python 正则匹配中文和数字 python正则匹配英文

转载

karen 2024-02-29 18:05:42

文章标签 python 正则匹配中文和数字正则表达式字符串 python 文章分类 Python 后端开发

正则表达式，又称规则表达式。（英语：Regular Expression，在代码中常简写为regex、regexp或RE），计算机科学的一个概念。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。
许多程序设计语言都支持利用正则表达式进行字符串操作。例如，在Perl中就内建了一个功能强大的正则表达式引擎。正则表达式这个概念最初是由Unix中的工具软件（例如sed和grep）普及开的。正则表达式通常缩写成“regex”，单数有regexp、regex，复数有regexps、regexes、regexen。

一、正则表达式基础

1、限定符

限定符用来指定正则表达式的一个给定组件必须要出现多少次才能满足匹配。有 * 或 + 或 ? 或 {n} 或 {n,} 或 {n,m} 共6种。

正则表达式的限定符有：

字符	描述
*	匹配前面的子表达式零次或多次。例如，zo* 能匹配 "z" 以及 "zoo"。* 等价于{0,}。
+	匹配前面的子表达式一次或多次。例如，'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等价于 {1,}。
?	匹配前面的子表达式零次或一次。例如，"do(es)?" 可以匹配 "do" 、 "does" 中的 "does" 、 "doxy" 中的 "do" 。? 等价于 {0,1}。
{n}	n 是一个非负整数。匹配确定的 n 次。例如，'o{2}' 不能匹配 "Bob" 中的 'o'，但是能匹配 "food" 中的两个 o。
{n,}	n 是一个非负整数。至少匹配n 次。例如，'o{2,}' 不能匹配 "Bob" 中的 'o'，但能匹配 "foooood" 中的所有 o。'o{1,}' 等价于 'o+'。'o{0,}' 则等价于 'o*'。
{n,m}	m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。例如，"o{1,3}" 将匹配 "fooooood" 中的前三个 o。'o{0,1}' 等价于 'o?'。请注意在逗号和两个数之间不能有空格。

以下正则表达式匹配一个正整数，[1-9]设置第一个数字不是 0，[0-9]* 表示任意多个数字：

[1-9][0-9]*

2、普通字符

普通字符包括没有显式指定为元字符的所有可打印和不可打印字符。这包括所有大写和小写字母、所有数字、所有标点符号和一些其他符号。

字符	描述
[ABC]	匹配 [...] 中的所有字符，例如 [aeiou] 匹配字符串 "google runoob taobao" 中所有的 e o u a 字母
[^ABC]	匹配除了 [...] 中字符的所有字符，例如 [^aeiou] 匹配字符串 "google runoob taobao" 中除了 e o u a 字母的所有字母
[A-Z]	[A-Z] 表示一个区间，匹配所有大写字母，[a-z] 表示所有小写字母
.	匹配除换行符（\n、\r）之外的任何单个字符，相等于 [^\n\r]
[\s\S]	匹配所有。\s 是匹配所有空白符，包括换行，\S 非空白符，包括换行
\w	匹配字母、数字、下划线。等价于 [A-Za-z0-9_]
\W	匹配非单词字符
\d	匹配数字，即0-9
\D	匹配非数字，即不是数字

3、非打印字符

非打印字符也可以是正则表达式的组成部分。下表列出了表示非打印字符的转义序列：

字符	描述
\cx	匹配由x指明的控制字符。例如， \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 'c' 字符。
\f	匹配一个换页符。等价于 \x0c 和 \cL。
\n	匹配一个换行符。等价于 \x0a 和 \cJ。
\r	匹配一个回车符。等价于 \x0d 和 \cM。
\s	匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。注意 Unicode 正则表达式会匹配全角空格符。
\S	匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
\t	匹配一个制表符。等价于 \x09 和 \cI。
\v	匹配一个垂直制表符。等价于 \x0b 和 \cK。

4、特殊字符

所谓特殊字符，就是一些有特殊含义的字符，如上面说的 runoo*b 中的 *，简单的说就是表示任何字符串的意思。如果要查找字符串中的 * 符号，则需要对 * 进行转义，即在其前加一个 \: runo\*ob 匹配 runo*ob。

