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 語言擁有全部的正則表達(dá)式功能。

會用到的語法

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，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輸出類似的別的語言的\n之類來匹配獲取的內(nèi)容。

python group()

正則表達(dá)式中，group（）用來提出分組截獲的字符串，（）用來分組

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)括號匹配部分，group(2) 列出第二個(gè)括號匹配部分，group(3) 列出第三個(gè)括號匹配部分。
2. 沒有匹配成功的，re.search（）返回None

3. 當(dāng)然正則表達(dá)式中沒有括號，group(1)肯定不對了。

示例

1. 判斷字符串是否是全部小寫

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

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

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

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)以開始符（^）開始。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)括號匹配部分，group(2) 列出第二個(gè)括號匹配部分，group(3) 列出第三個(gè)括號匹配部分。

2）沒有匹配成功的，re.search（）返回None

3）當(dāng)然正則表達(dá)式中沒有括號，group(1)肯定不對了。

2. 首字母縮寫詞擴(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

縮寫詞　　FEMA
分解為　　F*** E*** M*** A***
規(guī)律　　大寫字母 + 小寫（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

問題

上面代碼對于例子中的前3個(gè)是正確的，但是后面的兩個(gè)就錯(cuò)了，因?yàn)榇髮懽帜搁_頭的詞語之間還夾雜著小寫字母詞

規(guī)律

大寫字母 + 小寫（大于等于1個(gè)）+ 空格 + [小寫+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

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

3. 去掉數(shù)字中的逗號

具體示例

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

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，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)順序訪問每一個(gè)匹配結(jié)果（Match對象）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

這樣的程序針對具體問題，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，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題。例如下邊的程序識別年份（****年）時(shí)

# -*- coding: cp936 -*-
import re
m0 = "在一九四九年新中國成立"
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識別

# -*- coding: cp936 -*-
import re
m0 = "在一九四九年新中國成立"
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

識別出來可以通過替換方式，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)號碼，中間用|隔開

舉例：

空值
12222222222
12222222222|12222222222
12222222222|12222222222|12222222444

表達(dá)式