【python第11周】正则表达式|大学老师的ppt
从邮件验证说起
邮件的格式：
- tenssun@163.com
- 其中tenssun是用户名,163.com是服务器名
- 用户名只能由英文字母a～z(不区分大小写)、数字0～9、下划线组成。
- 用户名的起始字符必须是英文字母.如：netease_2005
- 用户名长度为5～20个字符。
- 服务器名只能由英文字母a～z(不区分大小写)、数字0～9、下划线及点组成,@后点前面长度限制为1-10个字符,点后面的限制为com,cn,com.cn,net。
邮件验证：
- 先写用户名的正则表达式
- ^[a-zA-Z][0-9a-zA-Z_]{4,19}
- 再写主机名的正则表达式
- [0-9a-zA-Z_]{1,10}(\.)(com|cn|com.cn|net)$
- 再把前后拼起来则为:
- ^[a-zA-Z][0-9a-zA-Z_]{4,19}@[0-9a-zA-Z_]{1,10}(\.)(com|cn|com.cn|net)$
^ 和 $：
- 开篇,还是得说说 ^ 和 $ 他们是分别用来匹配字符串的开始和结束,下面法举例说明
- "^The": 开头一定要有"The"字符串;
- "of despair$": 结尾一定要有"of despair" 的字符串; 那么,
- "^abc$": 就是要求以abc开头和以abc结尾的字符串，实际上是只有abc匹配
- "notice": 匹配包含notice的字符串 你可以看见如果你没有用我们提到的两个字符（最后一个例子），就是说 模式（正则表达式） 可以出现在被检验字符串的任何地方，你没有把他锁定到两边 (开始或结束)
'*', '+',和 '?'
- 接着,说说 '*', '+',和 '?', 他们用来表示一个字符可以出现的次数或者顺序. 他们分别表示：
- * 表示出现0次或1次或多次 相当于{0,},
- + 表示出现1次或多次 相当于{1,},
- ? 表示出现0次或1次 相当于{0,1}, 这里是一些例子:
- "ab*": 和ab{0,}同义,匹配以a开头,后面可以接0个或者N个b组成的字符串("a", "ab", "abbb", 等);
- "ab+": 和ab{1,}同义,同上条一样，但最少要有一个b存在 ("ab", "abbb", 等.);
- "ab?":和ab{0,1}同义,可以没有或者只有一个b;
- "a?b+$": 匹配以一个或者0个a再加上一个以上的b结尾的字符串.
- 要点, '*', '+',和 '?'只管它前面那个字符.
{ }：
- 你也可以在大括号里面限制字符出现的个数，比如
- "ah{2}": 要求a后面一定要跟两个h（一个也不能少）("ahh");
- "ah{2,}": 要求a后面一定要有两个或者两个以上h(如"ahh", "ahhhh", 等.);
- "ah{3,5}": 要求a后面可以有3－5个h("ahhh", "ahhhh", or "ahhhhh").
() {}
- 现在我们把一定要的几个字符放到小括号里，比如：
- “a(bc)*”: 匹配 a 后面跟0个或者多个"bc";
- "a(bc){1,5}": 一个到5个 "bc."
'│'
- 还有一个字符 '│', 相当于OR(或者) 操作:
- "hi│hello": 匹配含有"hi" 或者 "hello" 的 字符串;
- "(b│cd)ef": 匹配含有 "bef" 或者 "cdef"的字符串;
- "(a│b)*c": 匹配含有这样多个（包括0个）a或b，后面跟一个c 的字符串;
'.'
- 一个点('.')可以代表所有的单一字符,不包括"\n"
- 如果,要匹配包括"\n"在内的所有单个字符,怎么办?
- 用'[\n.]'这种模式.
- "a.[0-9]": 一个a加一个字符再加一个0到9的数字
- ".{3}$": 三个任意字符结尾 .
[ ]
- 中括号括住的内容只匹配一个单一的字符
- "[ab]": 匹配单个的 a 或者 b ( 和 "a│b" 一样);
- "[a-d]": 匹配'a' 到'd'的单个字符 (和"a│b│c│d" 还有 "[abcd]"效果一样); 一般我们都用[a-zA-Z]来指定字符为一个大小写英文
- "^[a-zA-Z]": 匹配以大小写字母开头的字符串
- "[0-9]%": 匹配含有 形如 x％ 的字符串
- ",[a-zA-Z0-9]$": 匹配以逗号再加一个数字或字母结尾的字符串
^[]和[^ ]的区别
- 你也可以把你不想要得字符列在中括号里，你只需要在总括号里面使用'^' 作为开头 "%[^a-zA-Z]%" 匹配含有两个百分号里面有一个非字母的字符串.