许多元字符要求在试图匹配它们时特别对待。若要匹配这些特殊字符，必须首先使字符"转义"，即，将反斜杠字符\ 放在它们前面。下表列出了正则表达式中的特殊字符：

特别字符	描述
$	匹配输入字符串的结尾位置。如果设置了 RegExp 对象的 Multiline 属性，则 $ 也匹配 '\n' 或 '\r'。要匹配 $ 字符本身，请使用 \$。
( )	标记一个子表达式的开始和结束位置。子表达式可以获取供以后使用。要匹配这些字符，请使用 $ 和 $。
*	匹配前面的子表达式零次或多次。要匹配 * 字符，请使用 \*。
+	匹配前面的子表达式一次或多次。要匹配 + 字符，请使用 \+。
.	匹配除换行符 \n 之外的任何单字符。要匹配 . ，请使用 \. 。
[	标记一个中括号表达式的开始。要匹配 [，请使用 \[。
?	匹配前面的子表达式零次或一次，或指明一个非贪婪限定符。要匹配 ? 字符，请使用 \?。
\	将下一个字符标记为或特殊字符、或原义字符、或向后引用、或八进制转义符。例如， 'n' 匹配字符 'n'。'\n' 匹配换行符。序列 '\\' 匹配 "\"，而 '\(' 则匹配 "("。
^	匹配输入字符串的开始位置，除非在方括号表达式中使用，当该符号在方括号表达式中使用时，表示不接受该方括号表达式中的字符集合。要匹配 ^ 字符本身，请使用 \^。
{	标记限定符表达式的开始。要匹配 {，请使用 \{。
\|	指明两项之间的一个选择。要匹配 \|，请使用 \\|。相当于 or

5、定位符

定位符使您能够将正则表达式固定到行首或行尾。它们还使您能够创建这样的正则表达式，这些正则表达式出现在一个单词内、在一个单词的开头或者一个单词的结尾。

定位符用来描述字符串或单词的边界，^ 和 $ 分别指字符串的开始与结束，\b 描述单词的前或后边界，\B 表示非单词边界。

正则表达式的定位符有：

字符	描述
^	匹配输入字符串开始的位置。如果设置了 RegExp 对象的 Multiline 属性，^ 还会与 \n 或 \r 之后的位置匹配。
$	匹配输入字符串结尾的位置。如果设置了 RegExp 对象的 Multiline 属性，$ 还会与 \n 或 \r 之前的位置匹配。
\b	匹配一个单词边界，即字与空格间的位置。
\B	非单词边界匹配。

注意：不能将限定符与定位符一起使用。由于在紧靠换行或者单词边界的前面或后面不能有一个以上位置，因此不允许诸如 ^* 之类的表达式。

若要匹配一行文本开始处的文本，请在正则表达式的开始使用 ^ 字符。不要将 ^ 的这种用法与中括号表达式内的用法混淆。

若要匹配一行文本的结束处的文本，请在正则表达式的结束处使用 $ 字符。

6、选择

用圆括号 () 将所有选择项括起来，相邻的选择项之间用 | 分隔。

() 表示捕获分组，() 会把每个分组里的匹配的值保存起来，多个匹配值可以通过数字 n 来查看(n 是一个数字，表示第 n 个捕获组的内容)。

邮箱匹配：[a-zA-Z0-9]{4,20}@(163|126|qq)\.com$

7、分组

" | "除了隔开选项外，还可以做分组使用，如果在做了有多个选择的任务时，需要取出里面某个选项做法（与group系列连用）

字符	功能
\|	匹配左右任意一个表达式
(ab)	将括号中字符作为一个分组
\num	引用分组num匹配到的字符串 *re.match(r"<(\w)>.</\1>", "<h1>hanmh</h1>")*
(?P<name>)	分组起别名 *re.match(r"<(?P<p1>\w)>.</(?P=p1)>", "<h1>hanmh</h1>")*
(?P=name)	引用别名为name分组匹配到的字符串

我们可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。

匹配对象方法	描述
group(num=0)	匹配的整个表达式的字符串，group() 可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组。
groups()	返回一个包含所有小组字符串的元组，从 1 到所含的小组号。

In [16]: re.match(r"([a-zA-Z0-9]{4,20})@(163|126|qq)\.com$", "hmh990506@163.com").group(1)
Out[16]: 'hmh990506'
In [17]: re.match(r"([a-zA-Z0-9]{4,20})@(163|126|qq)\.com$", "hmh990506@163.com").groups((1,2))
Out[17]: ('hmh990506', '163')

python 正则匹配中文和数字 python正则匹配英文_python 正则匹配中文和数字_02

二、python正则表达式模块（re）

Python 自1.5版本起增加了re 模块，它提供 Perl 风格的正则表达式模式。

re 模块使 Python 语言拥有全部的正则表达式功能。

compile 函数根据一个模式字符串和可选的标志参数生成一个正则表达式对象。该对象拥有一系列方法用于正则表达式匹配和替换。

re 模块也提供了与这些方法功能完全一致的函数，这些函数使用一个模式字符串做为它们的第一个参数。

1、re.match函数

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。
函数语法：re.match(pattern, string, flags=0)

