正则表达式:

正则表达式与re的关系

正则表达式是一门独立的技术，适用于任何语言

但在python'中使用正则表达式将必须借助re模块

正则表达式就是一堆有语法的字符，用于匹配字符串中符合规则的内容

字符组：

在同一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

字符分很多种，比如数字，字母，标点等等。[ ]里面是或的关系

[012345678]	检查匹配字符里面所有符合字符组里面的字符的单个字符
[0-9]	匹配0到9的数字
[a-z]	匹配a到z的所有小写字母
[A-Z]	匹配A到Z的所有大写字母

 

 

 

 

 

 

 

 

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，数字，或下划线
\W	匹配非字母，数字，下划线
\d	匹配0到9的数字字符
\D	匹配非0到9的字符
\s	匹配任意的空白符
\S	匹配任意的非空白符
\n	匹配一个换行符
\t	匹配一个制表符(tab键)
^	匹配字符串的首位字符
$	匹配字符串的末尾
\b	匹配一个单词的结尾
[....]	匹配字符组里面的字符
[^....]	匹配非字符组里面的字符
a|b	匹配a或b注意把长的放前面
（）	匹配括号内的表达式，也表示一个组

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

      量词

*	重复0次或多次
+	重复一次或多次
？	重复0次或1次
{n}	重复n次
{n,}	重复n到更多次
{n,m}	重复n到m次

 

 

 

 

 

 

 

 

 

贪婪匹配与非贪婪匹配

贪婪匹配就是尽可能匹配多个

注：正则表达式默认就是贪婪模式（尽可能匹配多的）

非贪婪匹配：

　　就是尽可能匹配少的，要想将贪婪模式改为非贪婪模式只需要在量词后面加?就可以将贪婪模式改为非贪婪模式

 

 

 

转义符：

在正则表达式中，有很多有特殊意义的元字符比如\n和\s，如果要正则中匹配正常的\n就需要对\进行转义，变成'\\'

贪婪匹配：

正则	待匹配字符	匹配结果
<.*>	<script>...<script>	从头开始匹配然后倒退到第一个>结束
<.*?>	<script>...<script>	从头开始匹配到第一个>结束

 

 

 

 

 

 

 

 

常用的非贪婪匹配用法：

*?  重复任意次，但尽可能少重复

+?重复一次或更多次，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到更多次，但尽可能少重复

 

.*?的用法：

.是除换行符外任意字符

*是重复0次或多次

?是非贪婪模式

合在一起就是取尽量少的任意字符，一般不会这么单独写，它大多用在：.*?x

就是取前面任意长度的字符，直到第一个x出现

re模块下的常用方法：

import re

单个字符：

re.I不区分大小写的匹配
print(re.findall(r'a', 'abc123嘿嘿abcABC', flags=re.I))  # ['a', 'a', 'A']

a|b a或b单个字符
print(re.findall(r'a|b', 'abc123嘿嘿abcABC', flags=re.I))  # ['a', 'b', 'a', 'b', 'A', 'B']

[a,b] a或,或b单个字符
print(re.findall(r'[a,b]', 'abc,123嘿嘿abcABC', flags=re.I))  # ['a', 'b', ',', 'a', 'b', 'A', 'B']

[^ab]非a及非b的所有单个字符
print(re.findall(r'[^ab]', 'abc,123嘿嘿abcABC'))  # ['c', ',', '1', '2', '3', '嘿', '嘿', 'c', 'A', 'B', 'C']

[a-z]所有单个小写字母   [A-Z]所有单个大写字母   [0-9]所有单个数字
print(re.findall(r'[a-z]', 'abc,123嘿嘿abcABC'))  # ['a', 'b', 'c', 'a', 'b', 'c']
print(re.findall(r'[0-9]', 'abc,123嘿嘿abcABC'))  # ['1', '2', '3']

所有小写大写数字单个字符
print(re.findall(r'[a-z]|[A-Z]|[0-9]', 'abc,123嘿嘿abcABC'))  # ['a', 'b', 'c', '1', '2', '3', 'a', 'b', 'c', 'A', 'B', 'C']

print(re.findall(r'[A-Za-z0-9]', 'abc,123嘿嘿[abcABC'))  # ['a', 'b', 'c', '1', '2', '3', 'a', 'b', 'c', 'A', 'B', 'C']

