目录
正则表达式语法规则
百度百科简介：正则表达式是对字符串（包括普通字符（例如，a 到 z 之间的字母）和特殊字符（称为“元字符”））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。正则表达式是一种文本模式，该模式描述在搜索文本时要匹配的一个或多个字符串。
字符
| 字符 | |
|---|---|
| . | 匹配一个任意字符，换行符除外 |
| \ | 转义字符，把带有特殊含义的字符转换成无意义字符 |
| [...] | 字符集，匹配其中的任意一位。a[012]b，可以匹配a0b,a1b,a2b；可以指定范围，a[0-9]b；a[0-9a-zA-Z] |
| ^ | 取反，需要放在[]里面的最前面，a[^0-9]b 表示匹配一个非数字的任意字符 如果要匹配数字或者^字符，a[0-9^]b或者写成a[\^0-9]b |
预定义字符集
| \d | 匹配数字，等同于[0-9] |
| \D | 匹配非数字，等同于[^0-9] |
| \s | 匹配空白字符，等同于[\n\t\r\f\v] ，换行、空格、\f换页符，\v 垂直制表符 |
| \S | 匹配非空白字符 |
| \w | 匹配单词字符（数字、字母、下划线），等同于[0-9a-zA-Z_] |
| \W | 匹配非单词字符 |
数量词
| * | 匹配前一个字符0或者无限次 |
| + | 匹配前一个字符1或者无限次 |
| ? | 匹配前一个字符0次或者1次，一般和括号()组合使用 |
| {M} | 匹配前一个字符M次，{N,M}匹配N-M次，{M,} 最少M次，无上限 |
贪婪和非贪婪
贪婪：再整个表达式匹配成功的前提下，尽可能多的匹配
非贪婪：在整个表达式匹配成功的前提下，尽可能少的匹配
| 贪婪 | .*或者\s* 贪婪匹配，会一直匹配到最后不能匹配的位置 |
| 非贪婪 | .*? 非贪婪匹配，会匹配每一次出现的结果 |
例：<p>123</p><p>abcde</p> ，使用贪婪和非贪婪模式匹配这个字符串。
<p>.*</p> 贪婪匹配，*号会匹配到尽可能多的东西，匹配整个123</p><p>abcde，最后匹配结果只有一个结果集，就是整个字符串。
<p>.*?</p> 非贪婪匹配，会匹配每一次出现的结果。匹配的结果有两个：<p>123</p>和<p>abcde</p>。
边界匹配（不消耗匹配字符串中的字符)
| ^ | 匹配字符串的开头 |
| $ | 匹配字符串的结尾，空格回车也会参与匹配 |
| \A | 字符串的开头（Python中独有的写法） |
| \Z | 字符串的结尾（Python中独有的写法） |
| \b | 匹配单词和非单词的边界，单词和非单词的交界。（单词字符包括数字、字母、下划线、汉字） tom,do you have time tomorrow 匹配tom人名，tom\b tomorrow tom后面o是单词，不满足\b的要求 |
| \B | 匹配要么都是单词，要么都是非单词 |
逻辑、分组
| | | 左右表达式任意匹配一个。尝试先匹配左边再匹配右边。经常和括号配合使用，hello (aaa|bbb) |
| （ ） | 括号代表分组，或者一个整体。 |
| \num | 引用第num个分组 分组示例： Anni like Anni John like Jerry \1代表引用第一个分组的值，做搜索。 意思是把like前面的字符串用到后面\1的地方，a like b，其中b的值是和a一样的, 结果是检索出 Anni like Anni |
正则练习
在线练习正则表达式的网址： http://tool.oschina.net/regex/
1、用正则匹配如下网址
http://www.baidu.com
https://www.sina.com.cn
https://www.baidu.com/s?wd=python&name=anni
ftp://www.antvv.com
https://www.antvv.com?cate=3
(http|https|ftp)://www\.\w+\.(com\.cn|com|cn|net|gov)(/\w+)*(\?\w+=\w+)?
2、电话号码匹配（11位）
+86 13456789012
18999245678
12341134
(\B(\+86 )?|\b)1[3-9]\d{9}
3、身份证 （18位，最后一位可能是X）
368756483729876657
36875648372987665X
3687564837298766571
3687564837298766573X
\b\d{17}(\d|X)\b4、匹配年份1990-2019
1990
2019
1989
2020
2010
20101
22010
\b(199|20(0|1))\d\bPython re模块介绍
引入模块
import rereg=re.compile('正则') 编译正则表达式，之后就可以通过该对象匹配
正则检索
result=reg.match() 从文本中匹配正则表达式，从字符串第一个位置开始匹配，只匹配一次，匹配到了就返回match对象，否则返回None。
result.group() 从匹配到的对象中取出分组，如果有分组则传入分组编号取出相应组的返回值，如果没有分组不需要传或者传0。
#-*- coding: UTF-8 -*-
import re
# 取出手机号前三位和后四位
phone="13123456789"
phone_reg=re.compile("(1[3-9]\d)(\d{4})(\d{4})")
result=phone_reg.match(phone)
print(result.group(1))
print(result.group(3))
# 打印结果
# 131
# 6789
正则表达式：(1[3-9]\d)(\d{4})(\d{4})，把手机号分成了三组，每个（）是一个分组，如果取第一分组就用group(1)。
如果不取分组的信息，取整个正则匹配的数据，则group不需要传参数，或者group(0)。
#-*- coding: UTF-8 -*-
import re
phone="13123456789"
phone_reg=re.compile("(1[3-9]\d)(\d{4})(\d{4})")
result=phone_reg.match(phone)
print(result.group())
print(result.group(0))
# 打印结果：
# 13123456789
# 13123456789
reg.search() 从字符串的任意位置开始搜索，match的升级版，只匹配一次。
如果上个例子中，把手机号改掉，让 phone="我的手机号是13123456789"，用match函数是无法检索出来的。
#-*- coding: UTF-8 -*-
import re
phone="我的手机号是13123456789"
phone_reg=re.compile("(1[3-9]\d)(\d{4})(\d{4})")
result=phone_reg.match(phone)
print(result)
# 打印结果
# None改成用search就可以了
#-*- coding: UTF-8 -*-