- 要点:^用在中括号开头的时候,就表示排除括号里的字符
- 不要忘记在中括号里面的字符是这条规路的例外—在中括号里面, 所有的特殊字符，包括(''), 都将失去他们的特殊性质 "[*\+?{}.]"匹配含有这些字符的字符串.
{ } \b
- 看了上面的例子,你对{n,m}应该理解了吧.要注意的是,n和m都不能为负整数,而且n总是小于m. 这样,才能 最少匹配n次且最多匹配m次. 如"p{1,5}"将匹配 "pvpppppp"中的前五个p
- 下面说说以\开头的
- \b 书上说他是用来匹配一个单词边界,就是...比如've\b',可以匹配love里的ve而不匹配very里有ve
- \B 正好和上面的\b相反.例子我就不举了
应用
- 好,说了这么多下面我们再回过头来看我们的邮件正则怎么构造的:
- 用户名的正则表达式
- ^[a-zA-Z][0-9a-zA-Z_]{4,19}
- a-z表示a到z的所有小写字母
- A-Z表示A到Z的所有大写字母
- 但是[ ]只能取一个字符
- 所以[a-zA-Z]只能取其中一个符,也就是从所有的大小写英文字母中只能取一个字母
- ^放在[]外面表示开始
- 所以^[a-zA-Z]表示以一个英文字母开头
应用
[0-9a-zA-Z_]表示从所有的阿拉伯数字和英文及_中取一个字符,而{4,19}表示匹配最少4次,最多9次显然
[0-9a-zA-Z_]{4,19}表示前面的字符至少出现4次,最多出现19次.
那么现在请问下面这个表达式所表达的意思
^[a-zA-Z][0-9a-zA-Z_]{4,19}
(\.)表示一个点别和'.'混淆了'.'是表示除\n的任意一个字符()表示这是个子母式
(com|cn|com.cn|net)$
表示以com或cn或com.cn或net结尾的一串字符
正则表达式简介（一）
正则表达式是用于描述字符排列模式一种语法规则。它主要用于字符串的模式分割、匹配、查找及替换操作。到目前为止，我们前面所用过的精确（文本）匹配也是一种正则表达式。
在PHP中，正则表达式一般是由正规字符和一些特殊字符（类似于通配符）联合构成的一个文本模式的程序性描述。
在程序语言中，通常将模式表达式（即正则表达式）包含在两个反斜线“/”之间，如“/apple/”。用户只要把需要匹配的模式内容放入定界之间即可。
如果使用一个没有特殊字符的正则表达式，相当于纯文本搜索，使用strstr( )函数也可达到同样的效果。
正则表达式简介（二）
- 在PHP中有两套正则表达式函数库，两者功能相似，只是执行效率略有差异：
- 一套是由PCRE（Perl Compatible Regular Expression）库提供的。使用“preg_”为前缀命名的函数；
- 一套由POSIX（Portable Operation System interface）扩展提供的。使用以“ereg_”为前缀命名的函数；
- 使用正则表达式的原因之一，是在典型的搜索和替换操作中，只能对确切文字进行匹配，对象动态文本的搜索就有困难了，甚至是不可能的。
- /^-?\d+$|^-?0[xX][\da-fA-F]+$/
- /^[0-9a-zA-Z_-]+@[0-9a-zA-Z_-]+(\.[0-9a-zA-Z_-]+){0,3}]$/
- 正则表达式较重要和较有用的角色是验证用户数据的有效性检查。正则表达式有三个作用：
- 匹配，也常常用于从字符串中析取信息。
- 用新文本代替匹配文本。
- 将一个字符串拆分为一组更小的信息块。
正则表达式的语法规则：
正则表达式是主要由:
原子（普通字符，如英文字符）
元字符（有特殊功用的字符）
以及模式修正字符组成。
一个正则表达式中至少包含一个原子。
原子(Atom)
原子是组成正则表达式的基本单位,在分析正则表达式时，应作为一个整体。
原子字符是由所有末显式指定为元字符的打印和非打印字符组成。这包括所有的英文字母、数字、标点符号以及其他一些符号。原子也包括以下内容。
单个字符、数字，如a~z,A~Z,0~9.
