使用正则表达式查找文本模式

导入re模块

import re

向 re.compile() 传入字符串值，比如创建一个对象来匹配11位的手机号码

phoneNumber1 = re.compile(r'\d\d\d-\d\d\d\d-\d\d\d\d')

在字符串的第一个引号前加上 r 表示该字符串为原始字符串，不需要转义字符/

寻找匹配

mo1 = phoneNumber1.search('My number is 111-1111-1111.')
print('Phone number is : '+mo1.group())

输出结果

用正则表达式匹配更多模式

利用括号分组

加入括号进行分组

phoneNumber1 = re.compile(r'(\d\d\d)-(\d\d\d\d-\d\d\d\d)')

寻找匹配

phoneNumber2 = re.compile(r'(\d\d\d)-(\d\d\d\d-\d\d\d\d)')
mo2 = phoneNumber2.search('My number is 111-1111-1111')
number1, number2 = mo2.groups()
print(number1+' '+number2)
print(mo2.group(1))
print(mo2.group(2))

输出结果

用管道匹配多个分组

字符|被称为管道，可以使用它匹配多个表达式

代码

name = re.compile(r'Mike|Rose')
name1 = name.search('Mike and Rose')
name2 = name.search('Rose and Mike')
name3 = name.findall('Mike and Rose')
print(name1.group()+' '+name2.group()+'\n'+str(name3))

输出结果

用问号实现可选匹配

字符?表示它前面的分组在这个匹配模式中是可选的，匹配零次或一次

代码

batRegex = re.compile(r'Bat(wo)?man')
mo1 = batRegex.search('Batman')
mo2 = batRegex.search('Batwoman')
print(mo1.group()+' '+mo2.group())

输出结果

四星号，加号，花括号

*意味着匹配零次或多次，+意味着匹配一次或多次，{x,y}意味着匹配x到y次数

代码

batRegex1 = re.compile(r'Bat(wo)*man')
mo1 = batRegex1.search('Batman')
mo2 = batRegex1.search('Batwoman')
print(mo1.group()+' '+mo2.group())

batRegex2 = re.compile(r'Bat(wo)+man')
mo3 = batRegex2.search('Batwoman')
mo4 = batRegex2.search('Batwowoman')
mo5 = batRegex2.search('Batwowowowoman')
print(mo3.group()+' '+mo4.group()+' '+mo5.group())

batRegex3 = re.compile(r'(wo){1,3}')
mo6 = batRegex3.search('wowowo')
mo7 = batRegex3.search('wowo')
print(mo6.group()+' '+mo7.group())

输出结果

贪心和非贪心匹配

python的正则表达式默认是贪心的，说明在有二义的情况下，他们会尽可能匹配长的字符串。花括号后面加上一个?表示花括号的非贪心模式

代码：

batRegex3 = re.compile(r'(wo){1,3}?')    //比上面多了一个'?'
mo6 = batRegex3.search('wowowo')
mo7 = batRegex3.search('wowo')
print(mo6.group()+' '+mo7.group())

输出结果：

字符分类

常用字符分类

示例：

nu_alRegex = re.compile(r'\d+\s\w+')
all1 = nu_alRegex.findall('1 a,2  b,33 cc,44  ddd')
print(str(all1))

运行结果：

建立自己的字符分类

有时候自带的字符分类太过于广泛了，所以我们就要建立自己的字符分类

示例：

mywordRegex = re.compile(r'[a-eABCDE?!]')
mywords = mywordRegex.findall('I have a pen ? I have an Apple !')
print(str(mywords))

运行结果：

在[]内一些正则表达式符号不会被解释，所以不用加 ' ' 进行转义

也可以在[]内加上一个^符号，表示不包括这些字符

例如：

mywordRegex = re.compile(r'[^a-eABCDE?!]')

^和$字符

在正则表达式的开始使用 ^ ，表示匹配以^后面的字符串开始的字符串，而$表示匹配以$前面的字符串为结束的字符串。

示例：

beginWithRegex = re.compile(r'^hello')
begin = beginWithRegex.search('hello world')
endWidthRegex = re.compile(r'world$')
end = endWidthRegex.search('hello world')
print(begin.group()+"\n"+end.group())

运行结果：

通配字符

正则表达式中， . 称为通配符，它表示除了换行之外的所有字符。

示例：

dotRegex = re.compile(r'.at')
dot = dotRegex.findall('The cat in the hat sat on the flat mat.')
print(str(dot))

运行结果：

​ 注意：'.' 只匹配at前面的一个字符

用 .* 匹配所有字符

示例：

hwRegex = re.compile(r'begin:(.*) end:(.*)')
hw = hwRegex.search('begin: hello end: world')
print(hw.group(1)+' '+hw.group(2))

运行结果：

.*使用贪心模式，它会匹配尽可能多的字符，可以在后面加一个 ? 让其使用非贪心模式（类比{}的使用）