Python 正则表达式（匹配分组）（python能做什么）

匹配分组

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
​​(?P<name>)​​	分组起别名
​​(?P=name)​​	引用别名为name分组匹配到的字符串

匹配左右任意一个表达式，类似或条件: ​​|​​

我们在查询东西的时候不一定就是查一样，可能还会想要同时查询另一样东西。那么前面的只是讲述了匹配查询一样的情况。

需求：匹配出0-100之间的数字

#coding=utf-8import reIn [3]: re.match('[1-9]?\d','8').group() Out[3]: '8'In [5]: re.match('[1-9]?\d','78').group() Out[5]: '78'# 不正确的情况，因为[1-9]无法匹配0，那么直接就是使用\d匹配到0就结束了，所以只会打印一个0，不会打印8出来。In [6]: re.match('[1-9]?\d','08').group() Out[6]: '0'# 修正之后的，由于[1-9]无法匹配0，那么报错的时候ret为空，直接打印不在0-100之间In [14]: ret = re.match('[1-9]?\d$|100','08') In [15]: if ret: ...: print(ret.group()) ...: else: ...: print("不在0-100之间") ...: 不在0-100之间In [16]: # 改匹配第一个字符为[0-9]，当然就可以匹配出08来了In [9]: re.match('[0-9]?\d$','08').group() Out[9]: '08'# 匹配100肯定报错，因为这里只是匹配两位字符，那么就需要使用 | 增加一个匹配的类型了。In [17]: re.match('[1-9]?\d$','100').group() ---------------------------------------------------------------------------AttributeError Traceback (most recent call last) in ----> 1 re.match('[1-9]?\d$','100').group()AttributeError: 'NoneType' object has no attribute 'group'In [18]: # 添加 | 用来后续可以多个一个判断 100 的情况In [18]: re.match('[1-9]?\d$|100','100').group() Out[18]: '100'

将括号中字符作为一个分组：(ab)

上面写到可以通过 ​​|​​​ 来进行或条件匹配，但是却是没有限定范围。那是上面意思呢？ 看看下面的这个例子来理解一下。

需求：匹配出163、126、qq邮箱

#coding=utf-8import re# 首先来简单匹配一个163的邮箱地址In [19]: re.match('\w{4,20}@163\.com','test@163.com').group() Out[19]: 'test@163.com'# 那么这个要判断163、126、qq的邮箱，我是不是直接加上|就好了呢？从结果来看，并不是的。In [20]: re.match('\w{4,20}@163|qq|126\.com','test@163.com').group() Out[20]: 'test@163'In [21]: re.match('\w{4,20}@163|qq|126\.com','qq').group() Out[21]: 'qq'In [22]: re.match('\w{4,20}@163|qq|126\.com','126.com').group() Out[22]: '126.com'In [23]: # 从上面的三个结果来看，貌似 | 把整体拆分三个规则来匹配。# 很明显这不是我们想要的结果。明显就是 | 的或范围没有做好限制。# 下面可以使用分组 （） 来限定 或 的范围来解决问题# 我在 (163|qq|126) 增加了括号，说明 | 这个或判断只在这个括号中有效果In [23]: re.match('\w{4,20}@(163|qq|126)\.com','126.com').group() ---------------------------------------------------------------------------AttributeError Traceback (most recent call last) in ----> 1 re.match('\w{4,20}@(163|qq|126)\.com','126.com').group()AttributeError: 'NoneType' object has no attribute 'group'# 来看看，这个直接qq的当然就会匹配报错了。In [24]: re.match('\w{4,20}@(163|qq|126)\.com','qq').group() ---------------------------------------------------------------------------AttributeError Traceback (most recent call last) in ----> 1 re.match('\w{4,20}@(163|qq|126)\.com','qq').group()AttributeError: 'NoneType' object has no attribute 'group'# 那么输入正确的邮箱地址，再来匹配看看是否正确。In [25]: re.match('\w{4,20}@(163|qq|126)\.com','test@163.com').group() Out[25]: 'test@163.com'In [26]: re.match('\w{4,20}@(163|qq|126)\.com','test@qq.com').group() Out[26]: 'test@qq.com'In [27]: re.match('\w{4,20}@(163|qq|126)\.com','test@126.com').group() Out[27]: 'test@126.com'In [28]: # 从上面的三个结果来看，都很正确匹配出来163、126、qq三种邮箱了。# 最后输入另一种未定义的 hostmail 邮箱，当然就是报错的结果了。In [28]: re.match('\w{4,20}@(163|qq|126)\.com','test@hostmail.com').group() ---------------------------------------------------------------------------AttributeError Traceback (most recent call last) in ----> 1 re.match('\w{4,20}@(163|qq|126)\.com','test@hostmail.com').group()AttributeError: 'NoneType' object has no attribute 'group'In [29]:

需求：不是以4、7结尾的手机号码(11位)

In [29]: tels = ["13800001234", "18916844321", "10086", "18800007777"] In [35]: for tel in tels: ...: ret = re.match('^1\d{9}[0-35-68-9]$',tel) ...: if ret: ...: print("%s 手机号码结果不以4或者7结尾" % ret.group()) ...: else: ...: print("%s 手机号码不是想要找的" % tel) ...: 13800001234 手机号码不是想要找的18916844321 手机号码结果不以4或者7结尾10086 手机号码不是想要找的18800007777 手机号码不是想要找的In [36]:

