正则表达式
应用场景
- 特定规律字符串的查找，切割，替换
- 邮箱格式：URl，IP地址等的校验
- 爬虫项目中，特定内容的提取
使用原则
- 只要使用字符串等函数能解决的问题，就不要使用正则
- 正则的效率比较低，同时会降低代码的可读性
- 世界上最难理解的三样东西，医生的处方，道士的神符，码农的正则
- 提醒： 正则是用来写的，不是用来读的，在不指定功能的情况下，不要试图阅读别人的正则
基本使用
- 说明： 正则不是我们写的，python中正则的解析通过 re模块完成
- 相关函数;
- match: 从开头进行匹配，匹配到就返回正则结果对象，没有返回None
- sertch：从任意位置匹配，功能同上
import re
# m = re.match("abc","adask;jabcsdaj1")
m1 = re.match("abc","abcsk;jadasdaj1")
# print(m) # 没有找到返回None
# print(m1)# 找到正则匹配结果对象，
if m1:
print(m1.group()) # 返回匹配的内容
print(m1.span()) #返回匹配的内容位置
"""
# match 从开头查找
# """
#
s = re.search("abc","adask;jabcsdaj1d")
# print(s)
- findall : 有就返回所有匹配对象，组成列表，没有返回空列表
# 匹配所有内容,找到返回所有匹配的内容列表，
# 没有找到返回空列表
f = re.findall("abcd","adask;jabcsdabcaj1")
# print(f)
- compile ： 生成正则表达式对象
# 先生成正则表达式对象
c = re.compile("hello")
# print(type(c))
# 从开头匹配
i = c.match("sad;asdawafhelloasdaw;asdw")
print(i)
# 从任意位置匹配
se = c.search("sasdwdhelloasd;asdas")
print(se)
# 匹配所有内容
fi = c.findall("helloadad;asdahello;asdfkajehelloasda")
print(fi)
- 说明 ，此方式更加灵活，将正则匹配分为两步完成（先生成正则对象，然后需要时进行验证）
正则规则
- 单个字符
- "普通字符：简单来说就是一对一的完全匹配"
[]:中间的任意一个字符
[a-z]: a~z之间的任意字符（所有的小写字母）
[A-Za-z]：匹配所有的字母，多个连续的片段中间不能有任何多余的字符
[^0-9]： 匹配 除了0-9 以外的所有字符
. （点）: 匹配除 \n 以外的任意字符
自行测试：
\d ：数字字符 ,相当于[0-9]
\D ：非数字字符 ，相当于[^0-9]
\w ：匹配字（数字，字母，下划线，汉字）
\W ：匹配非字，（\w相反的内容）
\s ：所有的空白字符
\S ：所有的非空白字符
\b ：词边界 （开头。结尾，空格，标点等）
\B ：非词边界（\b相反的内容）
- 次数限定：
- # 指定字符任意次
# f = re.findall("ab*c","sabfabibabuabcbbavadba")
# 指定字符至少一次
print(re.findall("ab+c","sdhasjhfsljabcasofjia"))
# 指定字符最多出现一次,有或者没有都可以
print(re.findall("ab?c","sdhasjhfsljacasofjia"))
# #指定字符出现指定次数
print(re.findall("ab{3}c","sdhasjhabbbcfsljacasofjia"))
# 指定字符 出现次数的范围
print(re.findall("ab{1,3}c","sdhabbbcsjhabcfslfjia"))
# 指定字符，至多出现多少次
# print(re.findall("ab{0,5}c","sacaabcabcabcabia"))
# 指定字符，至少出现多少次
print(re.findall("ab{3,}c","sdhabbchfsljaca"))
*：前面的字符出现任意次
+：至少一次
?：最多一次
{m,n}：m <= 次数 <= n
{m,}：至少m次
{,n}：至多n次
{m}：指定m次
- 边界限定
- ^ : 以指定内容从开头进行匹配
- $ : 以指定内容从结尾进行匹配-p
import re
# ^ : 以指定内容从开头进行匹配
print( re.findall("^hello","adahelloaawhellowadhello"))
# $ : 以指定内容从结尾进行匹配
print( re.findall("hello$","adahelloaawhellowadhellxo"))
- 优先级控制
- | 表示或，它拥有最低的优先级
- () 表示一个整体，可以明确的指定结合性/优先级
import re
print(re.findall("a(hello|world)c","hiahellociaworldc")
- 分组匹配
c = re.compile(r"(\d+)([a-z]+)(\d+)")
s = c.search("sadasdaf454as6aa46sd4w")
"""
完整匹配结果
print(s.group())
↑↓等价
print(s.group(0))
"""
# 第几个（）匹配的结果
print(s.group(1), s.span(1))
print(s.group(2), s.span(2))
print(s.group(3), s.span(3))
- 示例2:
import re
