正则表达式知识

关于正则表达式的相关知识，大家可以阅读一篇非常有名的博客叫《正则表达式30分钟入门教程》。下面是一些基本符号

• 在线正则表达式匹配 https://deerchao.cn/tools/wegester/ | 符号 | 解释 | 示例 | 说明 | | —- | —- | —- | —- | | . | 匹配任意字符 | b.t | 可以匹配bat / but / b#t / b1t等 | | \w | 匹配字母/数字/下划线 | b\wt | 可以匹配bat / b1t / b_t等
  但不能匹配b#t | | \s | 匹配空白字符（包括\r、\n、\t等） | love\syou | 可以匹配love you | | \d | 匹配数字 | \d\d | 可以匹配01 / 23 / 99等 | | \b | 匹配单词的边界 | \bThe\b | | | ^ | 匹配字符串的开始 | ^The | 可以匹配The开头的字符串 | | $ | 匹配字符串的结束 | .exe$ | 可以匹配.exe结尾的字符串 | | \W | 匹配非字母/数字/下划线 | b\Wt | 可以匹配b#t / b@t等
  但不能匹配but / b1t / b_t等 | | \S | 匹配非空白字符 | love\Syou | 可以匹配love#you等
  但不能匹配love you | | \D | 匹配非数字 | \d\D | 可以匹配9a / 3# / 0F等 | | \B | 匹配非单词边界 | \Bio\B | | | [] | 匹配来自字符集的任意单一字符 | [aeiou] | 可以匹配任一元音字母字符 | | [^] | 匹配不在字符集中的任意单一字符 | [^aeiou] | 可以匹配任一非元音字母字符 | | | 匹配0次或多次 | \w | | | + | 匹配1次或多次 | \w+ | | | ? | 匹配0次或1次 | \w? | | | {N} | 匹配N次 | \w{3} | | | {M,} | 匹配至少M次 | \w{3,} | | | {M,N} | 匹配至少M次至多N次 | \w{3,6} | | | | | 分支 | foo|bar | 可以匹配foo或者bar | | (?#) | 注释 | | | | (exp) | 匹配exp并捕获到自动命名的组中 | | | | (? exp) | 匹配exp并捕获到名为name的组中 | | | | (?:exp) | 匹配exp但是不捕获匹配的文本 | | | | (?=exp) | 匹配exp前面的位置 | \b\w+(?=ing) | 可以匹配I’m dancing中的danc | | (?<=exp) | 匹配exp后面的位置 | (?<=\bdanc)\w+\b | 可以匹配I love dancing and reading中的第一个ing | | (?!exp) | 匹配后面不是exp的位置 | | | | (?<!exp) | 匹配前面不是exp的位置 | | | | ? | 重复任意次，但尽可能少重复 | a.b
  a.*?b | 将正则表达式应用于aabab，前者会匹配整个字符串aabab，后者会匹配aab和ab两个字符串 | | +? | 重复1次或多次，但尽可能少重复 | | | | ?? | 重复0次或1次，但尽可能少重复 | | | | {M,N}? | 重复M到N次，但尽可能少重复 | | | | {M,}? | 重复M次以上，但尽可能少重复 | | |

Python对正则表达式的支持

说明： 上面提到的re模块中的这些函数，实际开发中也可以用正则表达式对象的方法替代对这些函数的使用，如果一个正则表达式需要重复的使用，那么先通过compile函数编译正则表达式并创建出正则表达式对象无疑是更为明智的选择

例子1 验证用户名和QQ号是否有效

"""
验证输入用户名和QQ号是否有效并给出对应的提示信息
要求：用户名必须由字母、数字或下划线构成且长度在6~20个字符之间，QQ号是5~12的数字且首位不能为0
"""
import re
def main():
    username = input("请输入用户名：")
    qq = input("请输入QQ号：")
    m1 = re.match(r'^[0-9a-zA-Z_]{6,20}$', username)
    if not m1:
        print("请输入有效的用户名.")
    m2 = re.match(r'^[1-9]\d{4,11}$', qq)
    if not m2:
        print("请输入有效的QQ号.")
    if m1 and m2:
        print("你输入的信息有效！")
if __name__ == "__main__":
    main()
"""    输入 输出
    请输入用户名：dujiaoshou
    请输入QQ号：292749786
    你输入的信息有效！
"""

例子2 从一段文字中提取出国内手机号码

下面这张图是截止到2017年底，国内三家运营商推出的手机号段

import re
def main():
    # 创建正则表达式对象 使用了前瞻和回顾来保证手机号前后不应该出现数字
    pattern = re.compile(r'(?<=\D)1[34578]\d{9}(?=\D)')
    sentence = '''
    重要的事情说8130123456789遍，我的手机号是13512346789这个靓号，
    不是15600998765，也是110或119，王大锤的手机号才是15600998765。
    '''
    # 查找所有匹配并保存到一个列表中
    my_list = re.findall(pattern, sentence)
    print(my_list)
    print('{:-^20}'.format('华丽的分割线'))
    # 通过迭代器取出匹配对象并获得匹配的内容
    for temp in pattern.finditer(sentence):
        print(temp.group())
    print('{:-^20}'.format('华丽的分割线'))
    # 通过search函数指定搜索位置找出所有匹配
    m = pattern.search(sentence)
    while m:
        print(m.group())
        m = pattern.search(sentence, m.end())
if __name__ == "__main__":
    main()
'''
-------华丽的分割线-------
13512346789
15600998765
15600998765
-------华丽的分割线-------
13512346789
15600998765
15600998765
'''

说明： 上面匹配国内手机号的正则表达式并不够好，因为像14开头的号码只有145或147，而上面的正则表达式并没有考虑这种情况，要匹配国内手机号，更好的正则表达式的写法是：(?<=\D)(1[38]\d{9}|14[57]\d{8}|15[0-35-9]\d{8}|17[678]\d{8})(?=\D)，国内最近好像有19和16开头的手机号了，但是这个暂时不在我们考虑之列

例子3 替换字符串中的不良内容

import re
def main():
    sentence = '你丫是傻叉吗? 我操你大爷的. Fuck you.'
    purified = re.sub('[操肏艹]|fuck|shit|傻[比屄逼叉缺吊屌]|煞笔', '*',
                      sentence, flags=re.IGNORECASE)
    print(purified)  # 你丫是*吗? 我*你大爷的. * you.
if __name__ == "__main__":
    main()

说明： re模块的正则表达式相关函数中都有一个flags参数，它代表了正则表达式的匹配标记，可以通过该标记来指定匹配时是否忽略大小写、是否进行多行匹配、是否显示调试信息等。如果需要为flags参数指定多个值，可以使用按位或运算符进行叠加，如flags=re.I | re.M

例子4 拆分长字符串

import re
def main():
    poem = '窗前明月光，疑是地上霜。举头望明月，低头思故乡。'
    sentence_list = re.split(r'[，。,.]', poem)
    while '' in sentence_list:
        sentence_list.remove('')  # ['窗前明月光', '疑是地上霜', '举头望明月', '低头思故乡']
    print(sentence_list)
if __name__ == "__main__":
    main()