正则表达式

什么是正则表达式

正则表达式，又称规则表达式**,**（Regular Expression，在代码中常简写为regex、regexp或RE），是一种文本模式，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"），是计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串，通常被用来检索、替换那些符合某个模式（规则）的文本。

为什么要使用正则表达式

给定一个正则表达式和另一个字符串，我们可以达到如下的目的：

1. 判断给定的字符串是否符合正则表达式的过滤逻辑（称作“匹配”）：

2. 可以通过正则表达式，从字符串中获取我们想要的特定部分。

关于正则表达式

正则表达式的特点

1. 灵活性、逻辑性和功能性非常强；

2. 可以迅速地用极简单的方式达到字符串的复杂控制。

3. 对于刚接触的人来说，比较晦涩难懂。

正则表达式的语法

正则表达式语法：使用元字符进行排列组合来匹配字符

元字符：具有固定含义的特殊符号

常用元字符：

1. . 匹配除换行符以外的的任意字符
2. \w 匹配字母或数字或下划线
3. \s 匹配任意的空白符
4. \d 匹配数字
5. \n 匹配一个换行符
6. \t 匹配一个制表符
8. ^ 匹配字符串的开始
9. $ 匹配字符串的结尾
11. \w 匹配非字母或数字下划线
12. \D 匹配非数字
13. \S 匹配非空白符
14. a|b 匹配字符a或b
15. () 匹配括号内的表达式，也表示一个组
16. […] 匹配字符组中的字符
17. [^…] 匹配除了字符组中字符的所有字符

量词：控制前面的元字符出现的字符

1. *重复零次或更多次
2. + 重复一次或更多次
3. ？重复一次或零次
4. {n} 重复n次
5. {n, } 重复n次或更多次
6. {n,m} 重复n到m次

贪婪匹配和惰性匹配

1. .* 贪婪匹配
2. .*？ 惰性匹配

爬虫中多使用惰性匹配

示例代码

class Verify(object):

# 验证手机号

def phone(self,yphone):

phone_pat = re.compile('^1([34578]\d|4[57]|5[0-35-9]|7[06-8]|8[89])\d{8}$')

res = re.search(phone_pat, yphone)

return True if reselse False

#验证邮箱

def email(self,yemail):

str =r'^[a-zA-Z0-9_-]+(\.[a-zA-Z0-9_-]+){0,4}@[a-zA-Z0-9_-]+(\.[a-zA-Z0-9_-]+){0,4}$'

return True if re.match(str, yemail)else False

#验证身份证

def idCard(self,cardId):

str =r'(^\d{15}$)|(^\d{18}$)|(^\d{17}(\d|X|x)$)'

return True if re.match(str, cardId)else False