正则表达式

正则表达式

正则表达式，又称规则表达式**。**（英语：Regular Expression，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。

• 给定的字符串是否符合正则表达式的过滤逻辑（匹配）
• 通过正则表达式，从字符串中获得完美想要的特定的部分

使用场景

• 爬虫
• 数据挖掘和分析

因为Python是一门高级语言，程序员在使用时无需关心内存的分配和释放，因为此工作都是交给Python解释器来执行，所以，析构函数的调用是由解释器在进行垃圾回收时自动触发执行的。

在Python中使用正则需要导入re包

import re

首先我们来看两个例子来体验一下正则表达式的威力吧：

### 引入案例1

比如，已知一个列表：

​ li = [“Chinese”, “China”, “English”, “Britain”, “Canada”, “New Zealand”]

找出以Ch开头的字串。

# 法1
li = ["Chinese", "China", "English", "Britain", "Canada", "New Zealand"]
lt = []
for i in li:
	if i[0:2] == "Ch":
		lt.append(i)
print(lt)
# 法2
li = ["Chinese", "China", "English", "Britain", "Canada", "New Zealand"]
print([i for i in li if i[0:2]=="Ch"])

# 在a中，提取出23 5 67
import  re
a='ab23fd5g67'
m = r'[0-9]+'
num = re.findall(m,a)
print(num)
#23 5 67

python 正则表达式的基础

单字符匹配规则

字符	功能
.	匹配任意一个字符（除了\n）
[]	匹配[]中列举的字符
\d	匹配数字(0-9)
\D	匹配非数字（\d取反）
\w	匹配字，A-Z，a-z,0-9,_
\W	\w取反
\s	匹配空白字符，比如空格 \tab
\S	取反

• re.math(pattern,string,flags=0 )

  作用：从字符串的开头匹配一个模式

• 匹配成功返回一个匹配成功的对象

• 否则，返回None

​ 参数说明：

• 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非匹配方式。比如是否匹配多行，是否区分大小写。

• re.group（[group1,…]字符串或者元组

  • 作用：获得一个或者多个分组截获的字符串
  • 指定多个参数时就会以元组形式返回
  • group1可以使用编号，也可以使用别名
  • 编号0代表匹配整个子串，默认返回group（0）
  • 如果没有截获字符串，返回None。
  • 如果截获多次的组，返回最后一次截获的子串。

• re.groups（[default=None]）tuple

  • 作用：以元组形式返回全部分组截获的字符串。类似调用re.group（1,2,3…，last）
  • 如果没有截获字符串的组，默认返回None

demo(.)：

import re
m = re.match('.','\n')  # \n报错
print(m.group())
m = re.match('.','s')  # match 匹配开头的
print(m.group()) #s
m = re.match('.','city')  # match 匹配开头的
print(m.group()) #c

demo([ ]):

m = re.match('[Cc]','city')
print(m.group()) #c
m = re.match('[Cc]','City')  # match 匹配开头的
print(m.group()) #C
m = re.match('[0123456789]', '595') 
print(m.group())
m = re.match('[0-9]', '595')  # [0123456789]<--->[0-9]
print(m.group())

demo（\d,\D):

m = re.match(r'\D', 'i234')
print(m.group()) #i
m = re.match(r'\d', '234')
print(m.group()) #2

demo(\w,\W):

m = re.match(r'\w', 'we234')
print(m.group()) #w
m = re.match(r'\w', '234')
print(m.group()) #2
m = re.match(r'\W', ' 234')
print(m.group()) #空格

demo（\s,\S):

m = re.match(r'\s', ' 234')
print(m.group()) # 空格
m = re.match(r'\S', 'w234')
print(m.group()) #w

数量匹配规则

字符	功能
*	匹配前一个字符出现0次多次或者无限次，可有可无，可多可少
+	匹配前一个字符出现1次多次或者无限次，直到出现一次
？	匹配前一个字符出现1次或者0次，要么有1次，要么没有
{m}	匹配前一个字符出现m次
{m，}	匹配前一个字符至少出现m次
{m，n}	匹配前一个字符出现m到n次

demo（*）：

m = re.match('[A-Z][a-z]*', 'SccitySAAsss')
print(m.group()) #Sccity
m = re.match('[A-Z]*[a-z]', 'SSSSSSccitySAAsss')
print(m.group())#SSSSSSc

demo（+）：

m = re.match('[A-Z][a-z]+', 'Sccity')
print(m.group()) #Sccity

pattren = input('输入匹配规则')
sr = input('输入匹配的字符串')
m=re.match(pattren,sr)
print(m.group())
#输入匹配规则1[35678]\d{9}
#输入匹配的字符串189677200162626264464
#18967720016

表示边界

字符	功能
^	匹配字符串开头
$	匹配这字符的结尾
\b	匹配一个单词的边界 boundary
\B	匹配非单词边界

匹配分组

字符	功能
|
(ab)	将括号中的字符作为一个分组
\num	引用分组num匹配到的字符串
(?p)	分组起别名
(?p=name)	引用别名为name分组匹配到的字符串

str = '<h1>hello world!</h1>'
pat = '<h1>(.*)</h1>'
res =re.match(pat,str)
print(res.group())
print(res.group(1))
print(res.groups())
#<h1>hello world!</h1>
#hello world!
#('hello world!',)

re.search(pattern,str,flags=0)

• 作用：扫描整个字符串，返回第一次成功匹配的对象
• 如果匹配失败，返回None
• 参数：
  • 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非匹配方式。比如是否匹配多行，是否区分大小写。