python基础之正则

正则，是正则表达式（Regular Expression）的简称，又称规则表达式，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。好多复杂的查询和过滤算法其实都是基于正则，但能匹配出很复杂的正则表达式需要一定的功夫，不是有句话说“一入正则深似海”。你品，你细品。
用途：
1、用来文本搜索和替换
2、查询指定数据
3、分割比较复杂的字符串（爬虫）
正则使用时要导入正则库，如下：

import re

一、re常用的处理函数

1.1 match

re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。

def match(pattern, string, flags=0):
    """Try to apply the pattern at the start of the string, returning
    a Match object, or None if no match was found."""
    return _compile(pattern, flags).match(string)

match有3个参数，作用如下：

参数	作用
pattern	匹配的正则表达式
string	要匹配的字符串
flags	标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等

如：

import re
print(re.match('aa', 'aawewrwr'))

输出为：

<re.Match object; span=(0, 2), match='aa'>

表示在[0-2）之间匹配到了字符串“aa”

1.2 search

search与match不同，search会扫描整个字符串，返回匹配到的第一个，如果匹配不到，返回None。

def search(pattern, string, flags=0):
    """Scan through string looking for a match to the pattern, returning
    a Match object, or None if no match was found."""
    return _compile(pattern, flags).search(string)

search也有3个参数，与match一致。

参数	作用
pattern	匹配的正则表达式
string	要匹配的字符串
flags	标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等

如：

import re
print(re.search('com', 'www.baidu.com').span())

输出

(10, 13)

表示在10-13之间第一次匹配到了字符串“com”

1.3 compile

compile 函数用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，供 match() 和 search() 这两个函数使用。

def compile(pattern, flags=0):
    "Compile a regular expression pattern, returning a Pattern object."
    return _compile(pattern, flags)

pattern指的是正则表达式。
如：

import re
pattern = re.compile(r'\d+')
m = pattern.match('ondfh123edsre32')
print(m)

输出：

None

r’\d+ ':表示匹配1个及以上的数字，由于match至匹配头部，因此输出为None。

1.4 findall

在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。

def findall(pattern, string, flags=0):
    """Return a list of all non-overlapping matches in the string.

    If one or more capturing groups are present in the pattern, return
    a list of groups; this will be a list of tuples if the pattern
    has more than one group.

    Empty matches are included in the result."""
    return _compile(pattern, flags).findall(string)

如：

import re
pattern = re.compile(r'\d+')
print(pattern.findall('123rerfgrer456'))

输出：

['123', '456']

1.5 finditer

re.finditer和 findall 类似，在字符串中找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回。
如：

import re
it = re.finditer(r"\d+","12a32bc43jf3") 
for match in it: 
    print (match.group() )

输出：

12
32
43
3

1.6 split

re.split可以把匹配到的字符串分割，返回一个分割后的列表，对于无法匹配的，返回整个字符串。
如：

import re
print(re.split(r'\w', 'adc,abc,abc'))

输出：

['abc', 'abc', 'abc']

二、正则表达式

表达式	含义
^	匹配字符串的开头
$	匹配字符串的末尾
.	匹配任意字符，除了换行符
[…]	原子表,存储表达式、字符集合。匹配所包含任意一个字符
[^…]	匹配不在[]之中的字符
*	匹配前面0个或多个表达式
+	匹配前面1个或多个表达式
？	匹配前面0个或1个表达式，非贪婪匹配
{m}	匹配前面表达式m次，不能单独使用
{m，n}	匹配m到n次前面表达式，贪婪匹配
a|b	匹配a或者b
[a-z]	匹配任意一个小写字母
[\u4e00-\u9fa5]	匹配汉字
[AbCd]	匹配任意一个大小写字母
[a-zA-Z]	匹配任意一个大小写字母
\d	等价于[0-9]，匹配任意数字
\D	匹配任意非数字
\w	匹配任意字母数字和下划线，等价于[a-zA-Z0-9_]
\W	匹配非数字字母及下划线
\s	匹配任意空白字符
\S	匹配任意非空字符
\A	匹配字符串开始
\Z	匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串
\z	匹配字符串结束

实例：

import re
# 匹配一个字母
print(re.compile('[a]').match('aabaa'))
# 匹配任意一个字母a、b、c
print(re.compile('[abc]').match('abcbaa'))
# 匹配任意一个小写字母
print(re.compile('[a-z]').search('ASDAFasadSAD'))
# 匹配汉字
print(re.compile('[\u4e00-\u9fa5]').search('ASDA帅哥SAD'))
# 匹配任意一个字母
print(re.compile('[a-zA-Z]').search('ASDA帅哥SAD'))
# 匹配手机号
print(re.compile('^1[3-8][0-9]{9}$').search('13884559256'))
# 匹配前边任意次
print(re.compile('a*').search('aaaaasdasdsada'))

输出：

<re.Match object; span=(0, 1), match='a'>
<re.Match object; span=(0, 1), match='a'>
<re.Match object; span=(5, 6), match='a'>
<re.Match object; span=(4, 5), match='帅'>
<re.Match object; span=(0, 1), match='A'>
<re.Match object; span=(0, 11), match='13884559256'>
<re.Match object; span=(0, 5), match='aaaaa'>

三、一个简单的利用re判断QQ号是否合法化的小练习

import re

def isValidQQ(qq):
    pattern = re.compile("[1-9][0-9]{4,10}$")
    r = pattern.match(qq)
    if r:
       return True
    else:
       return False

def isCheckQQ(qq):
    if qq.isdigit() == False:
        return "{}号码不全为数字".format(qq)
    if len(qq) < 5:
        return "{}号码长度不够".format(qq)
    if isValidQQ(qq) == True:
        return "{}号码合法".format(qq)
    else:
        return "{}号码不合法".format(qq)

if __name__ == "__main__":
    while True:
        qq = input("请输入qq号:\n")
        if qq == "q":
            break
        print(isCheckQQ(qq))

四、总结

正则表达式通过其基本的正则元素能够组合出各种正则表达式，用来匹配所需的字符串。常用来做爬虫页面中所需资料的匹配、简单的人机对话系统等，有着较高的效率，熟练使用正则能够提升工作效率，是中高级爬虫的必备工具之一。