正则表达式

1、正则表达式基本概念

1、学习正则表达式
2、学习使用re模块来操作正则表达式
3、正则规则处理字符串有特殊的优势
可以参考《正则指引》这本书
正则表达式其实跟python没什么关系，只是字符串的处理

字符组 ： [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。

写范围：不要垮范围进行编辑，因安装ASCII的顺序中，范围之间是有其它字符的
^ 和$配对使用
| ：从左边匹配开始，
正则分组：（）用小括号表示

匹配多个字符：\d\d\d\d\d\d这样可以匹配6个数字
\d* ：匹配0次或多次，贪婪的匹配
\d+ ：匹配一次或者多次
所有量词都要放在正则规则的后面：且量词只约束紧跟着它的规则

 

1、1常规匹配范围举例







正则


待匹配字符




匹配
结果




说明








[0123456789]




8




True




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






 

[0-9]


 

7


 

True


 

也可以用-表示范围,[0-9]就和[0123456789]是一个意思






 

[a-z]


 

s


 

True


 

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]


 

B


 

True


 

[A-Z]就表示所有的大写字母






 

[0-9a-fA-F]


 

e


 

True


 

可以匹配数字，大小写形式的a～f，用来验证十六进制字符








1.2 字符








元字符




匹配内容






.
匹配除换行符以外的任意字符




\w
匹配字母或数字或下划线(word)




\s
匹配任意的空白符(space)




\d
匹配数字(digit)




\n
匹配一个换行符




\t
匹配一个制表符




\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






()


匹配括号内的表达式，也表示一个组






[...]


匹配字符组中的字符






[^...]


匹配除了字符组中字符的所有字符








 1.3量词








量词




用法说明






*
重复零次或更多次




+
重复一次或更多次




?
重复零次或一次




{n}
重复n次




{n,}
重复n次或更多次




{n,m}
重复n到m次








 


 1.4  . ^ $的使用






 正则表达式
 待匹配字符
 匹配结果　　
 说明




 张.
 张三张四张五
 

张三
张四
张五











 匹配所有“张.”的字符













 ^张.
 张三张四张五
 张三
 只从开头匹配“张.”的字符













张.$
张三张四张五飞
匹配不上
只匹配以“张.”结尾的字符













 张.$
 张三张四张五
 张五
 只匹配以“张.”结尾的字符

































 1.5  * + ? { }






正则　　
待匹配字符
匹配结果
说明












张.?
张三张四的张五飞名字


张三
张四
张五












?表示重复零次或一次，即只匹配"张"后面一个任意字符






张.*
张三张四的张五飞名字


张三张四的张五飞名字




*表示重复零次或多次，即匹配"张"后面0或多个任意字符






张.+
张三张四的张五飞名字
张三张四的张五飞名字


+表示重复一次或多次，即只匹配"张"后面1个或多个任意字符






张.{1,2}
张三张四的张五飞名字


张三张
张五飞












{1,2}匹配1到2次任意字符








注意：前面的*，+，？都是贪婪匹配，它们是尽可能进行匹配，后面加上？号使得它们变成惰性匹配






正则　　
待匹配字符
匹配结果
说明




张.??
张三张四的张五飞名字


张
张
张










惰性匹配：其实就是按满足条件的最小情况来匹配












张.*?
张三张四的张五飞名字


张
张
张










 












张.+?
张三张四的张五飞名字


张三
张四
张五










 












张.{1,2}?
张三张四的张五飞名字


张三
张四
张五










 






























1.6 字符集［］［^］






正则
待匹配字符
匹配结果
说明











张[三四的五飞名字]*
张三和张四的和张五飞名字


张三
张四的
张五飞名字











表示匹配"张"字后面[三四的五飞名字]的字符任意次






张[^和]*
张三和张四的和张五飞名字


张三
张四的
张五飞名字











表示匹配一个不是"和"的字符任意次






[\d]
5566AAC12D4e


5
5
6
6
1
2
4











表示匹配任意一个数字






[\d]+
5566AAC12D4e


5566
12
4











表示匹配任意个数字，匹配到3个结果








1.7 分组 ()与 或 ｜［^］


我们这里以身份证的号码为例进行说明。身份证的组成：要么是15位，要么是18位；如果是15位，那么全部是数字，


且开始位不为0；如果是18位，那么开始位不为0，第18位要么是数字或x，其它位为数字。






正则
待匹配字符
匹配结果
说明




^[1-9]\d{13,16}[0-9x]$
123456789012345678
123456789012345678
可以匹配到正常的身份证号码




^[1-9]\d{13,16}[0-9x]$
12345678901234567
12345678901234567
17位也可以匹配到，这不符合身份证要么15位要么18位的要求




