【Python】正則表達式純代碼極簡教程

《Python3正則表達式》文字版詳細教程鏈接：https://www.cnblogs.com/leejack/p/9189796.html   2 

'''
內容：Python3正則表達式
日期：2018-08-27
'''

# Python版本：Python3.6.0

# 正則表達式是一種用來匹配字符串的強有力的武器。它的設計思想是用一種描述性的
# 語言來給字符串定義一個規則，凡是符合規則的字符串，我們就認為它“匹配”了，
# 否則，該字符串就是不合法的。


# 例如：
# 我們判斷一個字符串是否是合法的Email的方法是：
# 1、創建一個匹配Email的正則表達式；
# 2、用該正則表達式去匹配用戶的輸入來判斷是否合法。


# 因為正則表達式也是用字符串表示的，所以，我們要首先了解如何用字符來描述字符。


# 1、正則表達式概念及符號含義

# 掌握正則表達式，只需要記住不同符號所表示的含義，以及對目標對象模式（或規律）的正確概括。

# （1）基礎內容

# 在正則表達式中，如果直接給出字符，就是精確匹配。
# \d匹配一個整數
# \D匹配一個非數字
# \w匹配一個字母、數字或下划線_
# \W匹配任何非單詞字符,等價於“[^A-Za-z0-9_]"。
# \s匹配任何yige空白字符，包括空格、制表符、換頁符等等,等價於[ \f\n\r\t\v]。
# \S匹配任何非空白字符
# \n匹配一個換行符
# \r匹配一個回車符
# \t匹配一個制表符



# .匹配除“\n"之外的任何單個字符。
# *匹配前面的子表達式零次或多次
# +匹配前面的子表達式一次或多次
# ?匹配前面的子表達式零次或一次
# {n}，n是一個非負整數，匹配確定的n次
# {n,m}，m和n均為非負整數，其中n<=m，最少匹配n次且最多匹配m次
# {n,}，n是一個非負整數，至少匹配n次
# {,m}    匹配前面的正則表達式最多m次



# x|y 匹配x或y  '[x|y]'   'x'  'y'
# [xyz] 字符集合,匹配所包含的任意一個字符
# [^xyz] 負值字符集合,匹配未包含的任意字符
# [a-zA-Z] 字符范圍,匹配指定范圍內的任意字符
# [^a-z] 負值字符范圍,匹配任何不在指定范圍內的任意字符



# 來看一個稍微復雜的例子：\d{3,4}\s+\d{3,8}
# 0755 26778888
# 我們來從左到右解讀一下：
# \d{3,4}表示匹配3到4個數字，例如'010'、'0755'；
# \s可以匹配一個空格（也包括Tab等空白符），所以\s+表示至少有一個空格，例如匹配' '，'   '等；
# \d{3,8}表示3-8個數字，例如'1234567'。
# 綜合起來，上面的正則表達式可以匹配以任意個空格隔開的帶區號的電話號碼。


# 如果要匹配'010-12345'、'0755-26778888'這樣的號碼呢？
# 由於'-'是特殊字符，在正則表達式中，要用'\'轉義，所以，上面的正則是\d{3,4}\-\d{3,8}。


# 但是，仍然無法匹配'010 - 12345'，因為帶有空格。所以我們需要更復雜的匹配方式。

# 要做更精確的匹配，可以用[]表示范圍，比如：



# （2）進階內容

# 要做更精確地匹配，可以用[]表示范圍，比如：
#
# [0-9a-zA-Z\_]可以匹配一個數字、字母或者下划線；
#
# [0-9a-zA-Z\_]+可以匹配至少由一個數字、字母或者下划線組成的字符串，比如'a100'，'0_Z'，'Py3000'等等；
#
# [a-zA-Z\_][0-9]*可以匹配由字母或下划線開頭，后接任意個由一個數字、字母或者下划線組成的字符串，也就是Python合法的變量；
# a0 a2222222222
# [a-zA-Z\_][0-9a-zA-Z\_]{0, 19}更精確地限制了變量的長度是1-20個字符（前面1個字符+后面最多19個字符）。
#
# A|B可以匹配A或B，所以[P|p]ython可以匹配'Python'或者'python'。
#
# ^表示行的開頭，^\d表示必須以數字開頭。
# ^\d\w*  'sdfsdf'  '1sdfasdf1'
#
# $表示行的結束，\d$表示必須以數字結束。
#
# 你可能注意到了，py也可以匹配'python'，但是加上^py就變成了只能匹配以'py'開頭的字符串，
# 所以，如果某個字符串為'I love python'，那么就無法匹配到，因為它不是以py開頭。


