正则表达式的用法及实例

写在前面

代码基于的python版本：python3.6

一、^ $ * ? + {2} {2,} {2,5} |

1、基本解释

注意：下面匹配模式中x可使用任意字符代替。
^x：表示字符串需要以“x”开头。
x$：代表结尾字符必须是x。
*：代表前面的字符可以重复任意多次，也可以出现0次，即≥0次。
?x：表示对x进行非贪婪匹配，即遇到第一个x即进入匹配模式中。
x+：表示x至少出现一次，即≥1次。
注意：下面匹配模式中m，n需要是数字。
x{m}：表示x字符出现m次。
x{m,}：表示x字符出现m次或m次以上。
x{m, n}：表示x字符出现的次数是m~n次（包含m和n）。
|：或，|的两边的字符都满足要求。

2、示例

示例1：已知字符串：“naaaanaa123”，判断此字符串是否以“n”开头，中间可以跟多个任意字符，最后以“3”结尾。

import re

line = "naaaanaa123"
regex_str = "^n.*3$"  # 字符串以n开头，中间可以跟多个任意字符，最后以3结尾
if re.match(regex_str, line):
    print("yes")    # 输出结果为yes

示例2：已知字符串：“naaaanaa123”，提取出第一次出现的“n”和第二次出现的“n”之间的字符串。

import re

line = "naaaanaa123"   # 需求是将第一次和第二次出现的两个n中间的字符串提取出来
regex_str = ".*(n.*n)(.*)"  # 字符串匹配模式：最开始可以是多个任意字符，接着出现n，再接着可以是多个任意字符，接着是n，最后也是多个任意字符，提取的内容是括号中的内容
match_obj = re.match(regex_str, line)
if match_obj:
    print(match_obj.group(1)) #提取括号内结果的字符串,group(1)表示只取第1个括号内的内容，输出结果：naaaan
    print(match_obj.group(2))  # 提取括号内结果的字符串,group(1)表示只取第2个括号内的内容，输出结果：aa123

示例3：“?”的用法。已知字符串：“naaaannaa123”，若仍然使用regex_str = “.*(n.*n).*” 这种匹配模式，结果是“nn”（这是因为正则表达式的贪婪匹配，即从模式匹配字符串的最后开始匹配，首先匹配.*，即“aa123”，接着遇到“n”，中间不管是出现很多字符还是没有出现，又遇到了下一个字符“n”，因此符合(n.*n)，因此括号内的匹配结果是“nn”）。因此需要使用“？”，如下面代码所示：

import re

line = "naaaannaa123"   # 需求是将第一次和第二次出现的两个n中间的字符串提取出来
regex_str = ".*?(n.*n).*"  # 字符串匹配模式：限定"?"，说明开启非贪婪匹配模式，即从左边开始，遇到第一个n，即进入匹配模式，而不需要等到最后一个
match_obj = re.match(regex_str, line)
if match_obj:
    print(match_obj.group(1)) #输出结果：naaaann

上述这种模式虽然把“naaaan”输出了，但是后面的“nn”也被输出，这并不是我们想要的，这是因为我们只设置了模式匹配中的第一个“n”是非贪婪模式，但是第二个n现在仍然是贪婪模式，因此也需要在在第二个“n”之前加上“?”将其设置为非贪婪模式。代码如下：

import re

line = "naaaannaa123"   # 需求是将第一次和第二次出现的两个n中间的字符串提取出来
regex_str = ".*?(n.*?n).*"  # 字符串匹配模式：在"n"的前面都限定"?"，表示对两个"n"都开启非贪婪模式
match_obj = re.match(regex_str, line)
if match_obj:
    print(match_obj.group(1)) #输出结果：naaaan

示例4：利用+，使用贪婪匹配，输出相应的结果。

import re

line = "naaaananaa123"   
regex_str = ".*(n.+n).*"  # 贪婪匹配，即从后往前开始匹配，第一次出现n，然后前面是至少一个任意字符，接着再是n
match_obj = re.match(regex_str, line)
if match_obj:
    print(match_obj.group(1)) #输出结果：nan

示例5：{1}表示必须出现1次。

import re

line = "naaaananaa123"
regex_str = ".*(n.{1}n).*"
match_obj = re.match(regex_str, line)
if match_obj:
    print(match_obj.group(1)) #输出结果：nan

示例6：“|”的使用
第一个例子是完全字符匹配，不固定某一部分内容：

import re

line = "naana123"
regex_str = "(naana|naana123)"  # 匹配naana或者naana123，优先匹配前面的，即优先匹配naana，若line字符串中出现naana，则返回naana
match_obj = re.match(regex_str, line)
if match_obj:
    print(match_obj.group(1)) #输出结果：naana

