-
Notifications
You must be signed in to change notification settings - Fork 1
/
Copy path正则表达式.py
216 lines (198 loc) · 9.27 KB
/
正则表达式.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
# This is a sample Python script.
# Press ⌃R to execute it or replace it with your code.
# Press Double ⇧ to search everywhere for classes, files, tool windows, actions, and settings.
import re
import time
def print_hi(name):
# Use a breakpoint in the code line below to debug your script.
print(f'Hi, {name}') # Press ⌘F8 to toggle the breakpoint.
# 正则表达式 在各大开发语言中都是通用的，一式在手天下我有
# 这一节主要涉及到的功能：
# 不用正则的判断
# re.compile()
# ptn.search()
# 正则给额外信息
# re.search()
# 中文
# string.encode()
# 查找替换等更多功能
# re.search()
# re.match()
# re.findall()
# re.finditer()
# re.split()
# re.sub()
# re.subn()
# 不用正则的判断
pattern1 = "file"
pattern2 = "files"
string = "the file is in the folder"
print("file in string", pattern1 in string)
print("files in string", pattern2 in string)
print()
# 验证用户输入的信息是否是邮箱
ptn = re.compile(r"\w+?@\w+?\.com")
matched = ptn.search("[email protected]")
print("[email protected] is a valid email:", matched)
matched = ptn.search("mofan@mofanpy+com")
print("mofan@mofanpy+com is a valid email:", matched)
print()
# 正则给额外信息
matched = re.search(r"\w+?@\w+?\.com", "[email protected]")
print("[email protected]:", matched)
# [email protected]: <re.Match object; span=(0, 17), match='[email protected]'>
# 打印的参数中 span 是从哪一位到哪一位(0, 17)，match表示找到的具体字符串又是什么。
matched = re.search(r"\w+?@\w+?\.com", "the email is [email protected].")
print("the email is [email protected]:", matched)
# 一个简单的例子，r"xxx" 为固定写法
match = re.search(r"run", "I run to you")
print(match)
print(match.span())
print(match.group())
# 同时满足多种条件，多次匹配
print(re.search(r"ran", "I run to you"))
print(re.search(r"run", "I run to you"))
# 同时满足多种条件，一次匹配, | 就代表或者; [au] 中间字母是 a 或者 u
print(re.search(r"ran|run", "I run to you"))
print(re.search(r"r[au]n", "I run to you"))
# 同时满足多种条件，前后都是固定的,同时满足多个字符的不同匹配,比如找到 find 和 found
print(re.search(r"f(ou|i)nd", "I find you"))
print(re.search(r"f(ou|i)nd", "I found you"))
print()