# （3）正則表達式使用場景

# 判斷某個字符串是否匹配特定的模式
# 切分字符串
# 提取特定模式的字符串
# 將指定模式的字符串進行替換



# 2、Python中正則表達式模塊re

# 前面區號+電話號碼的例子

#（1）判斷某個字符串是否匹配特定的模式

# 導入re模塊
import re

# 匹配
print('x'*20)
result = re.match(r'\d{3,4}\-\d{3,8}','020-12345')
print(result)
print('x'*20)


# 不匹配
result2 = re.match(r'\d{3,4}\-\d{3,8}$','020 12345')
print(result2)


# match()方法判斷是否匹配，如果匹配成功，返回一個Match對象，否則返回None。
# 常見的判斷方法就是：

# 帶判斷的字符串

test = "020\n12345"
print(test)
if re.match(r'\d{3,4}\\n\d{3,8}',test):
    print('match')
else:
    print('not match')



# 小練習：判斷給定的郵箱地址是否是NETEC郵箱
#（1）假設NETEC公司的郵箱格式為姓+.+名字+數字[e-mail]。
#（2）其中數字不是必須的，只有相同名字的員工有多個時，才會存在數字
#（3）並且姓名拼音或英文都會使用小寫字母，而不會使用大寫字母

email = '[e-mail]'

pattern = r'^[a-z]{1,}\.[a-z]+\d*@netec.com.cn$'

if re.match(pattern,email):
　　print('是NETEC郵箱')
else:
　　print('不是NETEC郵箱')



# （2）切分字符串

# 用正則表達式切分字符串比用固定的字符更靈活，請看正常的切分代碼：
print('&'*20)
result3 = 'a b   c'.split(' ')
print(result3)

# 無法識別連續的空格，用正則表達式試試:
result4 = re.split(r'\s+', 'a b   c')
print(result4)

# 無論多少個空格都可以正常分割。加入,試試：

result5 = re.split(r'[\s\,]+', 'a,b,, c  d')
print(result5)

# 再加入;試試：
result6 =  re.split(r'[\s\,\;]+', 'a,b;; c  d')
print(result6)


#（3）提取特定模式的字符串

# 除了簡單地判斷是否匹配之外，正則表達式還有提取子串的強大功能。
# 用()表示的就是要提取的分組（Group）。比如：^(\d{3,4})-(\d{3,8})$
# 分別定義了兩個組，可以直接從匹配的字符串中提取出區號和本地號碼：

m = re.match(r'^(\d{3,4})-(\d{3,8}$)', '0755-12345')
print(m)
print(m.group(0))  # 匹配的整個字符串
print(m.group(1))  # 匹配的第一個小括號的內容，即第一個匹配的子串
print(m.group(2))  # 匹配的第二個小括號的內容，即第二個匹配的子串


# 一個復雜的例子,提起給定時間字符串中的小時、分鍾、秒
t = '19:05:30'
# 00 09
# 0 9
# 10-19
# 20-23
# [0-5]?[0-9]  59

m = re.match(r'^(0[0-9]|1[0-9]|2[0-3]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$', t)
print(m.groups())
print(m.group(1))
print(m.group(2))
print(m.group(3))


#（4）將指定模式的字符串進行替換
print('&' * 20)
result = re.sub('[ae]','X','abcdefghi')
print(result)

result = re.subn('[ae]','X','abcdef')
print(result)


