第十二章 正则表达式
-
什么是正则表达式
正则表达式是字符串处理的有力工具,比字符串自身提供的方法提供了更强大的处理功能。
例如判断一个字符串是否是合法的Email地址,可以通过构造一个规则(正则表达式),去判断字符串是否能够匹配。
正则表达式,又称正规表示式、正规表示法、正规表达式、规则表达式、常规表示法(英语:Regular Expression,在代码中常简写为regex、regexp或RE),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。
在很多文本编辑器里,正则表达式通常被用来检索、替换那些匹配某个模式的文本。 -
元字符
-
re模块
Python通过re模块提供对正则表达式的支持。
使用re的一般步骤是先将正则表达式的字符串形式编译为Pattern实例
然后使用Pattern实例处理文本并获得匹配结果(一个Match实例)
最后使用Match实例获得信息,进行其他的操作。
(1)re.match函数
re.match 尝试从字符串的起始位置匹配一个模式,如果不是起始位置匹配成功的话,match()就返回None。
re.match(pattern, string, flags=0)
flags
匹配成功re.match方法返回一个匹配的对象
使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。
(2)re.search方法
re.search 扫描整个字符串并返回第一个成功的匹配
re.search(pattern, string, flags=0)
re.match与re.search的区别
re.match只匹配字符串的开始,如果字符串开始不符合正则表达式,则匹配失败,函数返回None。而re.search匹配整个字符串,直到找到一个匹配。
(3)compile 函数
compile 函数用于编译正则表达式,生成一个正则表达式( Pattern )对象,供match() 和 search() 这两个函数使用。
re.compile(pattern[, flags])
-
正则表达式集锦
最简单的正则表达式是普通字符串,可以匹配自身
‘[pjc]ython’可以匹配’python’、‘jython’、‘cython’
'[a-zA-Z0-9]'可以匹配一个任意大小写字母或数字
'[^abc]‘可以一个匹配任意除’a’、‘b’、‘c’之外的字符
‘python|perl’或’p(ython|erl)‘都可以匹配’python’或’perl’
子模式后面加上问号表示可选。r’(http://)?(www.)?python.org’只能匹配’http://www.python.org’、‘http://python.org’、‘www.python.org’和’python.org’
‘^http’只能匹配所有以’http’开头的字符串
(pattern):允许模式重复0次或多次
(pattern)+:允许模式重复1次或多次
(pattern){m,n}:允许模式重复m~n次
‘(a|b)c’:匹配多个(包含0个)a或b,后面紧跟一个字母c。
‘ab{1,}’:等价于’ab+’,匹配以字母a开头后面带1个至多个字母b的字符串。
‘1{1}([a-zA-Z0-9._]){4,19}KaTeX parse error: Undefined control sequence: \w at position 50: …_”、“.”的字符串。 '^(\̲w̲){6,20}’:匹配长度为6-20的字符串,可以包含字母、数字、下划线。
‘^\d{1,3}.\d{1,3}.\d{1,3}.\d{1,3}KaTeX parse error: Undefined control sequence: \d at position 31: …P地址。 '^(13[4-9]\̲d̲{8})|(15[01289]…’:检查给定字符串是否为移动手机号码。
‘2+KaTeX parse error: Undefined control sequence: \w at position 26: …否只包含英文字母大小写。 '^\̲w̲+@(\w+\.)+\w+’:检查给定字符串是否为合法电子邮件地址。
r’(\w)(?!.\1)’:查找字符串中每个字符的最后一次出现。
r’(\w)(?=.\1)’:查找字符串中所有重复出现的字符。
‘^(-)?\d+(.\d{1,2})?KaTeX parse error: Can't use function '\u' in math mode at position 31: …有2位小数的正数或负数。 '[\̲u̲4e00-\u9fa5]':匹…’:检查给定字符串是否为合法身份证格式。
‘\d{4}-\d{1,2}-\d{1,2}’:匹配指定格式的日期,例如2016-1-31。
'^(?=.[a-z])(?=.[A-Z])(?=.\d)(?=.[,._]).{8,}KaTeX parse error: Can't use function '\'' in math mode at position 82: …必须至少8位。 "(?!.*[\̲'̲\"\/;=%?]).+":如…‘可以检查字符串是否为IP地址,字符串’888.888.888.888’这样的也能通过检查,但实际上并不是有效的IP地址。
同样的道理,正则表达式’^\d{18}|\d{15}$'也只负责检查字符串是否为18位或15位数字,并不保证一定是合法的身份证号。