正则表达式(Python)
正则表达式,又称规则表达式。(英语:Regular Expression,在代码中常简写为regex、regexp或RE),计算机科学的一个概念。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。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。
先写一下我的总结:
预定义:
\A: 表示从字符串的开始处匹配
\Z: 表示从字符串的结束处匹配,如果存在换行,只匹配到换行前的结束字符串
\b: 匹配一个单词边界,也就是指单词和空格间的位置。例如,‘py\b’可以匹配’python’中的’py’,但不能匹配’openpyx1’中的’py’。
\B: 匹配非单词边界。‘py\b’可以匹配’openpyx1’中的’py’,但不能匹配’python’中的’py’
\d: 匹配任意数字,等价于 [0-9]。 digit
\D: 匹配任意非数字字符,等价于[^\d]。 not digit
\s: 匹配任意空白字符,等价于[\t\n\r\f]。 space
\S: 匹配任意非空白字符,等价于[^\s]。
\w: 匹配任意字母数字下划线,等价于 [a-zA-Z0-9]。
\W: 匹配任意非数字字母下划线,等价于 [^\w]
\: 匹配原义的反斜杠\。
特殊符号:
[] 表示范围
| 表示或者
() 表示一组
. 用于匹配除了换行符(\n)之外的所有字符
^ 用于匹配字符串的开始,即行首
$ 用于匹配字符串的末尾(末尾如果有换行符\n,就匹配\n前面的那个字符),即行尾
定义正则验证次数:
*(星号) 用于将前面的模式匹配0次或多次(贪婪模式,即尽可能多的匹配) >=0
+(加号) 用于将前面的模式匹配1次或多次(贪婪模式) >=1
? 用于将前面的模式匹配0次或1次 (贪婪模式) 0,1
{m} 用于验证前面的模式匹配m次
{m,} 用于验证前面的模式匹配m次或者多次
{m,n} 用于验证前面的模式匹配大于等于m次并且小于等于n次
只要跟数量相关,在python里都是贪婪的。 在"*","?","+","{m,n}"后面加上? 就可以使贪婪模式变成非贪婪。
然后来一些比较经典的demo,记得先导入re模块。
用到的函数会有re.match() ,re.search()
import re ''' 验证手机号码 ''' phone = input("input the phone number:") result = re.match('^1[3456789]\d{9}$', phone) # ^1(3|4|5|6|7|8|9)\d{9}$,表达式写法不唯一 if result == None: print("手机号不合法!") else: print("恭喜,验证通过。")
稍微带一点条件的,比如不能是以4、7结尾的手机号:
phone = '18476529115' print("不是以4、7结尾的手机号:",phone) # result = re.match(r'^1\d{9}[0-35-689]$', phone) result = re.match(r'^1\d{9}(1|2|3|5|6|8|9)$', phone) print("校验结果:",result)
再来校验一下指定的(qq,163,126)邮箱格式:
print("============================ 邮箱注册 ==============================") email = input("input the email:") # result = re.match('^\w+@\w+\.com$', email) result = re.match(r'^\w{5,18}@(163|qq|126)\.(com)$', email) # qq 163 126 邮箱 if result == None: print("邮箱格式不合法!") else: print("恭喜,验证通过。")
关于分组:
phone = '010-123456789' # 在正则表达式中,一个小括号表示一组 result = re.match(r'(^\d{3}|\d{4})-(\d){9}$', phone) # 分组提取 (# 小括号有几个就有几个group) print(result.group(1)) print(result.group(2))
分组引用:
msg2 = '<h1>hello</h1>' # 数字(索引)方式 result = re.match(r'<([0-9a-zA-Z]+)>(.+)</\1>$', msg2) # </\1>:\1表示引用第一组(小括号)匹配到的内容 print(result) # print(result.group(1))
分组命名(?P<名字>正则表达式)、引用:
# 分组命名 (?P<名字>正则) msg3 = '<html><h1>hhh</h1></html>' result = re.match(r'<(?P<name1>\w+)><(?P<name2>\w+)>(.+)</(?P=name2)></(?P=name1)>', msg3) # ?P<name1> 表示给当前(括号内)组: \w+ 命名为name1 # </(?P=name1)> 表示引用 名为name1的组的匹配结果 print(result) #运行结果: <_sre.SRE_Match object; span=(0, 25), match='<html><h1>hhh</h1></html>'>
re模块的其它函数使用:
''' sub(正则表达式,替换的内容(可以是函数),字符串): 替换 split(正则表达式,字符串) 分割,然后将分割的内容保存到列表中 ''' newstr = re.sub(r'\d+', '100', 'java:98 python 99') print(newstr) # java:100 python 100 # 计算功能函数 +10 def add(temp): num = temp.group() num1 = int(num) + 10 return str(num1) ''' 参数为函数add() ''' newstr = re.sub(r'\d+', add, '本次考试得分:90') print(newstr) # 本次考试得分:100 # 分割 result = re.split(r'[,:]', 'java:99,python:98') print(result) # ['java', '99', 'python', '98']
贪婪、非贪婪:
只要跟数量相关,在python里都是默认贪婪的。
在"*","?","+","{m,n}"后面加上? 就可以使贪婪模式变成非贪婪。
测试一下:
contents = 'abc123' result = re.match(r'abc(\d+)', contents) print(result) # <_sre.SRE_Match object; span=(0, 6), match='abc123'> result = re.match(r'abc(\d+?)', contents) print(result) # <_sre.SRE_Match object; span=(0, 4), match='abc1'>
马蜂窝怎么增加粉丝 http://blog.sina.com.cn/s/blog_184e9f38b0102yyi5.html
马蜂窝旅游网增加人气 http://blog.sina.com.cn/s/blog_184e9f38b0102yyig.html
马蜂窝游记怎么刷浏览量 https://www.douban.com/group/topic/162496598/