正则表达式语法：
| 单字符串匹配规则 |
| 匹配多个字符串 |
| 开始结束和或语法 |
| 转义字符和原生字符串 |
re模块中常用的函数
| match | search | group分组 | findall | sub | split | compile |
1、单个字符匹配 ——使用match方法
| 匹配某个字符 | 直接写字符 |
| 匹配任意的字符（除了'\n'） | . |
| 匹配任意的数字 | \d |
| 匹配任意非数字 | \D |
| 匹配的是空白字符串（\n \t \r 和空格） | \s |
| 匹配非空白字符串 | \S |
| 匹配的是a-z和A-Z以及数字和下划线 规则和python当中变量的命名一致 | \w |
| 匹配的是与\w相反的 | \W |
| 组合的方式， 只要满足中括号中的某一项都算匹配成功 | [] |
代码详解
import re
# 匹配某个字符
text = 'python'
# match方法匹配第一个，如果第一个匹配不到则返回结果为空
res = re.match('p', text)
print('只匹配一个字符',res.group())
# . 匹配任意的字符（除了'\n'）
text = 'python'
res = re.match('.', text)
print('匹配任意字符:"."',res.group())
# \d 匹配任意的数字
text = '1python'
res = re.match('\d', text)
print('匹配任意数字:"\d"', res.group())
# \D 匹配任意非数字
text = 'python'
res = re.match('\D', text)
print('匹配任意非数字:"\D"', res.group())
# \s 匹配的是空白字符串（\n \t \r 和空格）
text = '\npython'
res = re.match('\s', text)
print('匹配的是空白字符:"\s"', res.group(), r'\n\t\r空格')
# \S 匹配非空白字符串
text = 'python'
res = re.match('\S', text)
print('匹配的是非空白字符:"\S"', res.group())
# \w 匹配的是a-z和A-Z以及数字和下划线
# 规则和python当中变量的命名一致
text = '_python'
res = re.match('\w', text)
print('匹配的是a-z和A-Z以及数字和下划线:"\w"', res.group())
# \W 匹配的是与\w相反的
text = '+_python'
res = re.match('\W', text)
print('匹配的是与\w相反的内容:"\W"', res.group())
# [] 组合的方式， 只要满足中括号中的某一项都算匹配成功
# 实现单个字符匹配
text = 'python'
res = re.match('[py]', text)
print('用组合方式匹配指定字符:[py]', res.group())
# 组合的方式实现 \d 匹配
text = '3python'
res = re.match('[0-9]', text)
print('用组合的方式匹配数字:[0-9]', res.group())
# 组合的方式实现 \D 匹配
text = 'python'
res = re.match('[^0-9]', text)
print('用组合的方式实现"\D":[^0-9]', res.group())
# 组合的方式实现 \s 匹配
text = '\t+python'
res = re.match('[\n\t\r ]', text)
print(r'组合的方式实现"\s"[\n\r\t ]', res.group(), r'\n\r\t ')
# 组合的方式实现\S 匹配
text = '-python'
res = re.match('[^\n\t\r ]', text)
print(r'组合的方式实现"\S"[^\n\t\r ]', res.group())
# 组合的方式实现\w 匹配
text = '456_python'
res = re.match('[0-9a-zA-z]', text)
print('组合的方式实现"\w"[0-9a-zA-z]', res.group())
# 组合的方式实现 \W 匹配
text = '+python'
res = re.match('[^0-9a-zA-z]', text)
print('组合的方式实现"\W"[^0-9a-zA-z]', res.group())
2、多字符匹配
| * | 匹配前一个字符0次或者无限次 |
| + | 匹配前一个字符1次或者无限次 |
| ? | 匹配前一个字符0次或者1次 |
| {m}/{m,n} | 匹配前一个字符m次或者n次 |
| *?/+?/?? | 匹配模式变成非贪婪(尽可能少匹配字符) |
详细代码例子
import re
# 匹配单个字符
# *:匹配任意多个字符
'''
如果满足条件，匹配到了，那就直接匹配多少返回多少
如果没有匹配成功，也不会报错，只是返回空而已
'''
text = 'python'
res = re.match('\w*', text)
print('匹配任意多个字符*:',res.group())
# +:匹配1个或多个字符
'''
最少要返回一个字符，如果没有匹配到，那就直接报错
'''
text = 'python'
res = re.match('\w+', text)
print('匹配1个或多个字符+:',res.group())
# ？:匹配前一个字符0个或者1个
'''
如果匹配到的，那就返回一个，
匹配不到，就返回0个，不报错
'''
text = '+python'
res = re.match('\w?', text)
print('匹配前一个字符0个或者1个*:',res.group())
# {m}:匹配m个字符
'''
匹配到了就返回结果，匹配不到就报错
'''
text = 'python'
res = re.match('\w{3}', text)
print('匹配m个字符{m}:',res.group())
# {m, n}:匹配m-n之间的个数的字符
'''
返回m-n直接的个数的字符，
如果字符串里面符合要求的个数满足n个，则直接输出n个字符
'''
text = 'python'
res = re.match('\w{2,4}', text)
print('匹配m-n之间的个数的字符{m, n}:',res.group())
运行结果
3、正则练习
import re
# 验证手机号；手机号的规则是1开头，第二位可以是34578，后面的9位随意
text = '13293820912'
res = re.match('1[34578]\d{9}', text)
print('验证手机:', res.group())
# 验证邮箱：邮箱的规则是邮箱的名称是用数字、英文字符、下划线组成的，然后是@符号，后面是域名
text = 'strawberry@123.com'
res = re.match('\w+@[0-9a-z]+\.[a-z]+', text)
print('验证邮箱:', res.group())
