Python学习之正则表达式

正则表达式

正则表达式(Regular Expression)是一种文本模式，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"）。

字符组

在中括号内编写的多个数据值彼此都是 或 的关系

字符组	描述
[0-9]	匹配任何数字。类似于 [0123456789]
[a-z]	匹配任何小写字母
[A-Z]	匹配任何大写字母
[0-9a-zA-Z]	匹配任何字母及数字

特殊字符

字符	描述
^	匹配字符串的开头
$	匹配字符串的末尾
.	匹配除 "\n" 之外的任何单个字符
[...]	匹配字符组中的任意字符
[^...]	匹配除了字符组中字符的所有字符
\w	匹配数字字母下划线
\W	匹配非数字字母下划线
\s	匹配任意空白字符
\S	匹配任意非空字符
\d	匹配一个数字字符。等价于 [0-9]。
\D	匹配一个非数字字符。等价于 [^0-9]
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。

限定符（量词）

字符	描述
*	匹配前面的子表达式零次或多次
+	匹配前面的子表达式一次或多次
?	匹配前面的子表达式零次或一次
	n 是一个非负整数。匹配确定的 n 次
	n 是一个非负整数。匹配n 次或多次（至少n次）
	m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次（n次到m次）

正则练习

正则	待匹配字符	匹配结果	说明
海.	海燕海娇海东	海燕 海娇 海东	. 匹配除 "\n" 之外的任何单个字符，即匹配所有"海."的字符
^海.	海燕海娇海东	海燕	^ 匹配字符串的开头，即只从开头匹配"海."
海.$	海燕海娇海东	海东	$ 匹配字符串的末尾，即只匹配结尾的"海."
李.?	李杰和李莲英和李二棍子	李杰 李莲 李二	? 表示重复零次或一次，即只匹配"李"后面一个任意字符
李.*	李杰和李莲英和李二棍子	李杰和李莲英和李二棍子	* 表示重复零次或多次，即匹配"李"后面0或多个任意字符
李.+	李杰和李莲英和李二棍子	李杰和李莲英和李二棍子	+ 表示重复一次或多次，即只匹配"李"后面1个或多个任意字符
李.	李杰和李莲英和李二棍子	李杰和 李莲英 李二棍	{1,2} 匹配1次到2次任意字符，即只匹配"李"后面1个或两个任意字符
李[杰莲英二棍子]*	李杰和李莲英和李二棍子	李杰 李莲英 李二棍子	表示匹配"李"字后面[杰莲英二棍子]的任意字符任意次
李[^和]*	李杰和李莲英和李二棍子	李杰 李莲英 李二棍子	[^和] 表示匹配一个不是"和"的字符（*）任意次
[\d]	456bdha3	4 5 6 3	\d 表示匹配任意一个数字字符
[\d]+	456bdha3	456 3	+ 表示重复一次或多次，即匹配任意个数字

正则表达式在线测试

贪婪匹配与非贪婪匹配

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

非贪婪匹配： *，+，?等都是贪婪匹配，后面加 ? 号使其变成惰性匹配（非贪婪匹配），匹配尽可能短的字符串

正则	待匹配字符	匹配 结果	说明
<.*>	<script>alert(123)<script>	<script>alert(123)<script>	默认为贪婪匹配模式，会匹配(<开头，>结尾)尽量长的字符串
<.*?>	<script>alert(123)<script>	<script> </script>	加上？为将贪婪匹配模式转为非贪婪匹配模式，会匹配(<开头，>结尾)尽量短的字符串

小技巧：在使用贪婪匹配或者非贪婪匹配的时候一般都是用.*或者.*?
并且结束的标志有上述符号左右两边添加的表达式决定

转义符(取消转义)

在正则表达式中，有很多如“\n”、“\t”等的特殊意义元字符，若需要打印一个“\n”而不是换行符，则需要对“\”也进行转义，即在“\”前再加“\”，变成“\\”

\\n   >>>  \n
\\\n  >>>  \\n

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。

# python中
r'\n'   >>>  \n
r'\\n'  >>>  \\n

正则	待匹配字符	匹配结果	说明
\n	\n	False	因为在正则表达式中 \ 是有特殊意义的字符，所以要匹配 \n 本身，用表达式 \n 无法匹配
\\n	\n	True	转义 \ 之后变成 \\，即可匹配
"\\\\n"	'\\n'	True	如果在python中，字符串中的 '\' 也需要转义，所以每一个字符串 '\' 又需要转义一次
r'\\n'	r'\n'	True	在字符串之前加r，让整个字符串不转义

正则表达式实例

# 编写校验用户手机号的正则
^(13[0-9]|14[01456879]|15[0-35-9]|16[2567]|17[0-8]|18[0-9]|19[0-35-9])\d{8}$

# 编写校验用户身份证的正则
\d{17}[\d|x]|\d{15}

# 编写校验用户邮箱的正则
^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$

# 编写校验用户qq号的正则
[1-9][0-9]{4,}  # (腾讯QQ号从10000开始)