模式单元，如（ABC）.可以理解为由多个原子组成的大的原子。
原子表，如[ABC].
重新使用的模式单元。
普通转义字符。
转义元字符。
正则表达式所使用的普通转义字符
原子 说明
--------------------------------------------------------------------------------------------------------
\d 匹配一个数字；等价于[0-9]
\D 匹配除数字以外任何一个字符；等价于[^0-9]
\w 匹配一个英文字母、数字或下划线；等价于[0-9a-zA-Z_]
\W 匹配除英文字母、数字和下划线以外任何一个字符；等价于[^0-9a-zA-Z_]
\s 匹配一个空白字符；等价于[\f\n\r\t\v]
\S 匹配除空白字符以外任何一个字符；等价于[^\f\n\r\t\v]
\f 匹配一个换页符等价于 \x0c 或 \cL
\n 匹配一个换行符；等价于 \x0a 或 \cJ
\r 匹配一个回车符等价于\x0d 或 \cM
\t 匹配一个制表符；等价于 \x09\或\cl
\v 匹配一个垂直制表符；等价于\x0b或\ck
\oNN 匹配一个八进制数字
\xNN 匹配一个十六进制数字
\cC 匹配一个控制字符
元字符(Meta-character)
元字符是用于构造规则表达式的具有特殊含义的字符。如果要在正则表达式中包含元字符本身，必须在其前加上”\”进行转义
说明 元字符
* 0次、1次或多次匹配其前的原子
+ 1次或多次匹配其前的原子
? 0次或1次匹配其前的原子
. 匹配任何一个字符
| 匹配两个或多个选择
^或\A 匹配字符串串首的原子
$或\Z 匹配字符串串尾的原子
\b 匹配单词的边界
\B 匹配除单词边界以外的部分
[] 匹配方括号中的任一原子
[^] 匹配除方括号中的原子外的任何字符
() 整体表示一个原子
{m} 表示其前原子恰好出现m次
{m,n} 表示其前原子至少出现m次，至多出现n次(n>m)
{m,} 表示其前原子出现不少于m次
原子表
- 原子表”[]”中存放一组原子，彼此地位平等，且仅匹配其中的一个原子。如果想匹配一个 ”a” 或 ”e” 使用 / [ae]/, 例如: /Pr[ae]y/ 匹配 ”Pray” 或者 ”Prey ”。
- 原子表 ”^” 或者称为排除原子表，匹配除表内原子外的任意一个字符。例如：/p[^u]/匹配“part”中的“pa”，但无法匹配“computer”中的“pu”因为“u”在匹配中被排除。
- 通常，在原子表中用“-”连接一组按ASCII码顺序排列的原子，用以简化书写。 如/x[0123456789]可以写成/x[0-9]/,用来匹配一个由 “x” 字母与一个数字组成的字符串；
- /0[xX][0-9a-fA-F]/匹配一个简单的十六进制数字，如“0x9”。/[^0-9a-zA-Z_]/匹配除英文字母、数字和下划线以外任何一个字符，其等价于/\W/。
重复匹配
- 正则表达式中有一些用于重复匹配其前原子的元字符：“?”、“*”、“+”。他们主要的不同是重复匹配的次数不同。
- 元字符“？”表示0次或1次匹配紧接在其前的原子。例如：/colou?r/匹配“colour”或“color”。
- 元字符“*”表示0次、1次或多次匹配紧接在其前的原子。例如：/^<[A-Za-z][A-Za-z0-9]*>$/可以匹配“<P>”、“<h1>”或“<Body>”等HTML标签，并且不严格的控制大小写。
- 元字符“+”表示1次或多次匹配紧接在其前的原子。例如：/go+gle/ 匹配“gogle”、“google”或“gooogle”等中间含有多个o的字符串。上文中提及的十六进制数字的例子，实际上更加完善的匹配表达式是/^0?[ xX][0-9a-fA-F]+$/,可以匹配“0x9B3C”或者“X800”等。
- 要准确地指定原子重复的次数，还可以使用元字符“{}”指定所匹配的原子出现的次数。“{m}”表示其前原子恰好出现m次；“{m，n}”表示其前原子至少出现m次，至多出现n次；“{m，}”表示其前原子出现不少于m次。
- 以下是一些示例。
- /zo{1,3}m/只能匹配字符串“zom”、“zoom”、或“zooom”。
- /zo{3}m/只能匹配字符串“zooom”
