正则表达式

正则表达式

正则表达式本身也和python没有什么关系，就是匹配字符串内容的一种规则。

官方定义：正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。

正则表达式 字符串的规则

来帮助我们1.检测某一段字符串是否符合规则

                  2.从一大段文字中将符合规则的匹配出来 （ 爬虫）

只和字符串相关 

在线测试工具 http://tool.chinaz.com/regex/

字符组 ： [字符组]

在同一个位置可能出现的各种字符组成了一个字符组，在正则表达式中用[]表示 

字符：

 

[012345]   [0-5]    [0-9]

 

[9-0]  不能从大到小来规定范围

 

字符组内所有的范围都是根据ascii码来的 

 

数字    [0-9]

 

字母     小写 [a-z]    大写 [A-Z]     大小写 [A-Za-z]

 

数字和大小写字母    [A-Z0-9a-z]

 

数字+大小写字母+下划线   [A-Z0-9a-z_]

 

在字符组当中 -是有特殊意义的,如果我们想取消这个横杠的特殊意义          需要使用\作为转义符

 

字符组之外的其他带有特殊规则的元字符:

 

[0-9]    \d 匹配任意一个数字 digit

 

[A-Z0-9a-z_]    \w 标识符

 

 \n 匹配回车换行

 

 \t 匹配制表符 table

 

 空格 本身匹配 空格

 

 \s 匹配所有的空白

 

 \b 匹配一个单词的边界

 

反义词

 

 \W 除了数字字母下划线之外的所有

 

 \D 除了数字之外的所有

 

 \S 除了空白之外的所有

 

 . 匹配换行符之外的所有字符

 

 

 

\d \w \s(\n \t)

 

\D \W \S

 

.

 

 

 

匹配所有 :[\D\d] [\W\w] [\S\s]

 

非字符组 :[^123]除了123之外的都匹配

 

 

 

开始符和结束符

 

^ 永远在一个规则的最开始

 

$ 永远在一个规则的最末尾

 

^和$ 规定了这个字符串的长度,并且在这个长度内的内容

 

 

 

| 或的概念

 

123|456

 

www.baidu.com | www.oldboy.com 

 

分组的概念

 

www\.(baidu|oldboy)\.com

 

 

 

总结

 

\d \w \s \n \t \D \W \S \b

 

[],[^]

 

^ $

 

|   或 永远把相对长的规则放在左侧

 

()

 

.

元字符	匹配内容
.	匹配除换行符以外的任意字符
\w	匹配字母或数字或下划线
\s	匹配任意的空白符
\d	匹配数字
\n	匹配一个换行符
\t	匹配一个制表符
\b	匹配一个单词的结尾
^	匹配字符串的开始
$	匹配字符串的结尾
\W	匹配非字母或数字或下划线
\D	匹配非数字
\S	匹配非空白符
a|b	匹配字符a或字符b
()	匹配括号内的表达式，也表示一个组
[...]	匹配字符组中的字符
[^...]	匹配除了字符组中字符的所有字符

 

量词：

量词  在量词的范围内尽可能多的匹配

{n} 表示出现n次

{n,} 表示至少出现n次

{n,m} 表示出现n-m次

? 表示匹配0次或1次

+ 表示匹配1次或多次

* 表示匹配0次或多次 

元字符 量词

匹配的是一个字符的内容

量词 表示的是匹配的次数

匹配整数          [1-9]\d*|0

 匹配小数          \d+\.\d+

 匹配一个整数或者小数           \d+\.\d+|([1-9]\d*|0)           \d+\.?\d*           \d+(\.\d+)?

 在量词范围内尽可能多的匹配 - 贪婪匹配

正则表达式 匹配身份证号码

15位       首位不能为0           ^[1-9]\d{14}$

 18位      首位不能为0,末尾可能是x和数字            ^[1-9]\d{16}[\dx]$

合起来            ^([1-9]\d{16}[\dx]|[1-9]\d{14})$               [1-9]\d{14}(\d{2}[\dx])?

 

 

量词	用法说明
*	重复零次或更多次
+	重复一次或更多次
?	重复零次或一次
{n}	重复n次
{n,}	重复n次或更多次
{n,m}	重复n到m次

 

 

转义

在测试的网页上写的是什么

就直接复制过来

然后在字符串外面加上一个r

r'\\n' --> r'\n'

t 't'

\t  \本身具有转义作用,相当于改变了t本来的面目

\\  \本身具有转义作用,\\相当于转义了\的特殊作用,相当于普通的一个'\'

 

贪婪匹配 :默认的 尽可能多匹配

惰性匹配 :需要我们手动设置的 尽可能少匹配

a.* 以a开头的任意一个字符串都可以被匹配出来

a.*? 非贪婪

a.*?x 从a开始匹配,匹配任意长度的字符,遇到一个x就立即停止