 .会匹配除\n以为的所有单个字符
print(re.findall(r'.', '*\_+=\n \r\t'))  # ['*', '\\', '_', '+', '=', ' ', '\r', '\t']

re.S会让.能匹配所有单个字符
print(re.findall(r'.', '*\_+=\n \r\t', flags=re.S))  # ['*', '\\', '_', '+', '=', '\n', ' ', '\r', '\t']

# \d单个数字 == [0-9]
print(re.findall(r'\d', 'abc,123嘿嘿[abcABC'))  # ['1', '2', '3']
# \w == [A-Za-z0-9_]  将常见的汉字就理解为单个字母

print(re.findall(r'\w', 'abc,123嘿[_'))  # ['a', 'b', 'c', '1', '2', '3', '嘿', '_']
# \s == [\f\n\r\t\v ] 单个空：空格、制表符、换页符等

print(re.findall(r'\s', '\f\n\r\t\v '))  # ['\x0c', '\n', '\r', '\t', '\x0b', ' ']

 \D就是\d的对立面：非数字的所有单个字符  \W就是\w的对立面  \S就是\s的对立面
print(re.findall(r'\D', 'abc,123嘿[_'))  # ['a', 'b', 'c', ',', '嘿', '[', '_']

三个必须掌握的方法：

　　findall:匹配目标字符串并返回所有符合正则表达式的内容

　　search：依据正则规则匹配到第一个就不匹配了并返回匹配到的对象，然后group()就可以拿到内容，如果没有就返回none，并且不能group获取

　　match：只会匹配字符串的开头部分，然后返回，group获取，当字符串中的开头部分不符合正则规则时会返回一个none，和上面一样，另外这个一般是用来进行校验的。

其他方法：

ret = re.split('[ab]', 'abcd')  # 先按'a'分割得到''和'bcd',在对''和'bcd'分别按'b'分割
print(ret)  # ['', '', 'cd']

ret = re.sub('\d', 'H', 'eva3egon4yuan4', 1)  # 将数字替换成'H'，参数1表示只替换1个
print(ret)  # evaHegon4yuan4

ret = re.subn('\d', 'H', 'eva3egon4yuan4')  # 将数字替换成'H'，返回元组(替换的结果,替换了多少次)
print(ret)

obj = re.compile('\d{3}')  #将正则表达式编译成为一个 正则表达式对象，规则要匹配的是3个数字
ret = obj.search('abc123eeee') #正则表达式对象调用search，参数为待匹配的字符串
print(ret.group())  #结果 ： 123

import re
ret = re.finditer('\d', 'ds3sy4784a')   #finditer返回一个存放匹配结果的迭代器
print(ret)  # <callable_iterator object at 0x10195f940>
print(next(ret).group())  #查看第一个结果
print(next(ret).group())  #查看第二个结果
print([i.group() for i in ret])  #查看剩余的左右结果

View Code

分组优先机制

import re
res = re.search('^[1-9]\d{14}(\d{2}[0-9x])?$',110105199812067023)
print(res.group())
print(res.group(1))  # 获取正则表达式括号阔起来分组的内容
print(res.group(2))  # search与match均支持获取分组内容的操作  跟正则无关是python机制

# 而针对findall它没有group取值的方法，所以它默认就是分组优先获取的结果
ret = re.findall('www.(baidu|oldboy).com', 'www.oldboy.com')
print(ret)  # ['oldboy']     这是因为findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可

ret = re.findall('www.(?:baidu|oldboy).com', 'www.oldboy.com')  # ?:取消分组优先
print(ret)  # ['www.oldboy.com']

View Code

其他

import re


ret = re.search("<(?P<tag_name>\w+)>\w+</(?P=tag_name)>","<h1>hello</h1>")
#还可以在分组中利用?<name>的形式给分组起名字
#获取的匹配结果可以直接用group('名字')拿到对应的值
print(ret.group('tag_name'))  #结果 ：h1
print(ret.group())  #结果 ：<h1>hello</h1>
"""
注意?P=tag_name相当于引用之前正则表达式，并且匹配到的值必须和前面的正则表达式一模一样
"""

# 匹配整数
ret=re.findall(r"\d+","1-2*(60+(-40.35/5)-(-4*3))")
print(ret) #['1', '2', '60', '40', '35', '5', '4', '3']

ret=re.findall(r"\d+\.\d*|(\d+)","1-2*(60+(-40.35/5)-(-4*3))")
print(ret) #['1', '2', '60', '', '5', '4', '3']
ret.remove("")
print(ret) #['1', '2', '60', '5', '4', '3']

View Code