前言
正则表达式,又称规则表达式。(英语:Regular Expression,在代码中常简写为regex、regexp或RE),计算机科学的一个概念。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。
-概念
- 正则表达式是对字符串操作的一种逻辑公式,就是用事先定义好的一些特定字符、及这些特定字符的组合,组成一个“规则字符串”,这个“规则字符串”用来表达对字符串的一种过滤逻辑(可以用来做检索,截取或者替换操作)
- 简介
- 正则表达式是对字符串(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”))操作的一种逻辑公式,就是用事先定义好的一些特定字符、及这些特定字符的组合,组成一个“规则字符串”,这个“规则字符串”用来表达对字符串的一种过滤逻辑。正则表达式是一种文本模式,模式描述在搜索文本时要匹配的一个或多个字符串
- 作用
- 1.给定的字符串是否符合正则表达式的过滤逻辑(称作“匹配”)
- 2.可以通过正则表达式,从字符串中获取我们想要的特定部分。
- 3.还可以对目标字符串进行替换操作
在Python中需要通过正则表达式对字符串进行匹配的时候, 可以一个模块, 名字为re。
在文章中若出现了错误的描述还请大家指出!
常用的元字符(特定含义的字符)
(.):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或汉字
(\s): 匹配任意空白符
(\d): 匹配数字
(\b): 匹配单词的开始或结束
(^): 匹配字符串的开始(在集合字符里[^a]表示非(不匹配)的意思)
($): 匹配字符串的结束
注:以上最外层括号只是为了把字符括起来易于查看,无特殊含义
常用的反义字符(多用于查找除某个字符以外其他任意字符均可以的情况)
(\W): 匹配任意不是字母,数字,下划线,汉字的字符
(\S): 匹配任意不是空白符的字符
(\D): 匹配任意非数字的字符
(\B): 匹配不是单词开头或结束的位置
([^x]): 匹配除了x以外的任意字符
([^abcd]): 匹配除了abcd以外的任意字符
注:以上最外层括号只是为了把字符括起来易于查看,无特殊含义
常用的限定符(多用于重复匹配次数)
(*): 重复零次或更多次
(+): 重复一次或更多次
(?): 重复零次或一次
({n}): 重复n次
({n,}): 重复n次或更多次
({n,m}): 重复n到m次
注:以上最外层括号只是为了把字符括起来易于查看,无特殊含义
位置限定符
(^): 匹配行首的位置
($): 匹配行末的位置
(\<): 匹配单词开头的位置
(|>): 匹配单词结尾的位置
(\b): 匹配单词开头或结尾的位置
(\B): 匹配非单词开头或结尾的位置
注:以上最外层括号只是为了把字符括起来易于查看,无特殊含义
re模块之match的基本使用:
- 语法:
- result = re.match(正则表达式,要匹配的字符串)
- 意义:
- re.match是用来进行正则匹配检查的方法,如果字符串开头的0个或多个字符匹配正则表达式模式,则返回相应的match对象。如果字符串不匹配模式,返回None(注意不是空字符串"")
- 匹配对象Macth Object具有group()方法, 用来返回字符串的匹配部分,具有span()方法。返回匹配字符串的位置(元组存储开始,结束位置),具有start(),end()方法,存储匹配数据的开始和结束位置。(也可以通过对象的dir(对象查看对象的方法))
- 注意:如果想在目标字符串的任意位置查找,需要使用search
- 案例:(mathch vs search)
import re
pattern = 'Hello'
str1 = 'HelloWorld'
v = re.match(pattern,str1)
print(type(v))
print(v)
# print(dir(v))
#使用group可以获取匹配到的数据
# print(v.group())
表示字符
- 语法格式:
字符 | 功能
---|---
. | 匹配任意一个字符(除了\n)
[ ] | 匹配列表中的字符
\d | 匹配数字,即0-9
\D | 匹配非数字
\s | 匹配空白、即空格(\n,\t)
\S | 匹配非空格
\w | 匹配单词字符,即a-z,A-Z,0-9,_
\W | 匹配非单词字符
使用示例:
示例1:
import re
v = re.match('.','a')
v = re.match('.','1')
v = re.match('.','_')
#返回None
v = re.match('.','\n')
print(v)
v = re.match('\d','1')
print(v)
v = re.match('\D','a1')
print(v)
v = re.match('\s',' ')
v = re.match('\s','\n')
v = re.match('\s','\t')
print(v)
#非空格
v = re.match('\S',' ')
print(v)
v = re.match('\w','a')
v = re.match('\w','A')
v = re.match('\w','1')
v = re.match('\w','_')
print(v)
v = re.match('\W','a')
v = re.match('\W','A')
v = re.match('\W','1')
v = re.match('\W','_')
print(v)
v = re.match('\w\W','1a')
print(v)
示例2:"[ ]"的使用
#手机号匹配问题
v = re.match('\d\d\d\d\d\d\d\d\d\d\d','13312341234')
v = re.match('1[35789]\d\d\d\d\d\d\d\d\d','12312341234')
#\d == [0-9]
#\D == [^0-9]
#\w == [a-zA-Z0-9_]
#\W == [^a-zA-Z0-9_]
print(v)
表示数量(匹配多个字符)
- 语法
字符 | 功能
---|---
* | 匹配前一个字符出现0次或者无限次(可有可无)
+ | 匹配前一个字符出现1次或者无限次(至少有1次)
? | 匹配前一个字符串出现1次或者0次(要么1次要么没有)
{m} | 匹配前一个字符出现m次
{m,} | 匹配前一个字符至少出现m次
{m,n} | 匹配前一个字符出现m到n次
- 代码验证:
import re
pattern = '\d*'
#注意,这时候表示数字可有可无,如果没有的话,则匹配''
v = re.match(pattern,'abc123')
print(v)
print('11111111111111')
pattern = '\d+'
v = re.match(pattern,'abc123')
print(v)
v = re.match(pattern,'123abc123')
print(v)
pattern = '\d?'
