python正則表達(dá)式實(shí)例代碼

更新時(shí)間：2020年03月03日 18:58:13 作者：jihite

這篇文章主要介紹了python正則表達(dá)式的一些實(shí)例代碼，方便學(xué)習(xí)python的朋友,需要的朋友可以參考下

re 模塊使 Python 語(yǔ)言擁有全部的正則表達(dá)式功能。

會(huì)用到的語(yǔ)法

正則字符

釋義

舉例

前面元素至少出現(xiàn)一次

ab+：ab、abbbb 等

前面元素出現(xiàn)0次或多次

ab*：a、ab、abb 等

匹配前面的一次或0次

Ab?： A、Ab 等

作為開(kāi)始標(biāo)記

^a：abc、aaaaaa等

作為結(jié)束標(biāo)記

c$：abc、cccc 等

數(shù)字

3、4、9 等

正則字符	釋義	舉例
+	前面元素至少出現(xiàn)一次	ab+：ab、abbbb 等
*	前面元素出現(xiàn)0次或多次	ab*：a、ab、abb 等
?	匹配前面的一次或0次	Ab?： A、Ab 等
^	作為開(kāi)始標(biāo)記	^a：abc、aaaaaa等
$	作為結(jié)束標(biāo)記	c$：abc、cccc 等
\d	數(shù)字	3、4、9 等
\D	非數(shù)字	A、a、- 等
[a-z]	A到z之間的任意字母	a、p、m 等
[0-9]	0到9之間的任意數(shù)字	0、2、9 等

非數(shù)字

A、a、- 等

[a-z]

A到z之間的任意字母

a、p、m 等

[0-9]

0到9之間的任意數(shù)字

0、2、9 等

注意：

1. 轉(zhuǎn)義字符

>>> s
'(abc)def'
>>> m = re.search("(\(.*\)).*", s)
>>> print m.group(1)
(abc)

re.match函數(shù)

re.match 嘗試從字符串的起始位置匹配一個(gè)模式，如果不是起始位置匹配成功的話(huà)，match()就返回none。

實(shí)例1：

#!/usr/bin/python
# -*- coding: UTF-8 -*- 
 
import re
print(re.match('www', 'www.dbjr.com.cn').span()) # 在起始位置匹配
print(re.match('net', 'www.dbjr.com.cn'))     # 不在起始位置匹配

輸出結(jié)果：

(0, 3)
None

實(shí)例2：

#!/usr/bin/python
import re
 
line = "Cats are smarter than dogs"
 
matchObj = re.match( r'(.*) are (.*?) .*', line, re.M|re.I)
 
if matchObj:
  print "matchObj.group() : ", matchObj.group()
  print "matchObj.group(1) : ", matchObj.group(1)
  print "matchObj.group(2) : ", matchObj.group(2)
else:
  print "No match!!"

輸出結(jié)果：

matchObj.group() : Cats are smarter than dogs
matchObj.group(1) : Cats
matchObj.group(2) : smarter

上面是python2的print輸出，python記得加()即可，python輸出類(lèi)似的別的語(yǔ)言的\n之類(lèi)來(lái)匹配獲取的內(nèi)容。

python group()

正則表達(dá)式中，group（）用來(lái)提出分組截獲的字符串，（）用來(lái)分組

重復(fù)前邊的字串多次

>>> a = "kdlal123dk345"
>>> b = "kdlal123345"
>>> m = re.search("([0-9]+(dk){0,1})[0-9]+", a)
>>> m.group(1), m.group(2)
('123dk', 'dk')
>>> m = re.search("([0-9]+(dk){0,1})[0-9]+", b)
>>> m.group(1)
'12334'
>>> m.group(2)
>>>

究其因

1. 正則表達(dá)式中的三組括號(hào)把匹配結(jié)果分成三組

group() 同group（0）就是匹配正則表達(dá)式整體結(jié)果
group(1) 列出第一個(gè)括號(hào)匹配部分，group(2) 列出第二個(gè)括號(hào)匹配部分，group(3) 列出第三個(gè)括號(hào)匹配部分。
2. 沒(méi)有匹配成功的，re.search（）返回None

3. 當(dāng)然正則表達(dá)式中沒(méi)有括號(hào)，group(1)肯定不對(duì)了。

示例

1. 判斷字符串是否是全部小寫(xiě)

