Python re 正则表达式

为什么使用正则表达式

我在测试工作中主要在jmeter 提取器,cucumber feature文件,网络爬虫对接口响应的处理等方面使用到了正则。
如不使用正则可以使用硬编码的方式解决问题，比如需要从一个文本中把手机号提取出来，可以根据手机号前后的文本特性使用str相关函数处理，但是相比于正则，硬编码方式处理相对麻烦，手机号码前后一旦出现其他非数字字符需要增加判断逻辑。使用正则表达式只需要更改匹配原则，减少代码冗余。

re常用语法

1. re.compile 建立配置对象，结合search和findall使用
2. re.search 搜寻第一个匹配结果返回，语法规则为re.search(pattern,string)
3. re.findall 搜寻所有匹配结果返回，语法规则为re.findall(pattern,string)
4. group 获取搜寻结果的分组

以下是简单示例：

    # 被搜寻的文本
    a = 'liajglaiwe<td> 9875982074564236 <td>fasegfeawgfea<td> testtr<td> <td> 9843698274369868532 <td>'
    """re.complie结合search和findall使用"""
    # 使用compile处理匹配原则
    # search_num=re.compile(r'<td> (\d*) <td>')
    # 根据匹配原则找到所有符合的结果
    # result=search_num.findall(a)
    # 根据匹配原则找到第一个符合的结果，因为有()进行分组，需要取出来第一个分组
    # result=search_num.search(a).group(1)
    """直接使用search或者findall"""
    # 不需要compile
    # result=re.findall(r'<td> (\d*) <td>',a)
    result = re.search(r'<td> (\d*) <td>', a).group(1)
    print(result)

re其他语法

1.re.search和re.findall函数可以添加第三个参数flag
1. flag为re.I即re.findall(pattern,msg,re.I)代表搜寻时忽略大小写
2. flag为re.VERBOSE即re.findall(pattern,msg,re.VERBOSE) 可以在匹配规则中为正则表达式添加注释
3. flag为re.DOTALL即re.findall(pattern,msg,re.DOTALL),没有re.DOTALL不匹配换行字符\n,有了之后所有字符都能匹配
4. 如果想使用多个flag可以添加管道，如re.findall(pattern,msg,re.VERBOSE|re.DOTALL|re.I)
如下为re.DOTALL示例:

>>> a = """\
... 123abc456jkl
... www.pynote.net
... 889977yyuupp
... !@#$%^&*()
... asdfasdf
... """
>>> re.findall('\d+.+', a)
['123abc456jkl', '889977yyuupp']
>>> re.findall('\d+.+', a, re.DOTALL)
['123abc456jkl\nwww.pynote.net\n889977yyuupp\n!@#$%^&*()\nasdfasdf\n']
>>> re.findall('\d+.+!', a, re.DOTALL)
['123abc456jkl\nwww.pynote.net\n889977yyuupp\n!']

5. re.sub(pattern,newstr,msg) 在文本中搜寻匹配的字符并替换为newstr返回
6. re.match() 与re.search功能类似，re.match是搜寻对比字符串开始的字，re.search是搜寻整个字符串
7. 对搜寻结果的处理

方法	说明
group()	可传回搜寻到的字符串
end()	可传回搜寻到的字符串的结束位置
start()	可传回搜寻到的字符串的起始位置
span()	可传回搜寻到的字符串的（起始，结束）位置

元字符

符号	功能
\	\ 转义字符，将后边紧跟着的字符变成特殊字符，或将后边的特殊字符变成普通字符 如：在正则表达式中，“\n"换行符，”\“则代表一个普通字符”"
^	匹配第一行行首，匹配多行需要传参 flags=re.MULTILINE
$	匹配最后一行行尾，匹配多行需要传参 flags=re.MULTILINE
.	除"\r"“\n"外，匹配任意的单个字符，要使”."匹配换行符，flags=re.DOTALL
|	或，如 “aaa|bbb|ccc”，表示"aaa",“bbb”,"ccc"三选一
?	匹配前边的子表达式0次或1次，等价于{0,1}
+	匹配前边的子表达式1次或多次，等价于{1,}
*	匹配前边的子表达式0次或多次,，等价于{0,}
{}	{n}匹配前边的子表达式n次，{n,}匹配前边的子表达式至少n次 即：>= n，{n,m}匹配前边的子表达式n~m次，即：n<= 表达式 <=m
()	分组，从1开始，从左至右数"("为第几组，下标0为全部分组
[]	代表对字符进行分类，对[ ]中的一个字符匹配，[ ]中只有"^“,”-“,”“三个特殊字符，其中”"代表转义字符，其它的都代表原本普通的字符，如:[.]只是一个普通的点字

字符分类示例

1. [abc] : 代表字符集匹配[]中的一个字符，a",“b”,"c"三选一
2. [a-z] ：表示a到z任意一个字符
3. [A-Z] : 表示A-Z任意一个字符
4. [2-5] : 表示2-5任意一个数字
5. [^abc]：除"a",“b”,"c"外的任意字符

特殊字符表

字符	使用说明
\d	0～9的整数字元
\D	除了0～9的整数字元以外的其他字符
\s	空白、定位、Tab键、换行、换页字符
\S	除了空白、定位、Tab键、换行、换页字符以外的其他字符
\w	数字、字母和底线字符，[A-Za-z0-9_]
\W	除了数字、字母和底线字符，[A-Za-z0-9_]以外的其他字符