python基础语法 - 正则表达式

• 是什么：Regular Expression，简写RE，是预先定义好的一个“规则字符串”，通过这个规则字符串可以匹配、查找和替换那些符合规则的文本。
• 优点：文本的查找替换虽然可以使用字符串提供的方法实现，但是实现较为困难，运算效率低。使用正则效率高。
• 缺点：编写合适的正则表达式较为困难。
• python中应用：数据挖掘、数据分析、网络爬虫、输入有效性验证等待。

正则表达式字符串

• 正则表达式是一种字符串，它由普通字符和元字符组成的。
• 普通字符：按照字符字面意义的字符。
• 元字符：预先定义好的一些特定字符。
• 如验证邮箱的正则表达式：\w+@zhengzetang\.com，其中\w+、\.属于元字符；@zhengzetang、com是普通字符。

元字符

• 用来描述其他字符的特殊字符，由基本元字符和普通字符构成，基本元字符是构成元字符的组成要素。基本元字符有14个，如下表

转义字符

• 以上面匹配邮箱的字符串\w+@zhengzetang\.com为例
• w字符不表示英文字母w，而是表示任何语言的单词字符、数字或下划线等内容时，需要在w前面加上反斜杠“\”。
• .本身是基本元字符，代表任意一个字符，但是我们希望按照.字面的意义使用（就是一个点），这时候加上一个反斜杠“\”就可以实现了。
• 转义字符\就是对普通字符或基本元字符，进行转义，用于其他功能。

开始与结束符

• 前面提到了^和$，用以匹配一行字符串的开始和结束。
• 当以^开始时，要求一行字符串的开始位置匹配。
• 当以$结束时，要求一行字符串的结束位置匹配。

  import re 
  
  p1 = r'\w+@tianshangrenjian\.com'
  p2 = r'^\w+@tianshangrenjian\.com$'
  
  text = "My email is tong_guan588@tianshangrenjian.com."
  m = re.search(p1, text)
  print(m)
  
  # 匹配不到，有^,$符号，匹配时要求text字符串开始和结束都要与正则表达式开始和结束匹配。
  a = re.search(p2,text)
  print(a)
  
  # email字符串的开始与结束与正则表达式相匹配
  email = 'tong_guan588@tianshangrenjian.com'
  b = re.search(p2, email)
  print(b)
  

• 显示结果
  

字符类

• 正则表达式种可以使用字符类（character class），一个字符类定义一组字符，其中的任一字符出现在输入字符串中即匹配成功。
• 注意：每次匹配只能匹配字符串中的一个字符。

定义字符类

• 定义一个普通的字符类，使用[]元字符类。例，想在字符串中匹配java或Java，可以使用正则表达式[Jj]ava

  import re
  
  p = r'[Jj]ava'
  
  # 可以匹配
  m = re.search(p, 'i like Java and Python')
  print(m)
  
  # 可以匹配
  c = re.search(p, 'i like java and Python')
  print(c)
  
  # 不可匹配
  b = re.search(p, 'i like JAVA and Python')
  print(b)
  
  # 想要匹配JAVA，可以使用|
  p2 = r'java|JAVA|Java'
  d = re.search(p2, 'i like JAVA and Python')
  print(d)
  

• 运行结果为
  

字符类取反

• 在正则表达式中指定不想出现的字符， 可以在字符前加^符号。

  import re 
  
  p = r'[^0123456789]'
  
  # 不匹配数字
  m = re.search(p, '239120392')
  print(m)
  
  # 除了非数字外，都可以匹配任意字符
  a = re.search(p, 'Reasdskf')
  print(a)
  

• 运行结果
  

区间

• 如果要表示连续的数字，用[^0123456789]，较为复杂，可以使用区间符号-表示。即[^0123456789]等同于[