Python基础15（正则表达式）

正则表达式

　　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。

　　在线测试工具： http://tool.chinaz.com/regex/

　　处理同一位置上，可以出现的字符范围

　　字符组概念及表示方法 : [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 　　　　

　　　　字符分为很多类，比如数字、字母、标点等等。 　　　　

　　　　假如你现在要求一个位置"只能出现一个数字",那么这个位置上的字符只能是0、1、2...9这10个数之一。

　　　　

正则	待匹配字符	匹配结果	说明
[0123456789]	3	Ture	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
[0123456789a]	a	Ture	经修改后字符组中已经含有a字符故可以匹配
[0-9]	7	Ture	也可以用-表示范围,[0-9]就和[0123456789]是一个意思
[a-z]	c	Ture	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
[A-Z]	C	Ture	[A-Z]就表示所有的大写字母
[0-9a-fA-F]	e	Ture	可以匹配数字，大小写形式的a～f，用来验证十六进制字符
[A-z]	c	Ture	注意此方法虽可以验证但存在缺陷此区间内还存在反斜杠和下划线等几个特殊字符，故此测试不准确

 

　关于（-）表示范围的本质为：对照的ascii码表　　　　ascii码表连接

 　　字符

元字符	匹配内容
.	匹配除换行符以外任意字符
\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	匹配换行符
\t	匹配制表符
\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（|）
[……]	匹配字符组中的字符
(……)	匹配括号内的表达式，也表示一个组
[^……]	匹配除了字符组中字符的所有字符

　　量词

量词	用法
*	重复零次或者更多次
+	重复一次或者更多次
？	重复零次或者一次
{n}	重复n次
{n,}	重复n次或者更多次
{m,n}	重复m到n次

 

　　.^$混用

正则	带匹配字符	匹配结果	说明
阿.	阿三阿四阿五	阿三阿四阿五	匹配所有‘阿.’的字符
^阿.	阿三阿四阿五	阿三	只从开头匹配‘阿.’
阿.$	阿三阿四阿五	阿五	只匹配结尾的‘阿.$

*+？{}混用

正则	待匹配字符	匹配结果	说明
马.？	马云和马化腾和马二胖子	马云 马化 马二	?表示重复零次或一次，即只匹配"马"后面一个任意字
马.+	马云和马化腾和马二胖子	马云和马化腾和马二胖子	*表示重复零次或多次，即匹配"马"后面0或多个任意字符
马.*	马云和马化腾和马二胖子	马云和马化腾和马二胖子	+表示重复一次或多次，即只匹配"马"后面1个或多个任意字符
马.{1,2}	马云和马化腾和马二胖子	马云和 马化腾 马二胖	{1,2}匹配1到2次任意字符

 

　　ps：前面的*,+,?等都是贪婪匹配，也就是尽可能匹配，后面加?号使其变成惰性匹配

 

正则	待匹配字符	匹配结果	说明
马.*?	马云和马化腾和马二胖子	马 马 马	惰性匹配

 

　　字符集［］［^］

正则	待匹配字符	匹配结果	说明
马[云化腾二胖子]*	马云和马化腾和马二胖子	马云 马化腾 马二胖子	表示匹配‘马’后面[云化腾二胖子] 的字符任意次
马[^和]*	马云和马化腾和马二胖子	马云 马化腾 马二胖子	表示匹配一个不是"和"的字符任意次
[\d]	123abc45	1 2 3 4 5	表示匹配任意一个数字，匹配到5个结果
[\d]+	123abc45	123 45	表示匹配任意个数字，匹配到2个结果

 

　分组 ()与 或 ｜［^］

　　身份证号码是一个长度为15或18个字符的字符串，如果是15位则全部有数字组成，首位不能为0；如果是18位，则前17位全部是数字，末位可能是数字或x，下面我们尝试用正则来表示：

正则	带匹配字符	匹配结果	说明
^[1-9]\d{13,16}[0-9x]$	110101198001017032	110101198001017032	表示可以匹配一个正确的身份证号PS但是{\d{13,16}}此处无法控制长短可能是14或15位导致身份证长度判断失真
^[1-9]\d{13,16}[0-9x]$	1101011980010170	1101011980010170	表示也可以匹配这串数字，但这并不是一个正确的身份证号码，它是一个16位的数字
^[1-9]\d{14}(\d{2}[0-9x])?$	1101011980010170	False	现在不会匹配错误的身份证号了 ()表示分组，将\d{2}[0-9x]分成一组，就可以整体约束他们出现的次数为0-1次
^([1-9]\d{16}[0-9x]|[1-9]\d{14})$	110105199812067023	110105199812067023	表示先匹配[1-9]\d{16}[0-9x]如果没有匹配上就匹配[1-9]\d{14}
^([1-9]\d{14}$|^[1-9][\d]{16}[0-9x])$	110105199812067023	110105199812067023	表示先匹配^([1-9]\d{14}$如果14位的不符合再匹配^[1-9][\d]{16}[0-9x])$

 

转义符\

　　在正则表达式中，有很多有特殊意义的是元字符，比如\d和\s等，如果要在正则中匹配正常的"\d"而不是"数字"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"\d",字符串中要写成'\\d'，那么正则里就要写成"\\\\d",这样就太麻烦了。这个时候我们就用到了r'\d'这个概念，此时的正则是r'\\d'就可以了。

正则	待匹配字符	匹配 结果	说明
\d	\d	False	因为在正则表达式中\是有特殊意义的字符，所以要匹配\d本身，用表达式\d无法匹配
\\d	\d	True	转义\之后变成\\，即可匹配
"\\\\d"	'\\d'	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'\\d'	r'\d'	True	在字符串之前加r，让整个字符串不转义

 

贪婪匹配

　　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

正则	待匹配字符	匹配 结果	说明
<.*>	<script>...<script>	<script>...<script>	默认为贪婪匹配模式，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