【python正则表达式】

1、什么是python正则表达式

正则表达式是进行文本匹配的一种方式，通过正则来匹配到自己需要的内容。和我们用搜索浏览器一样，搜索abc,搜索出来的内容就是包括abc相关的。
正则是在一个目标字符串中，搜索到你需要的关键字

• 目标字符串: Youth is not a time of life; it is a state of mind
• 正则表达式: mind

下面这个网站就是可以使用正则来匹配搜索。
https://tool.oschina.net/regex/

2、常用的python正则表达式

.	匹配除换行符以外的任意字符                                   
\b	匹配字符串中的单词的开始或结束                                   
^	匹配字符串的开始                                   
$	匹配字符串的结束                                   
\w	匹配字母或数字                                   
\s	匹配任意的空白符                                   
\d	匹配数字                                   

2.1详细介绍如下

• 1、 比如 \bm…e\b
  

• 2、 \w 匹配字母或数字
  \b\w\w\w\w\b 代表什么 ？

  \w 匹配字母或数字 ，所以上面的是开头到结尾，一共4个。都是数字和字母。

• 3、 \s 匹配任意的空白符
  空白符包括空格，制表符（tab），换行符这三个很特殊的字符 , 通过and\smade 可以匹配到and made

• 4、 ^ 和 $ 匹配字符串开始和结束
  

只想验证字符串是不是以ma开头，那么可以通过^ma 来验证

值得注意的是，如果是[^a] 这种形式， ^表示否，[^a] 表示匹配不是a的任意一个字符

3、常用的python正则表达式 ----数量相关

3.1 \b\w*a\w*\b 的匹配

*	重复0次或更多次 
+	重复1次或更多次 
?	重复0次或1次 
{n}	重复n次 
{n,}	重复n次或更多次 
{n,m}	重复n到m次 

\b\wa\w\b w*表示 0个或多个字母或数字。 所以整个的意思就是， 找个单词，中间是a就行了。

3.2 \d+ 的匹配

+ 表示重复1次或更多次

\d+ \d 表示数字，+ 表示重复1次或多次

3.3 (\+86)?\d{11} 的匹配

(\+86)?\d{11}  是匹配我们的手机号码的 

• 理解这个需要知道下面三个点

  • 1、转义字符

    • 比如 + 表示重复1次或更多次，如果想要匹配的字符里本身就有+ 该怎么办呢？
    • 使用 \ 转义 + , 这个时候+ 就是+，没有别的意思。

  • 2、分组

    • 前面说重复，都是重复某一个字符，但是如果想要让一个字符串重复呢，就如本题中的+86，它作为一个整体重复0次或1次，就需要用小括号把+86括起来，(+86) 就变成了一个分组，也叫子表达式，在使用正则表达式匹配时，这些分组的部分如果被匹配上，可以获得字符串中匹配的字符串。

  • 3、重复指定次数

    • *重复0次或更多次
    • +重复1次或更多次
    • ?重复0次或1次

即这个正则表达式 (\+86)?\d{11} 可以被拆分为几个部分来解析其意义：

• 1、 (\+86)? ：
  +：匹配一个加号字符（在正则表达式中，+ 是一个特殊字符，表示前面的字符或组的一个或多个重复，所以要在前面加上 \ 进行转义以匹配实际的加号字符）。

  86：匹配数字“86”。
  ?：表示前面的部分（即 +86）是可选的，可以出现一次或不出现。

• 2、 \d{11}：
  \d：匹配任何数字字符，相当于 [0-9]。
  {11}：表示前面的 \d 必须恰好重复11次。

所以，整个正则表达式 (+86)?\d{11} 的意义是：
匹配一个由11位数字组成的字符串，该字符串前面可能（也可能不）有一个加号和一个“86”。

4. 重复指定次数

• {n} 表示重复n次
• {n,} 表示n次或更多次，换一个说法就是至少重复n次
• {n, m} 表示重复n到m次，换一个说法就是至少重复n次，最多重复m次

5.重复的量词的含义

将这些量词分为两部分，一部分是有{}的，一部分是没有{}，先说有{}符号的

• 规定重复次数的 {n}
• 规定重复次数下限的 {n, }
• 规定重复次数下限和上限的 {n, m}

再来看 * + ?