import re
phone="我的手机号是13123456789"
phone_reg=re.compile("(1[3-9]\d)(\d{4})(\d{4})")
result=phone_reg.search(phone)
print(result.group())
# 打印结果
# 13123456789reg.findall() 任意位置搜索，匹配多次。匹配所有满足条件的字符。
返回的是列表，如果正则里面有分组，返回元组形式包装的分组返回信息；
如果没有分组，列表里面直接是返回值。
在分组开始的括号后面加上?:代表该括号不作为一个分组
str='''
我的名字是王小明，我的手机号是13114567890，我的身份证号是330721197010040515。
我的名字是孙其绥，我的手机号是13114567890，我的身份证号是330702197108020812。
我的名字是孙群领，我的手机号是13114567890，我的身份证号是33072419770516031X。
'''如何检索出上面str的所有手机号码呢？
#-*- coding: UTF-8 -*-
import re
str='''
我的名字是王小明，我的手机号是13114567890，我的身份证号是330721197010040515。
我的名字是孙其绥，我的手机号是13114567890，我的身份证号是330702197108020812。
我的名字是孙群领，我的手机号是13114567890，我的身份证号是33072419770516031X。
'''
phone_reg = re.compile("手机号是(1[3-9]\d{9})，我的")
result = phone_reg.findall(str)
print(result)
# 打印结果
# ['13114567890', '13114567890', '13114567890']现在可以检索出手机号码了，那么思考下，怎么检索出每个号码的前3位和后四位呢？结合上面的例子思考3秒钟。
#-*- coding: UTF-8 -*-
import re
str='''
我的名字是王小明，我的手机号是13114567890，我的身份证号是330721197010040515。
我的名字是孙其绥，我的手机号是13114567890，我的身份证号是330702197108020812。
我的名字是孙群领，我的手机号是13114567890，我的身份证号是33072419770516031X。
'''
# 使用分组，如果不想让中间四位检索出来，就加?:使第二个不作为一个分组
phone_reg = re.compile("手机号是(1[3-9]\d)(?:\d{4})(\d{4})，我的")
result = phone_reg.findall(str)
print(result)
# 打印结果
# [('131', '7890'), ('131', '7890'), ('131', '7890')]reg.finditer() 匹配所有满足条件的，返回一个可迭代对象
遍历返回的是match对象，用group获取值
#-*- coding: UTF-8 -*-
import re
str='''
我的名字是王小明，我的手机号是13114567890，我的身份证号是330721197010040515。
我的名字是孙其绥，我的手机号是13114567890，我的身份证号是330702197108020812。
我的名字是孙群领，我的手机号是13114567890，我的身份证号是33072419770516031X。
'''
phone_reg = re.compile("手机号是(1[3-9]\d)(?:\d{4})(\d{4})，我的")
result = phone_reg.finditer(str)
for once in result:
print(once.group(1)+"***"+once.group(2))
# 打印结果
# 131***7890
# 131***7890
# 131***7890
正则分割字符串
split() 通过正则表达式分割字符串，结果返回一个list。
#-*- coding: UTF-8 -*-
import re
str2="唱_跳,rap_篮球"
# 同时用多种字符进行分割
regex_sp = re.compile(",|_")
result = regex_sp.split(str2)
print(result)
# 返回结果
# ['唱', '跳', 'rap', '篮球']字符串替换
sub("替换字符",目标str,替换次数) 字符串替换，替换次数不设置的话，默认替换所有。
bad_str_reg = re.compile("[><\?\"/\|\\\\:\*]")
bad_str_reg.sub("目标字符",str)
subn() 字符串替换后返回替换次数和替换过的字符串
用re去调用的话：
re.sub(正则表达式,"替换字符",目标str,替换次数)
#-*- coding: UTF-8 -*-
import re
filename = "/清\华|大<学:校*花>校?花\"名.jpg"
result = re.sub("[><\?\"/\|\\\\:\*]","",filename)
print(result)
result2 = re.sub("[><\?\"/\|\\\\:\*]","",filename,5)
print(result2)
result3 = re.subn("[><\?\"/\|\\\\:\*]","",filename)
print(result3)
# 打印结果
# 清华大学校花校花名.jpg
# 清华大学校*花>校?花"名.jpg
# ('清华大学校花校花名.jpg', 9)分组引用
\num 引用分组
#-*- coding: UTF-8 -*-
import re
phone_num="13114567890"
phone_reg=re.compile("(1[3-9]\d)(\d{4})(\d{4})")
result=phone_reg.sub("\\1****\\3",phone_num)
# 第一分组+****+第三分组
print(result)
# 打印结果
# 131****7890匹配中文
如何获取一段字符串中的所有中文内容。
[\u4e00-\u9fa5]
或者
[一-龥]
（从第一个中文“一”匹配到最后一个中文“龥”（yù））
#-*- coding: UTF-8 -*-
import re
str3="我的名字是王小明，我的手机号是13114567890，我的身份证号是330721197010040515。"
print(re.findall("[\u4e00-\u9fa5]+",str3))
print(re.findall("[一-龥]+",str3))
# 打印结果
# ['我的名字是王小明', '我的手机号是', '我的身份证号是']
# ['我的名字是王小明', '我的手机号是', '我的身份证号是']
5989
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
