(15)python讲义笔记----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。
10000 ~ 12数字组合
09876536

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（称为“元字符”））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。正则表达式是一种文本模式，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，又称正规表示式、正规表示法、正规表达式、规则表达式、常规表示法（英语：Regular Expression，在代码中常简写为regex、regexp或RE），是计算机科学的一个概念。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。在很多文本编辑器里，正则表达式通常被用来检索、替换那些匹配某个模式的文本。
Regular Expression的“Regular”一般被译为“正则”、“正规”、“常规”。此处的“Regular”即是“规则”、“规律”的意思，Regular Expression即“描述某种规则的表达式”之意。
正则在所有语言中都有的内容。

场景：
如何判断一个字符串是手机号呢？

判断邮箱为163或者126的所有邮件地址

假如你在写一个爬虫，你得到了一个网页的HTML源码。其中有一段

<html><body><h1>hello world<h1></body></html>

你想要把这个hello world提取出来，但你这时如果只会python 的字符串处理，那么第一反应可能是

s = "<html><body><h1>hello world</h1></body></html>"
start_index = s.find('<h1>')

表达	功能
\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 “openpyxl” 中的 ‘py’。
\B：	匹配非单词边界。 ‘py\b’ 可以匹配"openpyxl" 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：	匹配任意字母数字及下划线，等价于[a-zA-Z0-9_]。
\W：	匹配任意非字母数字及下划线，等价于[^\w]
\：	匹配原义的反斜杠\。
‘.’	用于匹配除换行符（\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。

表达	功能
‘*’	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
‘+’	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}’	用于验证将前面的模式匹配m次
‘{m,}’	用于验证将前面的模式匹配m次或者多次 >=m
‘{m,n}’	用于验证将前面的模式匹配大于等于m次并且小于等于n次
‘*？，+？，？？’	即上面三种特殊字符的非贪婪模式（尽可能少的匹配）。
‘{m,n}’	用于将前面的模式匹配m次到n次（贪婪模式），即最小匹配m次，最大匹配n次。
‘{m,n}？	’即上面‘{m,n}’的非贪婪版本。

表达	功能
‘\’：	''是转义字符，在特殊字符前面加上\，特殊字符就失去了其所代表的含义，比如+就仅仅代表加号+本身。
‘[]’	用于标示一组字符，如果^是第一个字符，则标示的是一个补集。比如[0-9]表示所有的数字，[^0-9]表示除了数字外的字符。
‘\|’	比如A\|B,用于匹配A或B。
‘(…)’	用于匹配括号中的模式，可以在字符串中检索或匹配我们所需要的内容。

posted @ 2020-09-13 10:40 kuanleung 阅读(29) 评论(0) 收藏举报来源

刷新页面返回顶部

kuanleung