^[1-9]\d{14}(\d{2}[0-9x])?$
1234567890123456
没有匹配到


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})$
12345678901234567x
12345678901234567x
如果是或的匹配规则，那么要先把匹配长字符串的正则放在前面，匹配短字符放在后面，这样避免短的字符正则匹配18位字符时候，是以前15位来判定，这样就会造成后面的数据可能是错误的而判定为错误号码。






 1.8  转义符 \


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"\n",字符串中要写成'\\n'，那么正则里就要写成"\\\\n",这样就太麻烦了。这个时候我们就用到了r'\n'这个概念，此时的正则是r'\\n'就可以了。






正则
待匹配字符
匹配结果
说明




\n
\n
False
正则表达式中\是有特殊意义的字符，如果要匹配\n，用\n无法匹配




\\n
\n
True
转义\之后变成\\，即可匹配




“\\\\n”
"\\n"
True
字符串中的\也需要转义，所以每一个字符串\又要需要转义一次




r'\\n'
r'\n'
True
在字符串之前加r，让整个字符串不转义






 1.9 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？，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。






下面是几个常用的非贪婪匹配模式






正则　　
说明




*？
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
这三个合在一起就是取尽量少的任意字符，但一般情况下不这么用，更多的是用在: .*?x  这一情况
就是取前面任意长度的字符，直到一个x出现。

2、re模块




1 ret = re.findall('p','peng p123')
2 print(ret)








1 ['p', 'p']
2 
3 返回所有满足匹配条件的结果，并把结果放在列表里面。



View Code


 




1 ret = re.search('ab','pengab juna456').group()
2 print(ret)








1 ab
2 
3 search()函数会在字符串中查找模式匹配，只要找到第一个匹配然后返回一个包含匹配信息的对象，该对象可以通过调用
4 group()方法得到匹配的字符串，如果没有匹配的字符，则返回none;



View Code


 




1 ret = re.match('a','abcpengadb').group()
2 print(ret)








1 a
2 
3 在字符串开始处进行匹配,开始处有则匹配上，无则报错



View Code


 




1 ret = re.split('[ab]','pengagbcd')
2 print(ret)








1 ['peng', 'g', 'cd']
2 
3 先按'a'进行分割，得到'peng'、'gbcd'，然后再按b进行分割，得到peng、g、cd



View Code


 






1 ret = re.split('[abc]','pengagb66cd')
2 print(ret)



View Code






1 ['peng', 'g', '66', 'd']



View Code


 




1 ret = re.sub('\d','H','peng3jun555fei89',4)
2 print(ret)








1 pengHjunHHHfei89
2 
3 把数字替换为H,最后面的参数表示替换多少个



View Code


 




1 ret = re.subn('\d','A','peng321jun6fei907')
2 print(ret)








1 ('pengAAAjunAfeiAAA', 7)
2 
3 把数字全部替换为A，并返回元组（替换的结果，替换了多少次）



View Code


 




1 obj = re.compile('\d{3}')
2 ret = obj.search('a55bc345pe5678n22g').group()
3 print(ret)








1 345
2 
3 把正则表达式编译为一个正则表达式对象，规格是要匹配3个字符，然后调用正则表达式对象调用search，



View Code


 




1 ret = re.finditer('\d','peng45j3un345f987ei')
2 print(ret)
3 print(next(ret).group())
4 print(next(ret).group())
5 print(next(ret).group())
6 print([i.group() for i in ret])








1 <callable_iterator object at 0x0000000002138A20>
2 4
3 5
4 3
5 ['3', '4', '5', '9', '8', '7']
6 
7 
8 返回一个存放匹配结果的迭代器



View Code


 




1 #findall()优先级查询
2 
3 ret = re.findall('www.(sina|ifeng).com','www.ifeng.com')
4 print(ret)
5 
6 ret = re.findall('www.(?:sina|ifeng).com','www.ifeng.com')
7 print(ret)








1 ['ifeng']
2 ['www.ifeng.com']
3 
4 #这是因为findall()会优先把匹配结果内容返回，如果要想匹配结果，取消权限即可



View Code


 




1 #split的优先级查询
2 ret = re.split('\d+','peng456j983u3n33fei1')
3 print(ret)
4 
5 ret = re.split('(\d+)','peng34jun3f9ei567')
6 print(ret)








1 ['peng', 'j', 'u', 'n', 'fei', '']
2 ['peng', '34', 'jun', '3', 'f', '9', 'ei', '567', '']
3 
4 #在匹配部分加上（）转换所切除来的结果是不同的
5 #没有（）的就不保留所匹配的项，但是有（）的能够保留匹配的项
6 #这个在某些要保留匹配部分的使用过程中非常重要



View Code


 


 


 


 


 


 


 


 


 


 


 


 


 






		

		
posted @ 
2019-05-01 06:55 
xiaofeiAI 
阅读(289) 
评论(0) 
编辑 
收藏 
举报