这里就不说什么是正则表达式了,能看到本文的人想必都知道啥是个正则表达式吧。下面就从最基本的开始学习正则表达式
正则表达式基本元字符
字符的介绍
字符 | 含义 |
---|---|
‘.’ | 匹配换行符以外的任意单个字符; |
‘*’ | 匹配位于*前的0个或多个字符; |
‘+’ | 匹配位于+之前的一个或多个字符; “c+at” 会匹配“cat”,“ccat” |
‘|’ | 匹配位于|之前或之后的字符; 如”cat|dog”会匹配 “cat” ,”dog” |
‘^’ | 匹配行首; |
‘$’ | 匹配行尾; |
‘?’ | 匹配位于?之前的零个或一个字符; 如”d?og”会匹配og 或者dog; |
‘\’ | 匹配位于\之后的转义字符; |
‘[]’ | 匹配位于[]中的任意字符; |
‘()’ | 将()中的内容作为一个整体; |
‘{}’ | 按照{}的次数进行匹配; |
- 元字符还可以结合起来使用,
- “.*”可以匹配任意个字符,“.+”可以匹配任意的也个或多个字符,“.?”可以匹配任意的零个或者一个字符。
简单的例子:
假设我们要检验用户输入的一个网址的格式是否正确,一般的网址是怎样的格式呢 www.xxx.xxx 或者 www.xxx.com.cn .网址前可以加http://
那么我们该如何匹配上面的内容呢
我们从左到右的分析
首先网址通常是以 www 或者 http://www 开头的,所以我们可以把它当作一个整体。这时候我们想到了有个特殊的符号可以将内容作为一个整体 ,这个符号就是()
(http://www|www) #使用|满足其中任意个匹配就行
网址的中间内容一般是数字或字母,而且长度是任意的。
[a-z0-9]* #[a-zA-Z0-9]表示可以是数字字母中的任意一个字符 ,*表示匹配前面的任意多个字符
后缀可能是两到三个字符,或者是com.cn
([a-z]{2,3}|com\.cn)
那么最终的表达式如下:
(http://www|www)\.[a-zA-Z0-9]*\.([a-z]{2,3}|com\.cn)
贪婪和非贪婪模式
我们可以在* , + 等后加一个?来启用非贪婪模式,正则表达式默认情况下是贪婪的。所为贪婪就是查找过程中经可能多的匹配。
贪婪
s = " aa<div>test1</div>bb<div>test2</div>cc "
print re.findall('<div>.*</div>',s)
>>>['<div>test1</div>bb<div>test2</div>']
>
#贪婪模式下,会尽可能的匹配多个字符串,当遇到第一个</div>后,他会继续 查找后面的,直到查找完所有的字符串。返回的是最后一次遇到</div>的内容
非贪婪
s = " aa<div>test1</div>bb<div>test2</div>cc "
print re.findall('<div>.*?</div>',s)
>>>['<div>test1</div>', '<div>test2</div>']
#非贪婪模式下遇到第一个</div>就停下来,不会继续查找。
反斜杠(‘\’)的介绍
如果反斜杠后跟着一个元字符,那么元字符的特殊功能是不会被出发的。比如说上面的例子中我们为了匹配‘.’ 我们用了 ‘.’的形式。
但是反斜杠后跟一些字符会有特殊的意义
转义字符 | 特殊的含义 |
---|---|
‘\b’ | 匹配单词头或者单词尾 |
‘\B’ | 与\b含义相反 |
‘\d’ | 匹配任何数字 |
‘\D’ | 匹配任何非数字 |
‘\s’ | 匹配任何空白字符 |
‘\S’ | 匹配任何非空白字符 |
‘\w’ | 匹配任何字母数字以及下划线 |
‘\W’ | 匹配任何非数字字母下划线 |
re模块
re.match()
用于匹配正则表达式,如果匹配成功返回MatchObject对象实例。
re.match(pattern ,string[,flags])
re.search()
用于在字符串中查找正则表达式,如果查找成功,返回MatchObject对象。
re.searh(pattern ,string[,flags])
re.findall()
用于在字符串中查找所有符合正则表达式标准的字符乎串。
re.findall(pattern ,string[,flags])
- pattern 匹配模式
- string 要进行匹配的字符串
- flags 进行匹配的标志
其中flags参数可选:
- re.l : 忽略大小写
- re.L : 根据本地设置修改转义字符(\w,\W,\s,\S,\B,\b,)的匹配内容
- re.M :多行匹配模式
- re.S : 使‘.’元字符也匹配换行符
- re.U :匹配Unicode字符
- re.X :忽略pattern中的空格,并可以使用’#’注释
实例:
判断用户名称是否正确:
要求:用户名必须是数字,字母,下划线组成。
用户名可以支持中文。
if re.match(u'^[\w\u4e00-\u9fff]{6,30}$',username) == None or re.match("^[\w\S]{6-16}$",passwd) == None:
self.redict("regist.html")