一.正则的简介
1.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
2.应用场景
表单验证(如手机号,邮箱,身份证)
爬虫
二.match()函数
match(pattern, string, flags=0)
- 第一个参数是正则表达式,如果匹配成功,则返回一个match对象,否则返回一个None
- 第二个参数表示要匹配的字符串
- 第三个参数是标致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
三.元字符
表达式 | 匹配 |
---|---|
. | 匹配除换行符\n以外的任意字符 |
| | 逻辑“或”操作符 |
[ ] | 匹配字符集中一个字符 |
[^] | 对字符集求反,尖号必须在方括号里最前面 |
- | 定义[ ]里的字符区间,例如[a - z] |
() | 对表达式进行分组 |
表达式 | 匹配 |
---|---|
\r, \n | 匹配回车和换行符 |
\t | 匹配制表符 |
\\ | 匹配斜杠 |
\^ | 匹配尖号 |
\$ | 匹配$号 |
\. | 匹配点 |
四.预定义字符集
正则表达式中的一些表示方法,可以同时匹配某个预定义字符集中的任意一个字符。比如,表达式\d可以匹配任意一个数字。虽然可以匹配其中任意字符,但是只能是一个,不是多个
表达式 | 匹配 |
---|---|
\d | 任意一个数字,0~9的任意一个 |
\w | 任意一个字母,数字,下划线,也就是0~9, A~Z, a~z,_中任意一个 |
\s | 空格,制表符,换页符等空白字符的任意一个 |
改为大写就是他们的反集
如:\D = [^\d]
五.重复匹配
使用表达式再加上修饰匹配次数的特殊符号{},不但重复书写表达式就可以重复匹配。例如[abcd][abcd]可以写成[abcd]{2}
表达式 | 匹配 |
---|---|
{n} | 表达式重复n次,比如\d{2}相当于\d\d,a{3}相当于aaa |
{m,n} | 表达式至少重复m次,最多n次。比如ab{1,3}可以匹配到ab,abb,abbb |
{m, } | 表达式至少重复m次,比如\w\d{2, }可以匹配a12,_1111, M123等等 |
? | 匹配表达式0次或者1次,相当于{0,1},比如a[cd]?可以匹配a,ac,ad |
+ | 表达式至少出现1次,相当于{1,},比如a+b可以匹配ab, aab,aaab等 |
* | 表达式出现0次到任意次 |
六.非贪婪匹配
在重复匹配时,正则表达式默认总是尽可能多的匹配,这被称为贪婪模式。
例如,针对文本dxxxdxxxd,表达式(d)(\w+)(d)中的\w+将匹配第一个d和最后一个d之间的所有字符xxxdxxx。
可见,\w+在匹配的时候,总是尽可能多的匹配符合它规则的字符。
同理,带有?、*和{m,n}的重复匹配表达式都是尽可能地多匹配
七.其他
校验数字的相关表达式:
特殊场景的表达式:
八.分组功能
Python的re模块有一个分组功能。
所谓的分组就是去已经匹配到的内容再筛选出需要的内容,相当于二次过滤。
实现分组靠圆括号(),而获取分组的内容靠的是group()、groups(),其实前面我们已经展示过。
re模块里的积个重要方法在分组上,有不同的表现形式,需要区别对待