【2022-07-19】Python正则表达式

Python正则表达式

正则表达式的概念

• 什么是正则表达式？
• 正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好对的一些特定字符、以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，主要用于数据的查找与筛选

正则表达式简介

• 正则表达式是对字符串（包括普通字符（例如，a到z之间的字母）和特殊字符（称之为“元字符”）)操作的一种逻辑公式，就是用事先定义好对的一些特定字符、以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。正则表达式是一种文本模式，该模式描述在搜索文本时要匹配的一个或多个字符串。正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串 。

在线测试工具

https://tool.chinaz.com/regex/

正则表达式之字符组

• 在同一个位置出现的多种字符组成一个字符组，在正则表达式中用中括号[]表示
• 单个字符组默认一次匹配一个字符

正则	待匹配字符	匹配结果	说明
[0123456789]	7	True	在一个字符组里枚举合法的所有字符，字符组里的任意一个字符 和"待匹配字符"相同都视为可以匹配
[0123456789]	a	False	由于字符组中没有"a"字符，所以不能匹配
[0-9]	6	True	也可以用-表示范围,[0-9]就和[0123456789]是一个意思
[A-Z]	B	True	[A-Z]就表示所有的大写字母
[a-z]	c	True	同样的如果要匹配所有的小写字母，直接用[a-z]就可以表示
[0-9A-Ya-h]	e	True	可以匹配数字，大小写形式的a～f，用来验证十六进制字符

正则表达式之特殊符号

元字符	匹配内容
.	匹配除换行符以外的任意字符
\w	匹配数字或字母或下划线
\W	匹配非字母或数字或下划线
\d	匹配数字
^	匹配字符串的开头
$	匹配字符串的结尾
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

正则表达式之量词

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

正则表达式之贪婪与非贪婪

贪婪匹配：在满足匹配时，匹配尽可能长的字符串，默认情况下，采用贪婪匹配

所有的量词默认都是贪婪匹配 但是如果在量词的后面紧跟一个问号
那么就会变成非贪婪匹配
小技巧:以后我们在使用贪婪匹配或者非贪婪匹配的时候一般都是用.或者.?
并且结束的标志有上述符号左右两边添加的表达式决定

正则	待匹配字符	匹配结果	说明
<.*>	<script...script>	script>...script>	默认为贪婪匹配，会匹配尽量长的字符串
<.*?>	r'\d'	script> script>	加上？为将贪婪匹配模式转为非贪婪匹配模式，会匹配尽量短的字符串

几个常用的非贪婪匹配Pattern

*? 重复任意次，但尽可能少重复
+? 重复1次或更多次，但尽可能少重复
?? 重复0次或1次，但尽可能少重复
{n,m}? 重复n到m次，但尽可能少重复
{n,}? 重复n次以上，但尽可能少重复

.*?的用法

. 是任意字符
* 是取 0 至 无限长度
? 是非贪婪模式。
何在一起就是 取尽量少的任意字符，一般不会这么单独写，他大多用在：
.*?x

就是取前面任意长度的字符，直到一个x出现

正则表达式之取消转义

在正则表达式中，有很多有特殊意义的是元字符，比如\n和\s等，如果要在正则中匹配正常的"\n"而不是"换行符"就需要对""进行转义，变成'\'。

在python中，无论是正则表达式，还是待匹配的内容，都是以字符串的形式出现的，在字符串中\也有特殊的含义，本身还需要转义。所以如果匹配一次"\n",字符串中要写成'\n'，那么正则里就要写成"\\n",这样就太麻烦了。这个时候我们就用到了r'\n'这个概念，此时的正则是r'\n'就可以了。

正则	待匹配内容	匹配结果	说明
\n	\n	False	在正则表达式中\是有特殊意义的字符，所以要匹配\n本身，用表达式\n无法匹配
\\n	\n	True	转义\之后变成\\，即可匹配
"\\\\n"	'\\n'	True	如果在python中，字符串中的''也需要转义，所以每一个字符串''又需要转义一次
r'\\n'	r'\n'	True	在字符串之前加r，让整个字符串不转义

正则表达式中取消斜杠与字母的特殊含义 就是在斜杠前面加斜杠
	\\n			\n
	\\\\n		\\n
在python中有更加简便的写法
	r'\n'
 	r'\\n'

正则表达式之实战演练

编写校验用户手机号的正则
	0?(13|14|15|17|18|19)[0-9]{9}
编写校验用户身份证的正则
	\d{17}[\d|x]|\d{15}
编写校验用户邮箱的正则
	\w[-\w.+]*@([A-Za-z0-9][-A-Za-z0-9]+\.)+[A-Za-z]{2,14}
编写校验用户qq号的正则
	[1-9]([0-9]{5,11})

编写校验用户手机号的正则

# import re

# 11位电话号码
# content = '00112233445566778899'
# numbers = re.search(r'[1-9][0-9]{10}', content, re.S).group()
# print(numbers)


import re

s1 = "15838477645dfdfdf15887988765dfdf1157990087651fd157385367891fdf15826789876qqq15838545678a"

# 方法一：限制手机号开头，或者手机号前面为非数字，且手机号结尾或者以非数字结尾
pattern1 = '(?:^|[^\d])(1\d{10})(?:$|[^\d])'

phone_list1 = re.compile(pattern1).findall(s1)
print(phone_list1)
# 结果为：['15838477645', '15887988765', '15826789876', '15838545678']

# 方法二：利用负向零宽断言，断言手机号前后不能出现数字
pattern2 = '(?<!\d)(1\d{10})(?!\d)'
phone_list2 = re.compile(pattern2).findall(s1)
print(phone_list2)
# 结果为：['15838477645', '15887988765', '15826789876', '15838545678']

编写校验用户身份证的正则

tuple_ID = ('622323199811300296',
            '622323199801090258',
            '62232320181603028x',
            '6223232009061130256')
import re

for ID in tuple_ID:
    # print(ID,len(ID),type(ID))
    ret = re.match(
        r'^\d{6}((19\d{2})|((200\d)|(201[0,8])))((0[13578]((0[1-9])|([1-2]\d)|30|31))|(0[2]((0[1-9])|([1-2]\d)))|(0[2469]((0[1-9])|([1-2]\d)|30))|(11((0[1-9])|([1-2]\d)|30))|(12((0[1-9])|([1-2]\d)|30|31)))\d{3}([0-9]|x)$',
        ID)
    if ret:
        print(ret, end='**')
        print(ret.group(),'该身份证号有效')
    else:
        print(ret, end='**')
        print(ID, '该身份证号不合法')


# <re.Match object; span=(0, 18), match='622323199811300296'>**622323199811300296 该身份证号有效
# <re.Match object; span=(0, 18), match='622323199801090258'>**622323199801090258 该身份证号有效
# None**62232320181603028x 该身份证号不合法
# None**6223232009061130256 该身份证号不合法