- /zo{3，}m/ 可以匹配以 “z” 开头，“m”结束，中间至少为3个“o”的字符串。
- /bo{0,1}u/可以匹配字符串“bought a butter” 中的“bou”和“bu”,起完全等价于/bo?u/。
边界限制
- 在某些情况下，需要对匹配范围进行限定，以获得更准确的匹配结果。
- 元字符“^”（或“\A”）置于字符串的开始确保模式匹配出现在字符串首端；
- “$”（或“\Z”）置于字符串的结束，确保模式匹配出现字符串尾端。
- 例如，在字符串“Tom and Jerry chased each other in the house until tom’s uncel come in”中使用/^Tom或Atom匹配句首的“Tom”； 而/in$或/in\Z匹配句末“come in”中的“in”。如果不加边界限制元字符，将获得更多的匹配结果。
- 在使用各种编辑软件的查找功能时，可以通过选择“按单词查找”获得更准确的结果。正则表达式中也提供类似的功能。
- 元字符“\b”对单词的边界进行匹配；
- “\B”对单词的内部进行匹配。
- 例如：在字符串“This island is a beautiful land”中使用/\bis\b/可以匹配单词“is”而与“This”或者“island”无关。/\bis/与单词边界匹配，可以匹配单词“is”和“island”中的“is”；/\Bis/不与单词左边界匹配，可以匹配单词“is”和“This”中的“is”./\Bis\B将明确的指示不与单词的左、右边界匹配，只匹配单词的内部。所以在这个例子中没有结果。
元字符 “.”
- 元字符“.”匹配除换行符外任何一个字符，相当于[^\n](Unix系统)或[^\r\n](windows系统)。
- 例如：/pr.y/可以匹配的字符串“prey”、“pray”或“pr%y”等。
- 通常可以使用“.*”组合来匹配除换行符外的任何字符。在一些书籍中也称其为“全匹配符” 或 “单含匹配符”。
- 例如/a.*z/表示可以匹配字母“a”开头，字母“z”结束的任意不包括换行符的字符串。“.+”也可以完成类似的匹配功能所不同的是其至少匹配一个字符。例如/a.+z/将不匹配字符串“az”。
模式选择符
- 元字符“|”又称模式选择符。在正则表达式中匹配两个或更多的选择之一。
- 例如：在字符串“There are many apples and pears.”中，/apple|pear/在第一次运行时匹配“apple”；再次运行时匹配“ pear”。也可以继续增加选项，如/apple|pear|banana|lemon/。
模式单元
元字符“（）”将其中的正则表达式变为原子（或称模式单元）使用。与数学表达式中的括号类似，“（）”可以做一个单元被单独使用。
例如：/(Dog)+/匹配的“Dog”、“DogDog”、“DogDogDog”……..,因为紧接着“+”前的原子是元字符“（）”括起来的字符串“Dog”。
一个模式单元中的表达式将被优先匹配或运算。系统自动将这些模式单元的匹配依次存储起来，在需要时可以用“\1”、“\2”、“\3”的形式进行引用。当正则表达式包含有相同的模式单元时，这种方法非常便于对其进行管理。
例如：/^\d{2}([\W])\d{2}\\1\d{4}$匹配“12-31-2006”、“09/27/1996”、“86 01 4321”等字符串。但上述正则表达式不匹配“12/34-5678”的格式。这是因为模式“[\W]”的结果“/”已经被存储。下个位置“\1”引用时，其匹配模式也是字符“/”。
模式修正符（Pattern Modifiers）
模式修正符扩展了正则表达式在字符匹配、替换操作时的某些功能。这些扩展或者说修正增强了正则表达式的处理能力。模式修正符一般标记于整个模式之外，并且可以组合使用，如“/apple/i”、“/cat|dog/uis”等。表列出了一些常用的模式修正符极其功能说明。
模式修正符 说明
i 可同时匹配大小写字母
M 将字符串视为多行
S 将字符串视为单行，换行符做为普通字符看待 x 模式中的空白忽略不计
S 当一个模式将被使用若干次时，
为加速匹配起见值得先对其进行分析
U 匹配到最近的字符串
e 将替换的字符串作为表达使用
浙公网安备 33010602011771号