# -*- coding: cp936 -*-
import re 
s1 = 'adkkdk'
s2 = 'abc123efg'

an = re.search('^[a-z]+$', s1)
if an:
  print 's1:', an.group(), '全為小寫(xiě)' 
else:
  print s1, "不全是小寫(xiě)！"

an = re.match('[a-z]+$', s2)
if an:
  print 's2:', an.group(), '全為小寫(xiě)' 
else:
  print s2, "不全是小寫(xiě)！"

結(jié)果

究其因

1. 正則表達(dá)式不是python的一部分，利用時(shí)需要引用re模塊

2. 匹配的形式為： re.search(正則表達(dá)式，帶匹配字串)或re.match(正則表達(dá)式，帶匹配字串)。兩者區(qū)別在于后者默認(rèn)以開(kāi)始符（^）開(kāi)始。因此，

re.search('^[a-z]+$', s1) 等價(jià)于 re.match('[a-z]+$', s2)

3. 如果匹配失敗，則an = re.search('^[a-z]+$', s1)返回None

group用于把匹配結(jié)果分組

例如

import re
a = "123abc456"
print re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(0)  #123abc456,返回整體
print re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(1)  #123
print re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(2)  #abc
print re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(3)  #456

輸出結(jié)果

123abc456
123
abc
456

1）正則表達(dá)式中的三組括號(hào)把匹配結(jié)果分成三組

　　group() 同group（0）就是匹配正則表達(dá)式整體結(jié)果

　　group(1) 列出第一個(gè)括號(hào)匹配部分，group(2) 列出第二個(gè)括號(hào)匹配部分，group(3) 列出第三個(gè)括號(hào)匹配部分。

2）沒(méi)有匹配成功的，re.search（）返回None

3）當(dāng)然正則表達(dá)式中沒(méi)有括號(hào)，group(1)肯定不對(duì)了。

2. 首字母縮寫(xiě)詞擴(kuò)充

具體示例

FEMA Federal Emergency Management Agency
IRA Irish Republican Army
DUP Democratic Unionist Party

FDA Food and Drug Administration
OLC Office of Legal Counsel
分析

縮寫(xiě)詞　　FEMA
分解為　　F*** E*** M*** A***
規(guī)律　　大寫(xiě)字母 + 小寫(xiě)（大于等于1個(gè)）+ 空格

參考代碼

import re
def expand_abbr(sen, abbr):
  lenabbr = len(abbr)
  ma = '' 
  for i in range(0, lenabbr):
    ma += abbr[i] + "[a-z]+" + ' '
  print 'ma:', ma
  ma = ma.strip(' ')
  p = re.search(ma, sen)
  if p:
    return p.group()
  else:
    return ''

print expand_abbr("Welcome to Algriculture Bank China", 'ABC')

結(jié)果

問(wèn)題

上面代碼對(duì)于例子中的前3個(gè)是正確的，但是后面的兩個(gè)就錯(cuò)了，因?yàn)榇髮?xiě)字母開(kāi)頭的詞語(yǔ)之間還夾雜著小寫(xiě)字母詞

規(guī)律

大寫(xiě)字母 + 小寫(xiě)（大于等于1個(gè)）+ 空格 + [小寫(xiě)+空格](0次或1次)

參考代碼

import re
def expand_abbr(sen, abbr):
  lenabbr = len(abbr)
  ma = '' 
  for i in range(0, lenabbr-1):
    ma += abbr[i] + "[a-z]+" + ' ' + '([a-z]+ )?'
  ma += abbr[lenabbr-1] + "[a-z]+"
  print 'ma:', ma
  ma = ma.strip(' ')
  p = re.search(ma, sen)
  if p:
    return p.group()
  else:
    return ''

print expand_abbr("Welcome to Algriculture Bank of China", 'ABC')

技巧

中間的小寫(xiě)字母集合+一個(gè)空格，看成一個(gè)整體，就加個(gè)括號(hào)。要么同時(shí)有，要么同時(shí)沒(méi)有，這樣需要用到？，匹配前方的整體。

3. 去掉數(shù)字中的逗號(hào)

具體示例

在處理自然語(yǔ)言時(shí)123,000,000如果以標(biāo)點(diǎn)符號(hào)分割，就會(huì)出現(xiàn)問(wèn)題，好好的一個(gè)數(shù)字就被逗號(hào)肢解了，因此可以先下手把數(shù)字處理干凈（逗號(hào)去掉）。

分析

數(shù)字中經(jīng)常是3個(gè)數(shù)字一組，之后跟一個(gè)逗號(hào)，因此規(guī)律為：***，***，***

正則式

[a-z]+,[a-z]?