v = re.match(pattern,'123abc')
print(v)
pattern = '\d{3}'
v = re.match(pattern,'1234abc')
print(v)
pattern = '\d{3,}'
v = re.match(pattern,'1234abc')
print(v)
pattern = '\d{3,6}'
v = re.match(pattern,'1235674abc')
print(v)
- 使用示例1 *
- 匹配出一个字符串首字母为大写字符,后边都是小写字符,这些小写字母可有可无
pattern = '[A-Z][a-z]*'
v = re.match(pattern,'Hello')
print(v)
- 使用示例2 +
- 匹配出有效的变量名
#有效的变量名 开头为字母
pattern = '[a-zA-Z_]+[\w_]*'
v = re.match(pattern,'1name123')
print(v)
- 使用示例3 ?
- 匹配出1-99之间的数字
pattern = '[1-9][0-9]?'
v = re.match(pattern,'09')
print(v)
v = re.match(pattern,'33')
print(v)
v = re.match(pattern,'7')
print(v)
- 使用示例4 {m}
- 匹配出一个随机密码8-20位以内
pattern = '[a-zA-Z0-9_]{8,20}'
v = re.match(pattern,'dafadf22432adfag')
print(v)
原始字符串
- 概述:
- Python中字符串前边加上 r 表示原生字符串
- 示例:
- 字符串中的使用
- 字符串s = '\n123' 与 s = r'\n123'
- 正则中使用
s = '\n123'
print(s)
s = r'\n123'
print(s)
# s = '\\n123'
# print(s)
# pattern = '\\\\n\d{3,}'
pattern = r'\\n\d{3,}'
v = re.match(pattern,s)
print(v)
表示边界
- 语法及意义:
字符 | 功能
---|---
^ | 匹配字符串开头
$ | 匹配字符串结尾
\b | 匹配一个单词的边界
\B | 匹配非单词的边界
- 案例:
- 使用示例1 匹配QQ邮箱 &
#匹配qq邮箱, 5-10位
pattern = '[\d]{5,10}@qq'
#必须限制结尾的
# pattern = '[1-9]\d{4,9}@qq$'
#正确的地址
v = re.match(pattern,'12345@qq')
#未限制结尾的前提下使用不正确的地址
# v = re.match(pattern,'12345@qqabc')
print(v)
- 使用示例2 \b 匹配单词边界
pattern = r'.*\bab'
#ab左边界的情况
v = re.match(pattern,'123 abr')
print(v)
pattern = r'.*ab\b'
#ab为右边界的情况
v = re.match(pattern,'wab')
print(v)
- 使用示例3 \B 匹配非单词边界
#ab不为左边界
pattern = r'.*\Bab'
v = re.match(pattern,'123 abr')
print(v)
#ab不为右边界
pattern = r'.*ab\B'
v = re.match(pattern,'wab')
print(v)
匹配分组
- 语法
字符 | 功能
---|---
丨 | 匹配左右任意一个表达式
(ab) | 将括号中的字符作为一个分组
\num | 引用分组num匹配到的字符串
(?p<name>) | 分别起组名
(?p=name) | 引用别名为name分组匹配到的字符串
- 示例1 |的使用
- 匹配0-100之间所有的数字
pattern = '[1-9]?\d$|100$'
v = re.match(pattern,'0')
print(v)
v = re.match(pattern,'10')
print(v)
v = re.match(pattern,'100')
print(v)
v = re.match(pattern,'99')
print(v)
v = re.match(pattern,'200')
print(v)
- 示例2 ()的使用
- 匹配座机号码
#匹配一个固定电话号码 010-66668888
pattern = r'(\d+)-(\d{5,8}$)'
v = re.match(pattern,'010-66668888')
print(v)
print(v.group())
print(v.group(1))
print(v.group(2))
print(v.groups())
print(v.groups()[0])
print(v.groups()[1])
- 示例3 \num 的使用
- 匹配出网页标签内的数据
s = '<html><title>我是标题</title></html>'
#优化前
# pattern = r'<.+><.+>.+</.+></.+>'
#优化后 可以使用分组 \2 表示引用第2个分组 \1表示引用第1个分组
pattern = r'<(.+)><(.+)>.+</\2></\1>'