函数参数说明：

参数	描述
pattern	匹配的正则表达式
string	要匹配的字符串。
flags	标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。参见：正则表达式修饰符 - 可选标志

匹配成功re.match方法返回一个匹配的对象，否则返回None。

import re

def main():
    reg = re.match(r"hello", "hello world")
    print(reg)
    return None

if __name__ == '__main__':
    main()

我们可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。

匹配对象方法	描述
group(num=0)	匹配的整个表达式的字符串，group() 可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组。
groups()	返回一个包含所有小组字符串的元组，从 1 到所含的小组号。

三、python中re的高级操作

1、re.search方法

re.search 扫描整个字符串并返回第一个成功的匹配。
函数语法：re.search(pattern, string, flags=0)

函数参数说明：

参数	描述
pattern	匹配的正则表达式
string	要匹配的字符串。
flags	标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。

匹配成功re.search方法返回一个匹配的对象，否则返回None。

需求：匹配出文章阅读的次数
In [24]: re.search(r"\d+", "阅读次数为 9999999").group()
Out[24]: '9999999'

（1）re.match与re.search的区别

re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配。

2、re.findall方法

寻找所有符合正则的项
需求：统计出python、C、C++相应文章阅读的次数
In [25]: ret = re.findall(r"\d+", "python：7777，C：456321，C++：9999")
In [26]: print(ret)
['7777', '456321', '9999']

3、re.sub方法

功能：将匹配到的项进行替换
语法：re.sub(regStr，"替换项"，"待匹配字串")
In [27]: re.sub("\d+", "998", "python=997，C++=10245")
Out[27]: 'python=998，C++=998'
注：sub方法中用于替换的地方可以用函数代替

import re

def add(temp):
    strNum = temp.group()
    num = int(strNum) + 1
    return str(num)

def mySub():
    ret = re.sub(r"\d+", add, "python = 997")
    print(ret)

if __name__ == '__main__':
    mySub()

4、re.split方法

功能：根据匹配进行切割字符串，并返回一个列表

import re

def mySplit():
    ret = re.split(r":| ", "info:hanmh- 21 shanxi")
    print(ret)

if __name__ == '__main__':
    mySplit()

四、简单案例

1、简单判断变量名是否符合要求、匹配结尾开头

import re

def main():
    names = ["age", "_age", "1age", "age1", "a_age", "age123", "age!", "a#123", "_________"]
    for name in names:
        #match只匹配出符合条件的一部分
        ret = re.match(r"[a-zA-Z][a-zA-Z0-9_]*$", name)
        if ret:
            print("变量名：%s 符合要求，通过正则匹配出来的数据是：%s...." % (name, ret.group()))
        else:
            print("变量名：%s 不符合要求...." % name)
    return None

if __name__ == '__main__':
    main()

python 正则匹配中文和数字 python正则匹配英文_python 正则匹配中文和数字_03

2、匹配网易邮箱（受限邮箱匹配）

@前面必须满足是4到20位字母或数字的组合

import re

def main():
    email = input("请输入一个网易邮箱地址：")
    ret = re.match(r"[a-zA-Z0-9]{4,20}@163\.com$", email)

    if ret:
        print("%s 是符合要求的邮箱地址...." % email)
    else:
        print("%s 不是符合要求的邮箱地址...." % email)
    return None

if __name__ == '__main__':
    main()

python 正则匹配中文和数字 python正则匹配英文_python 正则匹配中文和数字_04

（1）多家邮箱匹配支持

import re

def main():
    while True:
        email = input("请输入一个邮箱地址：")
        ret = re.match(r"[a-zA-Z0-9]{4,20}@(163|126|qq)\.com$", email)
        if ret and ret is not "exit":
            print("%s 是符合要求的邮箱地址...." % email)
        elif ret:
            print("%s 不是符合要求的邮箱地址...." % email)
        else:
            print("结束匹配操作......")
            break
    return None

if __name__ == '__main__':
    main()

python 正则匹配中文和数字 python正则匹配英文_python_05

3、判断用户输入的HTML语句是否是正确的？（前后是否配对）

（1）匹配单对语句

In [18]: re.match(r"<(\w*)>.*</\1>", "<h1>hanmh</h1>")
Out[18]: <re.Match object; span=(0, 14), match='<h1>hanmh</h1>'>
In [19]: re.match(r"<(\w*)>.*</\1>", "<h1>hanmh</h2>") //不匹配

（2）匹配两对在一起的HTML语句

In [20]: re.match(r"<(\w*)><(\w*)>.*</\2></\1>", "<body><h1>hanmh</h1></body>")
Out[20]: <re.Match object; span=(0, 27), match='<body><h1>hanmh</h1></body>'>

本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。