# 按类型匹配，通用匹配方式
# 特定标识 含义 范围
# \d 任何数字 [0-9]
# \D 不是数字的
# \s 任何空白字符 [ \t\n\r\f\v]
# \S 空白字符以外的
# \w 任何大小写字母,数字和 _ [a-zA-Z0-9_]
# \W \w 以外的
# \b 匹配一个单词边界 比如 er\b 可以匹配 never 中的 er，但不能匹配 verb 中的 er
# \B 匹配非单词边界 比如 er\B 能匹配 verb 中的 er，但不能匹配 never 中的 er
# \\ 强制匹配 \
# . 匹配任何字符 (除了 \n)
# ? 前面的模式可有可无
# * 重复零次或多次
# + 重复一次或多次
# {n,m} 重复 n 至 m 次
# {n} 重复 n 次
# +? 非贪婪（匹配尽可能少的字符），最小方式匹配 +
# *? 非贪婪（匹配尽可能少的字符），最小方式匹配 *
# ?? 非贪婪（匹配尽可能少的字符），最小方式匹配 ?
# ^ 匹配一行开头，在 re.M 下，每行开头都匹配
# $ 匹配一行结尾，在 re.M 下，每行结尾都匹配
# \A 匹配最开始，在 re.M 下，也从文本最开始
# \B 匹配最结尾，在 re.M 下，也从文本最结尾
# 匹配邮箱 ，\w 表示任意的字母和数字下划线。 +? 表示让 \w 至少匹配 1 次
re.search(r"\w+?@\w+?\.com", "[email protected]")
# 匹配手机号
# \d{8} 表示任意的数字，重复8遍。
print(re.search(r"138\d{8}", "13812345678"))
print(re.search(r"138\d{8}", "138123456780000"))
print()
# 匹配中文 ?爱 表示爱前面的字符可有可无
print(re.search(r"不?爱", "我爱你"))
# 匹配中文 不?爱 表示爱前面的字符可有可无，有不就匹配
print(re.search(r"不?爱", "我不爱你"))
# 匹配中文 不.*?爱 表示 不 必须匹配, .* 匹配任何字符 (除了 \n)重复零次或多次, 爱前面的字符可有可无
print(re.search(r"不.*?爱", "我不是很爱你"))
print()
# 匹配全部汉字，汉字是用 Unicode 来表示的，把汉字变成 Unicode
print("中".encode("unicode-escape"))
print(re.search(r"[\u4e00-\u9fa5]+", "我爱编码，Python。"))
# 匹配全部汉字，识别中文标点，比如 [！？。，￥【】「」]
print(re.search(r"[\u4e00-\u9fa5！？。，￥【】「」]+", "我爱编码。编码让人「神清气爽」！haha"))
print()
# 查找替换等更多功能
# 扫描查找整个字符串，找到第一个模式匹配的
print("search:", re.search(r"run", "I run to you"))
# 从字符的最开头匹配，找到第一个模式匹配的即使用 re.M 多行匹配，也是从最最开头开始匹配
print("match:", re.match(r"run", "I run to you"))
# 返回一个不重复的 pattern 的匹配列表
print("findall:", re.findall(r"r[ua]n", "I run to you. you ran to him"))
# 和 findall 一样，只是用迭代器的方式使用
for i in re.finditer(r"r[ua]n", "I run to you. you ran to him"):
print("finditer:", i)
# 用正则分开字符串
print("split:", re.split(r"r[ua]n", "I run to you. you ran to him"))
# 用正则替换字符
print("sub:", re.sub(r"r[ua]n", "jump", "I run to you. you ran to him"))
# 和 sub 一样，额外返回一个替代次数
print("subn:", re.subn(r"r[ua]n", "jump", "I run to you. you ran to him"))
print()
# 在模式中获取特定信息， 找到 *.jpg 图片文件，而且只返回去掉 .jpg 之后的纯文件名
found = []
for i in re.finditer(r"[\w-]+?\.jpg", "I have 2021-02-01.jpg, 2021-02-02.jpg, 2021-02-03.jpg"):
found.append(re.sub(r".jpg", "", i.group()))
print(found)
print()
# () 提取匹配的字符串：要截取返回的位置，直接返回括号里的内容。
string = "I have 2021-02-01.jpg, 2021-02-02.jpg, 2021-02-03.jpg"
print("without ():", re.findall(r"[\w-]+?\.jpg", string))
print("with ():", re.findall(r"([\w-]+?)\.jpg", string))
print()
string = "I have 2021-02-01.jpg, 2021-02-02.jpg, 2021-02-03.jpg"
match = re.finditer(r"(\d+?)-(\d+?)-(\d+?)\.jpg", string)
for file in match:
print("matched string:", file.group(0), ",year:", file.group(1), ", month:", file.group(2), ", day:",
file.group(3))
print()
string = "I have 2021-02-01.jpg, 2021-02-02.jpg, 2021-02-03.jpg"
match = re.findall(r"(\d+?)-(\d+?)-(\d+?)\.jpg", string)
for file in match:
print("year:", file[0], ", month:", file[1], ", day:", file[2])
print()
# 索引名字
string = "I have 2021-02-01.jpg, 2021-02-02.jpg, 2021-02-03.jpg"
match = re.finditer(r"(?P<y>\d+?)-(?P<m>\d+?)-(?P<d>\d+?)\.jpg", string)
for file in match:
print("matched string:", file.group(0),
", year:", file.group("y"),
", month:", file.group("m"),
", day:", file.group("d"))
print()
# 多模式匹配
# re.I 忽略大小写
# re.M 多行模式，改变'^'和'$'的行为，标志意味着 ^ 和 $ 分别匹配输入字符串的开始处和结束处，以及每一行的开始和结束处。
# re.S 点任意匹配模式，改变'.'的行为, 使".“可以匹配任意字符
# re.L 使预定字符类 \w \W \b \B \s \S 取决于当前区域设定
# re.U 使预定字符类 \w \W \b \B \s \S \d \D 取决于unicode定义的字符属性
# re.X 详细模式。这个模式下正则表达式可以是多行，忽略空白字符，并可以加入注释。以下两个正则表达式是等价的
ptn, string = r"r[ua]n", "I Ran to you"
print("without re.I:", re.search(ptn, string))
print("with re.I:", re.search(ptn, string, flags=re.I))
print()
ptn02 = r"^ran"
# 多行字符串匹配得顶格写，否则前面有空格或缩进，无法匹配， ^ 要求 "ran" 必须在新行的最开始处。
string02 = """I
ran to you"""
print("without re.M:", re.search(ptn02, string02))
print("with re.M:", re.search(ptn02, string02, flags=re.M))
print("with re.M and match:", re.match(ptn02, string02, flags=re.M))
print()
ptn03 = r"^ran"
string03 = """I
Ran to you"""
print("with re.M and re.I:", re.search(ptn03, string03, flags=re.M | re.I))
print()
string04 = """I
Ran to you"""
print(re.search(r"(?im)^ran", string04))
print()
# 更快地执行,先 compile 正则
n = 1000000
# 不提前 compile
t0 = time.time()
for _ in range(n):
re.search(r"ran", "I ran to you")
t1 = time.time()
print("不提前 compile 运行时间：", t1 - t0)
# 先做 compile
ptn = re.compile(r"ran")
for _ in range(n):
ptn.search("I ran to you")
print("提前 compile 运行时间：", time.time() - t1)
# Press the green button in the gutter to run the script.
if __name__ == '__main__':
print_hi('正则表达式')
# See PyCharm help at https://www.jetbrains.com/help/pycharm/