v = re.match(pattern,s)
print(v)
- 示例4 ?P<要起的别名> (?P=起好的别名)
s = '<html><h1>我是一号字体</h1></html>'
# pattern = r'<(.+)><(.+)>.+</\2></\1>'
#如果分组比较多的话,数起来比较麻烦,可以使用起别名的方法?P<要起的名字>
以及使用别名(?P=之前起的别名)
pattern = r'<(?P<key1>.+)><(?P<key2>.+)>.+</(?P=key2)></(?P=key1)>'
v = re.match(pattern,s)
print(v)
re模块的高级用法
- search
- 作用:
- 扫描字符串,查找正则表达式模式产生匹配的第一个位置,并返回相应的匹配对象。如果字符串中没有与模式匹配的位置,则返回None;
- 用法:
import re
v = re.match('\d+','阅读次数为 9999 次')
print(v)
v1 = re.search('\d+','阅读次数为 999 次')
print(v1)
- findall
- 作用
- 从左到右扫描字符串,并按照找到的顺序返回匹配。如果模式中有一个或多个组,返回组表
- 用法
list1 = re.findall(r'\d+',"阅读次数C:129 Python:999 C++:99")
print(list1)
- sub
- 作用:
- 返回通过替换repl替换字符串中最左边不重叠的模式出现而得到的字符串。如果没有找到模式,则返回字符串不变
- 用法1: 直接替换
#将目标字符串中所有的字符'c'替换成'a'
s = re.sub(r'a','c',"adfjalkdfkdasf")
print(s)
- 用法2: 使用函数(可以运算)替换
def replace(result):
print(type(result))
print(type(result.group()))
print(result.group())
r = int(result.group())+ 1
return str(r)
#将目标字符串中所有的阅读次数+1
v = re.sub(r'\d+',replace,"阅读次数C:129 Python:999 C++:99")
print(v)
- split
- 作用:
- 通过指定模式拆分字符串
- 用法1:
- 按指定的格式拆分字符串
v = re.split(r',|-|:','Tom:HelloWorld,james-bond')
print(v)
贪婪模式和非贪婪
- 什么是贪婪模式?
- Python里数量词默认是贪婪的, 总是尝试匹配尽可能多的字符
- 什么是非贪婪
- 与贪婪相反,总是尝试匹配尽可能少的字符,可以使用"*","?","+","{m,n}"后面加上?,使贪婪变成非贪婪
- 使用示例1:
#贪婪模式,.+中的'.'会尽量多的匹配
# v = re.match(r'(.+)(\d+-\d+-\d+)','This is my tel:133-1234-1234')
v = re.match(r'(.+?)(\d+-\d+-\d+)','This is my tel:133-1234-1234')
print(v.group(1))
print(v.group(2))
- 使用示例2
#贪婪模式
v= re.match(r'abc(\d+)','abc123')
print(v.group(1))
#非贪婪模式
v= re.match(r'abc(\d+?)','abc123')
print(v.group(1))
常见的一些正则表达式:
1.数字:^[0-9]*$
2.n-m位之间的数字:^\d{n,m}$
3.有1~3位小数的正实数: ^[0-9]+(.[0-9]{1,3})?$
4.正数,负数,小数: ^(\+|\-)?\d+(\.\d+)?$
5.正整数: ^\d+$ 或 ^[1-9]\d*|0$
6.负整数: ^-[1-9]\d*|0$ 或 ^((-\d+)|(0+))$
7.长度为1-10位的所有字符: ^.{1,10}$
8.有数字和字母组成的字符串: ^[a-zA-Z0-9]$
9.合法账号(字母开头,内容包括字母,数字,下划线,长度在6-16位):
^[a-zA-Z][a-zA-Z0-9_]{5,115}$
10.密码(字母开头,只能包含字母,数字,下划线): ^[a-zA-Z]\w{5,17}$
11.Email地址:^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$
12.网站域名:[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(/.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+/.?
13.URL网址:^http://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$
14.QQ号:[1-9][0-9]{4,8} (腾讯QQ号从10000开始,目前最长为10位)
15.中国邮政编码:[1-9]\d{5}(?!\d) (中国邮政编码为6位数字)
16.IP地址:\d+\.\d+\.\d+\.\d+ (提取IP地址时有用)
17.身份证号码(15位,18位数字): ^\d{15}|\d{18}$
更多推荐
正则表达式 + 常用示例
发布评论