第2个例子是固定某一部分内容，只对其中一部分字符匹配：

import re

line = "naana123"
regex_str = "(nana|naana)123"  # 后面的数字固定，只针对前面的字符进行匹配
match_obj = re.match(regex_str, line)
if match_obj:
    print(match_obj.group(1)) #输出结果：naana

示例7：括号的用法

import re

line = "naana123"
regex_str = "((nana|naana)123)"  # 后面的数字固定，只针对前面的字符进行匹配
match_obj = re.match(regex_str, line)
if match_obj:
    print(match_obj.group(1)) #输出结果：naana123
    print(match_obj.group(2))  # 输出结果：naana

二、[] [^] [a-z] .

1、基本解释

注意：下面匹配模式中x可使用任意字符代替。
强调：进入[ ]中的字符就是字符本身，已经没有其他特殊的含义，比如，.和*只能表示.和*，不能再表示任意字符。
[xyz]：表示出现x、y、z都可以。
[^x] ：中括号的取非操作，字符不能为x。
[a-z] ：表示范围，即a-z的任一字符都可以。
.：只任意字符，包括所有的字符、制表符等所有。

2、示例

示例1：[ ]的第1个用途，表示可以是[ ]中的任一字符。

import re

line = "naana123"
regex_str = "([mnpq]aana123)" # 第一个字符是m、n、p和q中的任一字符都可以
match_obj = re.match(regex_str, line)
if match_obj:
    print(match_obj.group(1)) #输出结果：naana123

示例2：[ ]的第2个用途：[^x]表示取非操作，即字符不能为x。

import re

line = "1563aa69842"
regex_str = "(1[45689][^1]{9})" #[0-9]{9}表示0-9之间任意一个字符都可以，出现9次
match_obj = re.match(regex_str, line)
if match_obj:
    print(match_obj.group(1)) #输出结果：1563aa69842

示例3：[ ]的第3个用途，数据满足[ ]中的区间即可：

import re

line = "15635269842"
regex_str = "(1[45689][0-9]{9})" #[0-9]{9}表示0-9之间任意一个字符都可以，出现9次
match_obj = re.match(regex_str, line)
if match_obj:
    print(match_obj.group(1)) #输出结果：15635269842

三、\s \S \w \W

1、基本解释

\s：表示空格。
\S：表示只要不是空格都可以。
\w：表示：A-Z、a-z、0-9和_之间的任意字符都可以。
\W：表示\w的取反操作，即不能为A-Z、a-z、0-9和_之间的任意字符。

2、示例

示例1：\s的作用

import re

line = "你 好"
regex_str = "(你\s好)" # 模式表示“你”和“好”之间需要有空格
match_obj = re.match(regex_str, line)
if match_obj:
    print(match_obj.group(1)) #输出结果：你 好

示例2： \S的作用

import re

line = "你真好"
regex_str = "(你\S好)"   # 若是想匹配“你真的很好”，即“你”和“好”之间有多个字符，则需要使用“(你\S+好)”
match_obj = re.match(regex_str, line)
if match_obj:
    print(match_obj.group(1)) #输出结果：你真好

示例3：\w的作用

import re

line = "你S_好"
regex_str = "(你\w+好)"
match_obj = re.match(regex_str, line)
if match_obj:
    print(match_obj.group(1)) #输出结果：你S_好

四、[\u4E00-\u9FA5] () \d

1、基本解释

[\u4E00-\u9FA5]：这是Unicode编码，表示任意汉字都可以。
\d：表示数字的意思。

2、示例

示例1：[\u4E00-\u9FA5]的作用

import re

line = "你*好"
regex_str = "([\u4E00-\u9FA5]+)"
match_obj = re.match(regex_str, line)
if match_obj:
    print(match_obj.group(1)) #输出结果：你

import re

line = "study in 清华大学"
regex_str = ".*?([\u4E00-\u9FA5]+大学)"  # 若不加?，则是贪婪匹配，从后往前返回一个汉字，结果为“华大学”
match_obj = re.match(regex_str, line)
if match_obj:
    print(match_obj.group(1)) #输出结果：清华大学

示例2：\d的使用

import re

line = "张三出生于1998年"
regex_str = ".*?(\d+)年"  # 加？取消贪婪模式，或者使用(\d{4})
match_obj = re.match(regex_str, line)
if match_obj:
    print(match_obj.group(1)) #输出结果：1998