《正则表达式》

正则表达式是什么?

他是约束字符串匹配某种形式的规则

正则表达式的作用

1.检测某个字符串是否符合规则,比如手机号,身份证号,邮箱等等

2.提取网页字符串中想要的数据,比如爬虫中,提取网站天气,股票代码,星座运势等具体关键字

#在线测试工具  http://tool.chinaz.com/regex/

正则表达式由一些[普通字符]和一些[元字符]组成
(1)普通字符包括大小字母和数字
(2)元字符具有特殊的含义,大体种类分为如下:
  1.预定义字符集,字符组
  2.量词
  3.边界符
  4.分组

(一) 匹配单个字符 => [元字符] 预定义字符集

预定义字符集 匹配内容
. 匹配任意字符,除了换行符\n
\d 匹配数字
\D 匹配非数字
\w 匹配字母或数字或下划线 (正则函数中,支持中文的匹配)
\W 匹配非字母或数字或下划线
\s 匹配任意的空白符
\S 匹配任意非空白符
\n 匹配一个换行符
\t 匹配一个制表符
[] 匹配中括号内列举的字符
字符组格式 说明 [默认必须从字符组中选一个]
[...] 匹配字符组中的字符
[^...] 匹配除了字符组内所有内容,之外的所有字符
字符组内容 待匹配字符 匹配结果 说明
[0123456789] 8 True 字符组里枚举的各种字符,必须满足一个,否则返回假,不匹配
[abcdefg] 9 False 由于字符组中没有"9"字符,所以不匹配
[0-9] 7 True 可用 - 表示范围,[0-9] 和 [0123456789]是一个意思
[a-z] s True [a-z]匹配所有的小写字母
[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. 该正则可验证十六进制

(二) 匹配多个字符 => [元字符] 量词符号

量词 用法说明
? 重复0次或1次
+ 重复1次或多次 (至少1次)
* 重复0次或多次 (任意次)
{n} 重复n次
{n,} 重复n次或更多次 (至少n次)
{n,m} 重复n到m次
.* .+ 贪婪模式匹配
.*? .+? 非贪婪模式匹配
# 贪婪匹配:   默认向更多次数匹配  (底层用的是回溯算法)
# 非贪婪匹配:  默认向更少次数匹配 (量词的后面加?号)
    (1)量词( * ? + {} )加上问号?表示非贪婪 惰性匹配
    (2)例:.*?w  表示匹配任意长度任意字符遇到一个w就立即停止

(三) 匹配开头结尾 => [元字符] 边界符号

边界符 说明
\b 匹配一个字符的边界
^ 匹配字符串的开始
$ 匹配字符串的结尾

(四) 匹配分组 => [元字符] 分组符号

分组 用法说明
a|b 匹配字符a 或 字符b (如果两个当中有重合部分,把更长的那个放前面)
(ab) 匹配括号内的表达式 ,将()作为一个分组
\num 引用分组num匹配到的字符串
(?P<name>) 给分组命名
(?P=name) 引用别名: 把name分组所匹配到的内容引用到这里
# ###分组

# 1.正常分组 ()
1) 正常情况下用()圆括号进行分组 可以用\1 反向引用第一个圆括号匹配的内容。
2) (?:正则表达式) 表示取消优先显示的功能
(正则表达式)    代表分组 findall 把所有分组的内容显示到列表里
(?:正则表达式)  代表分组 findall 把所有分组的内容不显示到列表里

# 2.命名分组
3) (?P<组名>正则表达式) 给这个组起一个名字
4) (?P=组名) 引用之前组的名字,把该组名匹配到的内容放到当前位置

(五) 正则表达式修饰符

常用修饰符 说明
re.I 使匹配对大小写不敏感
re.M 使每一行都能够单独匹配(多行匹配),影响 ^ 和 $
re.S 使 . 匹配包括换行在内的所有字符

正则相关函数

findall  匹配字符串中相应内容,返回列表 [用法: findall("正则表达式","要匹配的字符串")]
search   通过正则匹配出第一个对象返回,通过group取出对象中的值
match    验证用户输入内容
split    切割
sub      替换 
subn     替换 
finditer 匹配字符串中相应内容,返回迭代器
compile  指定一个统一的匹配规则

练习

# 字符组练习
# print(re.findall('a[abc]b','aab abb acb adb'))
# print(re.findall('a[0123456789]b','a1b a2b a3b acb ayb'))
# print(re.findall('a[abcdefg]b','a1b a2b a3b acb ayb adb'))
# print(re.findall('a[ABCDEFG]b','a1b a2b a3b  aAb aDb aYb'))
# print(re.findall('a[0-9a-zA-Z]b','a-b aab aAb aWb aqba1b')) 
# print(re.findall('a[0-9][*#/]b','a1/b a2b a29b a56b a456b'))
# print(re.findall('a[^-+*/]b',"a%b ccaa*bda&bd"))

# 量词练习
'''1) ? 匹配0个或者1个a '''
print(re.findall('a?b','abbzab abb aab'))  
'''2) + 匹配1个或者多个a '''
print(re.findall('a+b','b ab aaaaaab abb'))
'''3) * 匹配0个或者多个a '''
print(re.findall('a*b','b ab aaaaaab abbbbbbb'))
'''4) {m,n} 匹配m个至n个a '''
print(re.findall('a{1,3}b','aaab ab aab abbb aaz aabb'))

# 贪婪匹配 与 非贪婪匹配 [语法:量词的后面加?号]
print(re.findall('a.*b','aab ab aaaaab a!!!@#$bz')) 
print(re.findall('a.*?b','aab ab aaaaab a!!!@#$bz')) #

# 边界符练习 \b ^ $
strvar = "大哥大嫂大爷"
print(re.findall('大.',strvar))
print(re.findall('^大.',strvar))
print(re.findall('大.$',strvar))
print(re.findall('^大.$',strvar))
print(re.findall('^大.*?$',strvar))
print(re.findall('^大.*?大$',strvar))
print(re.findall('^大.*?爷$',strvar))

print(re.findall('^g.*? ' , 'giveme 1gfive gay'))
print(re.findall('five$' , 'aassfive'))
print(re.findall('^giveme$' , 'giveme'))
# print(re.findall('^giveme$' , 'giveme giveme'))
# print(re.findall('giveme' , 'giveme giveme'))
# print(re.findall("^g.*e",'giveme 1gfive gay'))


# 分组练习(用圆括号)
print(re.findall('.*?_good','wusir_good alex_good secret男_good'))
print(re.findall('(.*?)_good','wusir_good alex_good secret男_good'))
print(re.findall('(?:.*?)_good','wusir_good alex_good secret男_good'))

#  | 代表或 , a|b 匹配字符a 或者 匹配字符b . 把字符串长的写在前面,字符串短的写在后面
# 匹配小数 
# 匹配小数和整数 
# 匹配135或171的手机号 
# 匹配www.baidu.com 或者 www.oldboy.com
# "5*6-7/3" 匹配 5*6 或者 7/3

 

 

上一篇:re模块


下一篇:5.22 Day18