提取区号和电话号码

In [36]: re.match('\d{3,4}-?\d+','0755-12345678').group() Out[36]: '0755-12345678'In [37]: re.match('(\d{3,4})-?(\d+)','0755-12345678').group() Out[37]: '0755-12345678'In [38]: re.match('(\d{3,4})-?(\d+)','0755-12345678').group(1) Out[38]: '0755'In [39]: re.match('(\d{3,4})-?(\d+)','0755-12345678').group(2) Out[39]: '12345678'# 还有另外一种方式匹配，使用开头匹配符号 ^ 然后写上最后需要匹配的符号 - In [50]: re.match('[^-]*','0755-12345678').group() Out[50]: '0755'In [51]: re.match('[-]*','0755-12345678').group() Out[51]: ''In [52]: re.match('[^-]*','0755-12345678').group() Out[52]: '0755'In [53]: re.match('[^j]*','0755j12345678').group() Out[53]: '0755'In [54]: re.match('[^-]*','0755j12345678').group() Out[54]: '0755j12345678'In [55]: re.match('[^j]*','0755j12345678').group() Out[55]: '0755'In [56]: In [60]: re.match('[^-]*-?\d+','0755-12345678').group() Out[60]: '0755-12345678'In [61]: re.match('([^-]*)-?(\d+)','0755-12345678').group() Out[61]: '0755-12345678'In [62]: re.match('([^-]*)-?(\d+)','0755-12345678').group(1) Out[62]: '0755'In [63]: re.match('([^-]*)-?(\d+)','0755-12345678').group(2) Out[63]: '12345678'In [64]: # 这种写法的好处就是匹配所有 - 号前面的字符串In [64]: re.match('([^-]*)-?(\d+)','Abcdasdasd-12345678').group(2) Out[64]: '12345678'In [65]: re.match('([^-]*)-?(\d+)','Abcdasdasd-12345678').group(1) Out[65]: 'Abcdasdasd'In [66]:

引用分组num匹配到的字符串： ​​\num​​

这个功能在做爬虫匹配网页HTML元素的时候经常会用到。 下面来看看示例：

需求：匹配出hello beauty

#coding=utf-8import re# 首先匹配第一个看看In [66]: re.match('<[a-zA-Z]*>','hello beauty').group() Out[66]: ''# 后面如果是用 .* 的话的确可以匹配所有字符，但是不利用后面想要再次() 分组In [67]: re.match('<[a-zA-Z]*>.*','hello beauty').group() Out[67]: 'hello beauty'# 使用 \w 可以匹配字母、数字、下划线，但是不能匹配空格、tab等，所以只到hello这里。In [68]: re.match('<[a-zA-Z]*>\w*','hello beauty').group() Out[68]: 'hello'# 加上\s再两个\w之间进行匹配，那么就可以解决这个空格的问题了。剩下就是匹配最后的In [77]: re.match('<[a-zA-Z]*>\w*\s\w*','hello beauty').group() Out[77]: 'hello beauty'# 在最后写上匹配规则就可以了。In [78]: re.match('<[a-zA-Z]*>\w*\s\w*','hello beauty').group() Out[78]: 'hello beauty'In [79]# 但是，可以看到匹配的规则是大小写字母，如果不一样的html标签呢？In [80]: re.match('<[a-zA-Z]*>\w*\s\w*','hello beauty').group() Out[80]: 'hello beauty'# 这样虽然也匹配出了结果，但是并不是想要的呀。最好的结果是结尾也应该是html# 那么问题来了，很多时候匹配这是可能会变化的，不一定都是，可能是都有可能。In [81]: # 正确的理解思路：如果在第一对<>中是什么，按理说在后面的那对<>中就应该是什么# 通过引用分组中匹配到的数据即可，但是要注意是元字符串，即类似 r""这种格式In [89]: re.match(r'<([a-zA-Z]*)>\w*\s\w*','hello beauty').group() Out[89]: 'hello beauty'In [90]: re.match(r'<([a-zA-Z]*)>\w*\s\w*','hello beauty').group(1) Out[90]: 'html'# 上面将匹配的内容结尾写成了 \1 ，那么就是直接使用第一个括号分组的内容。In [91]:

从上面可以看出，括号​​()​​​ 的分组在正则匹配是可以引用的，那么如果这种​​()​​​ 非常多，都写 ​​\1​​​ ​​\2​​​ ​​\3​​ 肯定不是很方便，那么下面有一种命名的编写方式。

分组别名引用：(?P) (?P=name)

字符	功能
​​(?P<name>)​​	分组起别名
​​(?P=name)​​	引用别名为name分组匹配到的字符串

需求：匹配出

​​baidu.com​​

#coding=utf-8import reIn [92]: re.match(r"<(?P\w*)><(?P\w*)>.*", "

baidu.com

").group() Out[92]: '

baidu.com

'# 将第二个h标签改为 h2，使得不匹配h1。确认是否会报错。In [94]: re.match(r"<(?P\w*)><(?P\w*)>.*", "

baidu.com

").group() ---------------------------------------------------------------------------AttributeError Traceback (most recent call last) in ----> 1 re.match(r"<(?P\w*)><(?P\w*)>.*", "

baidu.com

").group()AttributeError: 'NoneType' object has no attribute 'group'In [95]:

不过这种方式知道就好，大部分也是使用 ​​\1​​​ ​​\2​​ 就可以完成匹配的了。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。