參考代碼3-1

import re

sen = "abc,123,456,789,mnp"
p = re.compile("\d+,\d+?")

for com in p.finditer(sen):
  mm = com.group()
  print "hi:", mm
  print "sen_before:", sen
  sen = sen.replace(mm, mm.replace(",", ""))
  print "sen_back:", sen, '\n'

結(jié)果

技巧

使用函數(shù)finditer(string[, pos[, endpos]]) | re.finditer(pattern, string[, flags]):

搜索string，返回一個(gè)順序訪(fǎng)問(wèn)每一個(gè)匹配結(jié)果（Match對(duì)象）的迭代器。

參考代碼3-2

sen = "abc,123,456,789,mnp"
while 1:
  mm = re.search("\d,\d", sen)
  if mm:
    mm = mm.group()
    sen = sen.replace(mm, mm.replace(",", ""))
    print sen
  else:
    break

結(jié)果

延伸

這樣的程序針對(duì)具體問(wèn)題，即數(shù)字3位一組，如果數(shù)字混雜與字母間，干掉數(shù)字間的逗號(hào)，即把“abc,123,4,789,mnp”轉(zhuǎn)化為“abc,1234789,mnp”

思路

更具體的是找正則式“數(shù)字，數(shù)字”找到后用去掉逗號(hào)的替換

參考代碼3-3

sen = "abc,123,4,789,mnp"
while 1:
  mm = re.search("\d,\d", sen)
  if mm:
    mm = mm.group()
    sen = sen.replace(mm, mm.replace(",", ""))
    print sen
  else:
    break
print sen

結(jié)果

4. 中文處理之年份轉(zhuǎn)換（例如：一九四九年--->1949年）

中文處理涉及到編碼問(wèn)題。例如下邊的程序識(shí)別年份（****年）時(shí)

# -*- coding: cp936 -*-
import re
m0 = "在一九四九年新中國(guó)成立"
m1 = "比一九九零年低百分之五點(diǎn)二"
m2 = '人一九九六年擊敗俄軍,取得實(shí)質(zhì)獨(dú)立'

def fuc(m):
  a = re.findall("[零|一|二|三|四|五|六|七|八|九]+年", m)
  if a:
    for key in a:
      print key
  else:
    print "NULL"

fuc(m0)
fuc(m1)
fuc(m2)

運(yùn)行結(jié)果

可以看出第二個(gè)、第三個(gè)都出現(xiàn)了錯(cuò)誤。

改進(jìn)——準(zhǔn)化成unicode識(shí)別

# -*- coding: cp936 -*-
import re
m0 = "在一九四九年新中國(guó)成立"
m1 = "比一九九零年低百分之五點(diǎn)二"
m2 = '人一九九六年擊敗俄軍,取得實(shí)質(zhì)獨(dú)立'

def fuc(m):
  m = m.decode('cp936')
  a = re.findall(u"[\u96f6|\u4e00|\u4e8c|\u4e09|\u56db|\u4e94|\u516d|\u4e03|\u516b|\u4e5d]+\u5e74", m)

  if a:
    for key in a:
      print key
  else:
    print "NULL"

fuc(m0)
fuc(m1)
fuc(m2)

結(jié)果

識(shí)別出來(lái)可以通過(guò)替換方式，把漢字替換成數(shù)字。

參考

numHash = {}
numHash['零'.decode('utf-8')] = '0'
numHash['一'.decode('utf-8')] = '1'
numHash['二'.decode('utf-8')] = '2'
numHash['三'.decode('utf-8')] = '3'
numHash['四'.decode('utf-8')] = '4'
numHash['五'.decode('utf-8')] = '5'
numHash['六'.decode('utf-8')] = '6'
numHash['七'.decode('utf-8')] = '7'
numHash['八'.decode('utf-8')] = '8'
numHash['九'.decode('utf-8')] = '9'

def change2num(words):
  print "words:",words
  newword = ''
  for key in words:
    print key
    if key in numHash:
      newword += numHash[key]
    else:
      newword += key
  return newword

def Chi2Num(line):
  a = re.findall(u"[\u96f6|\u4e00|\u4e8c|\u4e09|\u56db|\u4e94|\u516d|\u4e03|\u516b|\u4e5d]+\u5e74", line)
  if a:
    print "------"
    print line
    for words in a:
      newwords = change2num(words)
      print words
      print newwords
      line = line.replace(words, newwords)
  return line

5. 多個(gè)手機(jī)號(hào)碼，中間用|隔開(kāi)

舉例：

空值
12222222222
12222222222|12222222222
12222222222|12222222222|12222222444

表達(dá)式