str

mk_data(data, DynamicData)

运行结果:

'{"member_id":"123","pwd":"lemonban","user":"musen","loan_id":"31"}'

回帖
请输入回帖内容 ...