Python基础篇---正则表达式和re模块

本章内容

       • 正则表达式前戏

       • 正则表达式

       • 贪婪匹配和非贪婪匹配

       • re模块

正则表达式前戏

---

我们日常生活中有很多地方都用到了正则表达式，比如说京东淘宝这类网页的注册页面需要获取手机号，而手机号的格式是有很多标准的，必须是11位的纯数字 并且必须是常规的手机号开头(13,15,17,18,19)。以上标准我们用python代码也可以实现。

'''python实现手机校验功能'''
# 1.获取用户的手机号
phone_num = input('请输入您的手机号>>>:').strip()
# 2.先校验是否是11位
if len(phone_num) == 11:
    # 3.再校验是否是纯数字
    if phone_num.isdigit():
        # 4.校验开头是否合法(随便写几个意思一下)
        if phone_num.startswith('13') or phone_num.startswith('15') or phone_num.startswith(
                '17') or phone_num.startswith('18'):
            print('是一个正常的手机号')
        else:
            print('手机号开头不合法')
    else:
        print('手机号必须是纯数字')
else:
    print('手机号必须是11位')

python代码按照标准的逻辑编写是可以实现，但是很繁琐。正则表达式是一门独立的语言，专门用来匹配、校验、筛查所需的数据。下面我们用正则表达式实现校验手机号功能。

import re  # 在python中如果想用就必须借助于内置模块re
phone_number = input('please input your phone number ： ').strip()
if re.match('^(13|14|15|18)[0-9]{9}$', phone_number):
    print('是合法的手机号码')
else:
    print('不是合法的手机号码')

正则表达式就是利用一些'特殊符号'的组合去字符串中筛选出想要的数据。

正则表达式

---

正则表达式在线测试网站:http://tool.chinaz.com/regex/。

字符组

字符组	功能描述
[0123456789]	匹配0到9之间的任意一个数字
[0-9]	匹配0到9之间的任意一个数字(简写)
[a-z]	匹配a到z之间的任意一个小写字母
[A-Z]	匹配A到Z之间的任意一个大写字母
[0-9a-zA-Z]	匹配任意一个数字或者大小写字母(没有顺序)

 

特殊符合

特殊符合	功能描述
.	匹配除换行符以外的任意字符
\w	匹配数字、字母、下划线(后续筛选变量名可能用到)
\d	匹配任意的数字
\t	匹配一个制表符(tab键)
^	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
a|b	匹配a或者b 管道符就是or(或)的意思
()	给正则表达式分组 不影响正则匹配(后续再讲)
[]	字符组的概念(里面所有的数据都是或的关系)
[^]	上箭号出现在了中括号的里面意思是取反操作

 

量词

量词	功能描述
*	重复零次或者多次(默认就是多次:越多越好)
+	重复一次或者多次(默认就是多次:越多越好)
?	重复零次或者一次(默认就是一次:越多越好)
{n}	重复n次
{n,}	重复最少n次最多多次(越多越好)
{n,m}	重复n到m次(越多越好)

 正则表达式的例子：

# 校验用户身份证号码
'''
身份证号码是一个长度为15或18个字符的字符串，如果是15位则全部由数字组成，首位不能为0；如果是18位，则前17位全部是数字，末位可能是数字或x
'''
^[1-9][0-9]{14}   # 开头是1到9的数字  后面14位又0到9的数字组成
^[1-9][0-9]{16}[0-9x]  开头是1到9的数字  后面16位又0到9的数字组成，最后一个数字由0-9或x组成

PS：像校验邮箱、快递单号、座机号这种常见的正则表达式校验符合，直接百度查找就行，要求能看懂。

取消转义

在python中还可以在字符串的前面加r取消转义，也可以在转义符前加\。例如：\\n转成\n，\\\n转成\\n。

贪婪匹配与非贪婪匹配

---

 

贪婪匹配

正则表达式	待匹配的字符	结果	说明
<.*>	<script>alert(123)<script>	<script>alert(123)<script>	量词默认都是贪婪匹配，会匹配尽量长的字符串

非贪婪模式

正则表达式	待匹配的字符	结果	说明
<.*?>	<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，会匹配尽量短的字符串

 

re模块

---

在python中无法直接使用正则 需要借助于模块---re模块。而导入re模块的方法有两种：

1.内置的re模块
2.第三方的其他模块

findall()---所有

语法：re.findall("正则表达式", "要匹配的字符串")

# 代码示例
res = re.findall('a', 'jason oscar aaa')  # findall(正则表达式,待匹配的文本)
print(res)  # ['a', 'a', 'a', 'a', 'a']  # 结果是所有符合条件的数据 并且组织成了列表

search()---单个

语法：search(正则表达式,待匹配的文本)

# 代码示例
res1 = re.search('a', 'jason oscar aaa')  # search(正则表达式,待匹配的文本)
print(res1)  # <_sre.SRE_Match object; span=(1, 2), match='a'> 查找到一个符合条件的数据就结束  没有则返回None
print(res1.group())  # a  没有则无法调用group() 直接报错

match()---匹配开头

语法：match(正则表达式,待匹配的文本)

import re
res2 = re.match('j', 'jason oscar aaa')  # match(正则表达式,待匹配的文本)
print(res2)  # <_sre.SRE_Match object; span=(0, 1), match='j'>  从字符串的开头匹配 如果没有则直接返回None 类似于给正则自动加了^ 如果符合也只获取一个就结束
print(res2.group())  # j  没有则无法调用group() 直接报错

finditer()---迭代器对象

语法：finditer(正则表达式,待匹配的文本)

# 代码实例
res3 = re.finditer('a', 'jason oscar aaa')  # finditer(正则表达式,待匹配的文本)
print(res3)  # 结果是一个迭代器对象 为了节省空间 就是把findall转成迭代器对象
print([obj.group() for obj in res3])  # ['a', 'a', 'a', 'a', 'a']

compile()---编译一个正则表达式对象

语法：变量名=re.compile('正则表达式')

# 代码实例
obj = re.compile('\d+')  # 提前写好后续需要经常使用的正则
print(re.findall(obj,'asjd21hj13123j'))  # 写一遍之后 直接反复调用即可
print(re.findall(obj,'234328748hgjghj'))  # 写一遍之后 直接反复调用即可
print(re.findall(obj,'jhjhjh423432423'))  # 写一遍之后 直接反复调用即可