# （5）貪婪匹配 vs 非貪婪匹配

# 正則匹配默認是貪婪匹配，也就是匹配盡可能多的字符。舉例如下，匹配出數字后面的0：
# \d+   '3243423'
print('I' * 20)
result7 = re.match(r'^(\d+)(0*)$', '102300').groups() # group[1] group[2]
print(result7)


# 由於\d+采用貪婪匹配，直接把后面的0全部匹配了，結果0*只能匹配空字符串了。
# 必須讓\d+采用非貪婪匹配（也就是盡可能少匹配），才能把后面的0匹配出來，
# 加個?就可以讓\d+采用非貪婪匹配：

result8 = re.match(r'(\d+?)(0+?)(\d+)', '11002300000').groups()
print(result8)


# （6）正則表達式的編譯

# 當我們在Python中使用正則表達式時，re模塊內部會干兩件事情：
#   1、編譯正則表達式，如果正則表達式的字符串本身不合法，會報錯；
#   2、用編譯后的正則表達式去匹配字符串。

# 如果一個正則表達式要重復使用幾千次，出於效率的考慮，我們可以預編譯該正則表達式，
# 接下來重復使用時就不需要編譯這個步驟了，直接匹配：

# 編譯
re_telephone = re.compile(r'^(\d{3,4})-(\d{3,8})$')

# 直接使用
print(re_telephone.match('010-12345').groups())

# 直接使用
print(re_telephone.match('010-8086').groups())

# 編譯后生成Regular Expression對象，由於該對象自己包含了正則表達式，
# 所以調用對應的方法時不用給出正則字符串。



# （7）re模塊中常用的幾個函數

# compile() 編譯正則表達式模式，返回一個對象的模式，這樣某個模式編譯一次就可以在程序中多次使用

import re

tt = "Tina is a good girl, she is cool, clever, and so on..."
print(tt)
rr = re.compile(r'\w*oo\w*')
print(rr.findall(tt))         #查找所有包含'oo'的單詞


# match() 決定RE是否在字符串剛開始的位置匹配。//注：這個方法並不是完全匹配。
# 當pattern結束時若string還有剩余字符，仍然視為成功。想要完全匹配，可以在表達式末尾加上邊界匹配符'$'

print(re.match('com','comwww.runcomoob').group())


# search() re.search函數會在字符串內查找模式匹配,只要找到第一個匹配然后返回，如果字符串沒有匹配，則返回None。

print(re.search('\dcom','www.4comrunoob.5com').group())



# findall() 遍歷匹配，可以獲取字符串中所有匹配的字符串，返回一個列表。

p = re.compile(r'\d+')
print(p.findall('o1n2m3k4'))


# finditer() 搜索string，返回一個順序訪問每一個匹配結果（Match對象）的迭代器。找到 RE 匹配的所有子串，並把它們作為一個迭代器返回。

iter = re.finditer(r'\d+','12 drumm44ers drumming, 11 ... 10 ...')
for i in iter:
    print(i)
    print(i.group())
    print(i.span())



# split() 按照能夠匹配的子串將string分割后返回列表。
# 可以使用re.split來分割字符串，如：re.split(r'\s+', text)；將字符串按空格分割成一個單詞列表。
print(re.split('\d+','one1two2three3four4five5'))



# sub() 使用re替換string中每一個匹配的子串后返回替換后的字符串。

import re
text = "JGood is a handsome boy, he is cool, clever, and so on..."
print(re.sub(r'\s+', '-', text))



# subn() 使用re替換string中每一個匹配的子串后返回替換后的字符串，並返回替換次數

print(re.subn('[1-2]','A','123456abcdef'))
print(re.sub("g.t","have",'I get A,  I got B ,I gut C'))
print(re.subn("g.t","have",'I get A,  I got B ,I gut C'))




# 匹配IP
result = re.search(r"(([01]?\d?\d|2[0-4]\d|25[0-5])\.){3}([01]?\d?\d|2[0-4]\d|25[0-5]\.)","192.168.1.1")
print(result)