# 验证url：URL的规则是前面是http或https或ftp等传输协议，再加上一个冒号，再加斜杠，后面是任意非空白字符
text = 'https://www.baidu.com/'
# 如果要在匹配的规则当中用到一些或的条件，要用（）括起来，条件之间用|进行分割
res = re.match('(http|https|ftp)://\S+', text)
print('验证url:', res.group())
# 验证身份证：身份证的规则是，总共有18位，前面17位都是数字，后面一位可以是数字，也可以是小写的x或大写X
text = '12345678998765429x'
res = re.match('\d{17}[\dxX]', text)
print('验证身份证:', res.group())
运行效果
4、开始（^）、结束（$）、非贪婪
# ^: 以...开头:
# match()方法
text = 'hello world'
res = re.match('^hello', text)
print('match ^ :', res.group())
text = 'hello world'
res = re.search('^hello', text)
print('search ^ :', res.group())
text = 'hello world'
res = re.search('world', text)
print('search world:', res.group())
text = 'hello world'
res = re.search('^world', text)
print('search ^world', res.group())
# $: 以...结尾:
text = 'hello world'
res = re.search('world$', text)
print('search $', res.group())
# 如果说在匹配的时候用^$，那文本只能是为空了
text = ''
res = re.search('^$', text)
print('search ^$', res.group())
|: 匹配多个字符串或者表达式
这个按照字面意思直接用就可以了，多个表达式中间用竖线隔开即可
贪婪和非贪婪模式
# 贪婪和非贪婪:
text = '12345'
res = re.search('\d+?', text)
print('非贪婪(问号的前面有其他的匹配符号)', res.group())
text = '12345'
res = re.search('\d+', text)
print('贪婪', res.group())
案例
# 案例一:提取html标签名称
text = '<h1>这是标题</h1>'
res = re.search('<.+>', text)
print('在+后面不加问号?的是贪婪模式:',res.group())
res = re.search('<.+?>', text)
print('加上问号?之后的是非贪婪模式:', res.group())
# 案例二:验证一个字符是不是0-100之间的数字:
# 1, 99, 100, 0
text = '12'
res = re.search('0|[1-9]\d?|100', text)
print('search方法是在字符串中去找符合条件的', res.group())
text = '01'
res = re.match('0$|[1-9]\d?|100', text)
print('match方法是从字符串开头向后去找', res.group())
# 最终的效果如下
text = '1000'
res = re.match("0$|[1-9]\d?$|100$", text)
print('必须分别以0结尾，个数数字结尾，100结尾', res.group())
5、转义字符和原生字符
import re
text = 'apple price $99, orange price $8'
# 要找出里面的价格，$符号的数字，要用到findall方法
# 返回类型是list
res = re.findall('$\d+', text)
print(res)
# 在上面的结果当中，由于$符号在正则层面是具有特殊含义的字符，表示以...结尾
# 所以在找的时候，会得不到结果,
# 如果要把这个$符号转换成普通字符，可以加入\,
# 字符串前面不能加入r，这样会导致里面所有有特殊含义的字符全部失效
res = re.findall('\$\d+', text)
print('用斜杠转义', res)
res = re.findall(r'$\d+', text)
print('用r转义', res)
# 另外一种情况, 在字符串中有\这些，而且要找带\的字符
'''
正则表达式的字符串解析规则
1、先把这个字符串放在python语言层面进行解析
2、把python语言层面解析的结果再放到正则表达式层间进行解析
'''
text = '\cabs 3' # 要匹配到\c
# 使用\进行转义
# \\\\c =(python 语言层面) -> \\c = (正则表达式层面) -> \c
res = re.match('\\\\c', text)
print(res.group())
# 使用r ，原生字符进行转义
res = re.match(r'\\c', text)
print(res.group())
运行结果:
6、 分组
| group()/group(0) | 匹配整个分组 |
| group(n) | 匹配第n个分组 |
| groups() | 获取所有分组 |
text = 'apple price : $100, banana price : $55'
# . 匹配任意字符 +一个或多个，匹配$，\d匹配数字 +一个或多个
# . 匹配任意字符 +一个或多个，匹配$，\d匹配数字 +一个或多个
res = re.search('.+\$\d+.+\$\d+', text)
print('group()', res.group())
# 那么加下来如果想要匹配'.+\$\d+.+\$\d+'中的\$\d+，要使用分组了
# 用()把需要分组的地方括起来，在group()中就可以用数字1,2去获取第几个分组的内容了
res = re.search('.+(\$\d+).+(\$\d+)', text)
print('group(n)', res.group(2), res.group(1), sep = '\n')
# group里面使用0的话，就把整个字符串匹配出来了
res = re.search('.+(\$\d+).+(\$\d+)', text)
print('group(0)', res.group(0))
res = re.search('.+(\$\d+).+(\$\d+)', text)
print('groups()', res.groups())
'''
group()/group(0):匹配整个分组
group(n):匹配第n个分组
groups():获取所有分组
'''
运行结果
7、re常用函数
| findall | 查找所有满足条件的 返回值类型是list |
| sub | 根据规则替换其他字符 |
| split | 根据规则分割字符串 |
| complie | 编译正则表达式 |
| 正则表达式中也可以加注释 | re.VERBOSE |
