正则表达式

正则表达式

又称规则表达式

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，从字符串中获取我们想要的特定的部分

使用场景：

-爬虫

-数据挖掘和分析

假如在字符串 ‘asd23sd5fgg67’ 中提取23,5,6 如何实现

import re
a='as23d5s67'
m=r'[0-9]+'
num=re.findall(m,a)
print(num)

#['23', '5', '67']

在

hello world 18111234589 name:张三,tel:18711001111 中提取两个 中的内容

a='<table><tr>hello world 18111234589<tr><tr><span>name:张三,tel:18711001111</span></tr></table>'
start=a.find('<span>')
end=a.find('</span>')
print(a[start+len('<span>'):end])

re.match(pattern,string,flag=0)

​ -作用：从字符串的开头开始匹配一个模式

​ *匹配成功则返回匹配成功的对象

​ *否则，返回None

​ -参数说明：

​ pattern是匹配规则

​ string是要匹配的字符串

​ flag：标志位，用于控制正则表达式的匹配方式。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代表匹配整个字符串，默认返回group(0)

​ -如果没有截获字符串，返回None

​ -截获了多次的组，返回最后一次截获的字符串

re.groups([default=None])tuple

​ -作用：以元组形式返回全部分组截获的子串。类似调用re.group（1,2…,last）

​ -如果没有截获字符串的组，默认返回None

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

import re
print(re.search('a','Aliyun is a').group())
print(re.search('yun','Aliyun is a').group())
print(re.search('yun','Aliyu  n is a').group())

输出：
a
yun
报错

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

​ -作用：获取字符串所有匹配的子串，并以列表形式返回

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

​ 作用：获取字符串所有匹配的字串，并返回一个迭代器

re.search和re.match区别**

-re.match()从字符串开头开始匹配，如果失败返回None

-re.search()匹配整个字符串，直到找到一个匹配，失败反回None

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
\w	匹配字符（A-Z , a-z , 0-9 , _） 跟变量名一样
\W	取\w的反
\s	匹配空白字符，比如空格、\tab

demo：

正则表达式： .

import re

m=re.match('.','a')
print(m.group())

m=re.match('.','abc')
print(m.group())

m=re.match('.','\n')
print(m.group())

输出：
a
a
报错

正则表达式：[]

import re

m=re.match('[c]','city')
print(m.group())

m=re.match('[Cc]','City')
print(m.group())

m=re.match('[0-9]','66city')
print(m.group())

输出：
c
C
6

正则表达式：\d \D

import re

m=re.match(r'\d','66city')    #最好加上r，因为有时候
print(m.group())

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次多次或无限次，直到出现一次
？	匹配前一个字符出现1次或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

import re

m=re.match('[A-Z][a-z]*','Aasd')
print(m.group())

m=re.match('[A-Z][a-z]*','AAasd')
print(m.group())

输出：
Aasd
A

import re

pattern=input('输入匹配规则：')
sr=input('输入匹配字符串')
m=re.match(pattern,sr)
print(m.group())

#输入匹配规则：1[35678]\d{9}
#输入匹配字符串13423456789
#13423456789

表示边界

字符	功能
^	匹配字符串开头
$	匹配字符串结尾
\b	匹配一个单词的边界
\B	匹配非单词的边界

匹配分组

字符	功能
|	匹配左右任意一个表达式
（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

import re

pattern='<h1>(.*)<h1>'     #分组
sr='<h1>hello world!<h1>'
m=re.match(pattern,sr)
print(m.group())
print(m.group(1))

输出：
<h1>hello world!<h1>
hello world!