# 固定匹配
# c = re.compile(r'<a>\w+</a>')
# \1表示前面第一个()匹配的内容
# c = re.compile(r'<([a-z]+)><([a-z]+)>\w+</\2></\1>')
# 给分组()起名字
c = re.compile(r'<(?P<goudan>[a-z]+)><(?P<dahua>[a-z]+)>\w+</(?P=dahua)></(?P=goudan)>')
s = c.search('<div><a>百度一下</a></div>')
if s:
print(s.group())
- 贪婪匹配
- 贪婪 ： 最大限度的匹配，正则的匹配默认就是贪婪。
- 非贪婪： 只要满足条件， 能少匹配就少匹配。? 经常用于取消贪婪
import re
# ? ：取消任意多次的贪婪匹配
# c = re.compile(r"a.*?b")
# s = c.search("wwa0a0dwaadavab")
# ？：取消至少一次的贪婪匹配
c = re.compile(r"a.+?b")
s = c.search("wwa0abwaadavab")
if s:
print(s.group())
- 匹配模式
- 说明： 匹配模式就是匹配的原则进行模式的修正
import re
"""
flags： 标志位，用于控制正则表达式的匹配方式，值如下：
re.I 忽略大小写（常用）
re.L 做本地户识别
re.M 多行匹配，影响^和$（常用）
re.S 是. 匹配包括换行符 \n 在内的所有字符（常用）
re.U 根据Unicode字符集解析字符，影响 r"\w \W \b \B"（常用）
re.X 使我们以更灵活的格式理解正则表达式 （常用）
"""
# 忽略大小写re.I
s = re.search(r'hello', 'HELLO world', re.I)
# 正则默认是单行匹配，使用 re.M 可以进行多行匹配
s = re.search(r'^hello', 'sdhasdh\nhello world', re.M)
# 使.匹配任意字符，作为单行处理，忽略\n
# string = '<div>hello</div>'
string = '''<div>
hello
</div>'''
s = re.search(r'<div>.*?</div>', string, re.S)
if s:
print(s.group())
- findall
import re
# 没有()，结果集中保存完整匹配的内容
# f = re.findall('abc', 'abcdasabcakdjklasjabc')
# 与上面的情况等价
# f = re.findall('(abc)', 'abcdasabcakdjklasjabc')
# 按照正则进行完整匹配，但是结果集只显示分组内容
# f = re.findall('qq(abc)ww', 'ahdakqqabcwwhsad')
# 按照正则进行完整匹配，但是结果集中的元素时分组信息组成的元组
# f = re.findall('qq(abc)(ww)', 'ahdakqqabcwwhsaqqabcwwd')
# 满足上面所有的规律
# f = re.findall('(qq(abc)(ww))', 'ahdakqqabcwwhsaqqabcwwd')
# 匹配：'a(hello)c' 或 'a(world)c'
# f = re.findall('a(hello|world)c', 'sadahellocshdjaworldcsd')
f = re.findall('(a(hello|world)c)', 'sadahellocshdjaworldcsd')
print(f)
- split
import re
c = re.compile(r'\d')
s = '正则其实不难1但是学完之后2发现写不出来3是这样吧'
# 按照正则规律进行切割，可以指定切割次数
ret = c.split(s, 1)
print(ret)
- sub
import re
'''
c = re.compile(r'\d')
# 使用特点内容替换正则匹配到的内容，可以指定替换次数
ret = c.sub(' ', 'how1are2you', 2)
print(ret)
'''
def double(s):
# print(s)
return str(int(s.group()) * 2)
# 可以人为的干预正则替换的过程
# 因此需要传递一个处理的(匿名)函数
ret = re.sub(r'\d', double, 'how1are2you')
print(ret)
- 转义问题
import re
# 匹配所有正则语法中涉及的字符都需要转义
'''
# python: \\\\d \\\d r'\\d'
# re： \\d \\d \\d
# 匹配： \d \d \d
# c = re.compile('\\\\d')
# c = re.compile('\\\d')
# 推荐使用，否则你需要多写好多\
c = re.compile(r'\\d')
s = c.search('\d')
if s:
print(s.group())
'''
'''
c = re.compile(r'\\b')
# 在匹配的字符串中有特殊意义的字符也需要进行转义
# 若不想转义最好前面添加字符'r'
s = c.search(r'\b')
if s:
print(s.group())
'''
# 了解
# c = re.compile(r'\bhello')
# 单独匹配边界，findall保存的结果全都是空白
c = re.compile(r'\b')
f = c.findall('hello,sdjaks')
print(f)
1. 使用正则时，python字符串有特殊意义的字符最好转义
2. 要匹配在正则语法中有特殊函数的字符，都需要进行转义
3. 字符串前添加'r'，可以使其变为原始字符，不要考虑转义问题