text = 'apple price $99, orange price $88'
# findall :查找所有满足条件的 返回值类型是list
res = re.findall('\$\d+', text)
print('findall():',res)
# sub:根据规则替换其他字符
text = 'every cloud has a silver lining, yes'
# python中的替换是str.replace('被替换字符串','替换后的字符串')
# sub()的功能更强大，可以同时选择不同的字符串被替换
res = re.sub(' ', '|', text)
print('sub:', res)
res = re.sub(' |,', '$', text)
print('sub(带正则):', res)
# 练习
div_html = '''
<div id="info">
<span><span class="pl">导演</span>: <span class="attrs"><a href="/celebrity/1313751/" rel="v:directedBy">郭敬明</a></span></span><br>
<span><span class="pl">编剧</span>: <span class="attrs"><a href="/celebrity/1313751/">郭敬明</a></span></span><br>
<span class="actor"><span class="pl">主演</span>: <span class="attrs"><span><a href="/celebrity/1274608/" rel="v:starring">赵又廷</a> / </span><span><a href="/celebrity/1333341/" rel="v:starring">邓伦</a> / </span><span><a href="/celebrity/1275649/" rel="v:starring">王子文</a> / </span><span><a href="/celebrity/1339442/" rel="v:starring">春夏</a> / </span><span><a href="/celebrity/1352236/" rel="v:starring">汪铎</a> / </span><span style="display: none;"><a href="/celebrity/1419858/" rel="v:starring">孙晨竣</a> / </span><span style="display: none;"><a href="/celebrity/1337019/" rel="v:starring">徐开骋</a> / </span><span style="display: none;"><a href="/celebrity/1393182/" rel="v:starring">欧米德</a> / </span><span style="display: none;"><a href="/celebrity/1399147/" rel="v:starring">芦展翔</a> / </span><span style="display: none;"><a href="/celebrity/1348671/" rel="v:starring">雎晓雯</a> / </span><span style="display: none;"><a href="/celebrity/1449120/" rel="v:starring">王倾</a></span><a href="javascript:;" class="more-actor" title="更多主演">更多...</a></span></span><br>
<span class="pl">类型:</span> <span property="v:genre">爱情</span> / <span property="v:genre">奇幻</span><br>
<span class="pl">制片国家/地区:</span> 中国大陆<br>
<span class="pl">语言:</span> 汉语普通话<br>
<span class="pl">上映日期:</span> <span property="v:initialReleaseDate" content="2020-12-25(中国大陆)">2020-12-25(中国大陆)</span> / <span property="v:initialReleaseDate" content="2021-02-05(美国网络)">2021-02-05(美国网络)</span><br>
<span class="pl">片长:</span> <span property="v:runtime" content="132">132分钟</span><br>
<span class="pl">又名:</span> 阴阳师(上)<br>
<span class="pl">IMDb链接:</span> <a href="https://www.imdb.com/title/tt11454718" target="_blank" rel="nofollow">tt11454718</a><br>
</div>
'''
res = re.sub(r'<.+?>', '', div_html)
print('纯文本', res)
# split:根据规则分割字符串
# 比python的split方法更灵活，也是可以使用正则语法去规定多个分隔符
text = 'I have been reading ,books of old'
res = re.split(' |,', text)
print('split:', res)
# complie:编译正则表达式
# 先编译，编译好之后直接使用，提升效率
text = 'The π : 3.1415'
r = re.compile('\d+\.?\d+') # 适用于这个匹配方式会调用成千上万次
res = re.search(r, text)
print('先经过compile:', res.group())
# 正则表达式中也可以加注释 re.VERBOSE, 用多行字符串将匹配字符包裹起来
# 加注释的话需要再正则表达式函数的最后一个参数加一个're.VERBOSE'
text = 'The π : 3.1415'
r = re.compile('''
\d+ # 匹配数字，一个或多个
\.? # 匹配小数点，0个或1个
\d+ # 匹配数字，一个或多个
''', re.VERBOSE)
res = re.search(r, text)
print('compile中加注释:', res.group())
# 注释的内容也可以放在search中
text = 'The π : 3.1415'
r = re.search('''
\d+ # 匹配数字，一个或多个
\.? # 匹配小数点，0个或1个
\d+ # 匹配数字，一个或多个
''', text,re.VERBOSE)
print('search中加注释:', r.group())
运行结果
642
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