* 表示0次或多次，和Linux中类似。        
+ 是在* 的基础上加1，就变成了1次或多次
? 表示不清楚，所以是0次或者1次。

6. 正则表达式转义，替换

1. 字符转义

• 如果正则表达式想要匹配的字符恰好是特殊代码，或者重复量词等其他正则表达式里用于描述规则的字符，那么就需要使用字符转义。

• 比如你想匹配+ 或者 ?，那么你要在正则表达式里写成 \+ 和 \? 这样，他们就代表字符加号和问号，而不是重复几次，如果想匹配\， 则写成\\。

2. 替换

• | 匹配左右任意一个表达式,可以表示或的意思。

\bthis\b|\bbook\b 表示 匹配得上this，或者匹配得上book

3. 使用[] 指定一个字符范围

• 特殊代码. \w \s \d 所指定的字符，范围太大了，不够灵活，比如我只想匹配0到5 这个范围内的数字，使用\d就不行了，虽然可以写成 0|1|2|3|4|5 ，但使用起来不够方便，对于这种情况，就可以使用中括号
• [0-5] 表示从0到5的字符
• [a-z] 表示从a到z的字符
• [a-zA-Z0-5] 多个范围
• [+?] 表示+ 或者 ? 在中括号里，特殊字符可以不使用字符转义

7. python中怎么使用正则

• 1、re模块的使用------match
  功能： match方法的作用是从字符串起始位置开始匹配一个模式，如果模式不匹配，则返回None

import re

res = re.match('www', 'www.coolpython.net')
if not res is None:
    print(res.span())  # 输出匹配的起始位置和结束位置
    print(res)

• 2、re模块的使用------search

search
功能：按照需求，在整个字符串中查找，而不一定是从开头

需求：匹配出文章阅读的次数

import re

ret = re.search("\d+", "阅读次数为 9999")
if ret:
    print(ret.group())  # 如果找到了匹配项，则打印它  
else:
    print("没有找到数字序列")   

 #运行结果: 9999  

7. 正则表达式实践

7.1匹配URL [a-zA-z]+://[^\s]*

• 1、[a-zA-z]+

  • [a-zA-z]+ 这部分匹配一个或多个（由于 +）小写或大写英文字母。这通常用于匹配URL的协议部分，如 http, https, ftp 等。

• 2、 :// 这部分直接匹配URL中的 :// 字符串

• 3、 [^\s]

  • [^\s] 这个字符类匹配任何不是空白字符（\s 代表空白字符，如空格、制表符、换行符等）的字符。^ 在这里是一个否定符号。

  • * 这个量词表示前面的字符类（[^\s]）可以出现零次或多次。

7.2 匹配.com的邮箱

• ^[a-zA-Z0-9_-]+@[a-z0-9]+.com$

• 先考虑规则，邮箱分为两部分，A@B，A部分是邮箱用户名部分，可以由大小写字母，数字，下划线，中划线构成。

• B是域名部分，域名通常都是xxx.xxx的形式，那么根据实际工作中的需要，可以继续细化，域名的前半部分只能由小写字母和数字构成，后半部分只能是com，根据这些规则写出正则表达式

解释如下：

• 1、 ^: 这是正则表达式的开始锚点，它确保整个字符串的开始与接下来的模式匹配。

• 2、[a-zA-Z0-9_-]+:

  • [a-zA-Z0-9_-]: 这是一个字符集，它匹配任何小写字母、大写字母、数字、下划线（_）或连字符（-）。

  • +: 表示前面的字符集（即 [a-zA-Z0-9_-]）必须出现一次或多次。因此，这部分匹配电子邮件地址的用户名- 部分（在 @ 之前的部分）。

• 3、@: 匹配文字字符 @。

• 4、[a-z0-9]+:

  • [a-z0-9]: 这是一个字符集，它匹配任何小写字母或数字。
  • +: 表示前面的字符集（即 [a-z0-9]）必须出现一次或多次。这部分匹配电子邮件地址的域名部分（在 @ 之后的部分），但请注意，它只接受小写字母和数字，并且没有点（.）来分隔子域名。

• 5、 .com: 匹配文字字符 .com。这部分是电子邮件地址的顶级域名（TLD），如果是别的，就可以换成别的

• 6、$: 这是正则表达式的结束锚点，它确保整个字符串的结束与前面的模式匹配。

8. python 正则中r的作用

• 在Python中，字符串中的反斜杠（\）是一个特殊字符，它用于表示转义序列，如\n（换行）、\t（制表符）等。但是，在正则表达式中，我们经常需要使用到反斜杠，比如\d（匹配任何数字）、\s（匹配任何空白字符）等 ,如果没有r前缀，我们需要为每个反斜杠写两个反斜杠（\）来避免Python解释器将其视为转义字符。但这样做会使正则表达式变得难以阅读和编写。

• 使用r前缀，就可以直接写出你想要的正则表达式，而无需担心Python解释器会将其中的反斜杠视为转义字符。

• 8.1 不使用 r 前缀

import re  
pattern = '\\d+'  # 匹配一个或多个数字  
match = re.search(pattern, 'abc123def')  
if match:  
    print(match.group())  # 输出: 123

• 8.2 如果使用r前缀的话

import re  
pattern = r'\d+'  # 匹配一个或多个数字  
match = re.search(pattern, 'abc123def')  
if match:  
    print(match.group())  # 输出: 123

由于使用了r前缀，我们可以直接写出\d+而无需担心Python解释器会误解它。这使得正则表达式更加清晰和易于编写。