正则表达式概述
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),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。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。
Regular Expression的“Regular”⼀般被译为“正则”、“正规”、“常规”。此处
的“Regular”即是“规则”、“规律”的意思,Regular Expression即“描述某种规则
的表达式”之意。
python中使用re模块
import re
result = re.match(正则表达式, 要匹配的字符串)
result.group() #返回匹配的结果
. ---------匹配任意1个字符(除了\n)
[ ]-------- 匹配[ ]中列举的字符
\d --------匹配数字,即0-9
\D --------匹配⾮数字,即不是数字
\s-------- 匹配空⽩,即 空格,tab键
\S --------匹配⾮空⽩
\w --------匹配单词字符,即a-z、A-Z、0-9、_
\W --------匹配⾮单词字符
Python中字符串前⾯加上 r 表示原⽣字符串
与⼤多数编程语⾔相同, 正则表达式⾥使⽤"\“作为转义字符 ,这就可能造成反
斜杠困扰。假如你需要匹配⽂本中的字符”",那么使⽤编程语⾔表示的正则
表达式⾥将需要4个反斜杠"\":前两个和后两个分别⽤于在编程语⾔⾥转义
成反斜杠,转换成两个反斜杠后再在正则表达式⾥转义成⼀个反斜杠。
表示数量
* 匹配前⼀个字符出现0次或者⽆限次,即可有可⽆
+ 匹配前⼀个字符出现1次或者⽆限次,即⾄少有1次
? 匹配前⼀个字符出现1次或者0次,即要么有1次,要么没有
{m} 匹配前⼀个字符出现m次
{m,} 匹配前⼀个字符⾄少出现m次
{m,n} 匹配前⼀个字符出现从m到n次
表示边界
^ 匹配字符串开头
$ 匹配字符串结尾
\b 匹配⼀个单词的边界
\B 匹配⾮单词边界
匹配分组
| 匹配左右任意⼀个表达式
(ab) 将括号中字符作为⼀个分组
\num 引⽤分组num匹配到的字符串
(?P<name>) 分组起别名
(?P=name) 引⽤别名为name分组匹配到的字符串
匹配0-100
import re
ret = re.match(r"[1-9]{0,2}\d$|100", "8").group()
print(ret)
需求:匹配出163、126、qq邮箱之间的数字
import re
ret = re.match(r"\w{4,20}@(163|126|qq)\.com$", "abcd@163.com").group()
print(ret)
分组
import re
ret = re.match(r"([^-]*)-(\d+)", "023-12345678")
print(ret.group(0)) #返回所有分组的内容,括号里也可不写0
print(ret.group(1)) #返回第一个分组
print(ret.group(2)) #返回第二个分组
ret = re.match(r"<([a-zA-Z]*)>\w*</\1>", "<html>123456</html>")
# \1 表示和第一个分组的内容一样,内容不一样不能匹配
分组别名
别名写在分组的前面(?P<name1> 正则表达式)
引用别名 (?P=name)
ret = re.match(r"<(?P<name1>[a-zA-Z]*)><(?P<name2>[a-z]\d)>.*</(?P=name2)></(?P=name1)>", "<html><h1>123456</h1></html>")
re模块的⾼级⽤法
search
检索字符串中的内容
ret = re.search(r"\w*<h1>", "test1<h1>135315 test2<h1>")
print(ret.group())
运行结果
search从左向右依次检索,当匹配到第一个满足的条件时停止,不再向后检索
findall
和search类似,同样是检索内容
不同的是search匹配第一个,findall匹配所有符合的内容
ret = re.findall(r"\w*<h1>", "test1<h1>135315 test2<h1>")
print(ret)
运行结果
注意: findall返回的是一个列表
sub 将匹配到的数据进⾏替换
ret = re.sub(r"\d+", "50", "python = 111 php = 222") #将数字替换成50
print(ret)
运行结果
import re
def fun(result):
# result += 50
return str(50) #返回时必须是字符串类型的
ret = re.sub(r"\d+", fun, "python = 100, php = 200")
print(ret)
运行结果
import re
def fun(result):
num = result.group() #提取匹配的值
r = int(num) + 50
return str(r)
ret = re.sub(r"\d+", fun, "python = 100, php = 200")
print(ret)
运行结果
split
根据匹配进⾏切割字符串,并返回⼀个列表
import re
ret = re.split(r",| ", "python = 100, php = 200")
print(ret)
运行结果
python贪婪和⾮贪婪
Python⾥数量词默认是贪婪的(在少数语⾔⾥也可能是默认⾮贪婪),总是
尝试匹配尽可能多的字符;
⾮贪婪则相反,总是尝试匹配尽可能少的字符。
解决⽅式:⾮贪婪操作符“?”,这个操作符可以⽤在"*","+","?"的后⾯,要求
正则匹配的越少越好。
import re
s = "This number is 023-6888-5555"
ret = re.match(r".+(\d+-\d+-\d+)", s)
print(ret.group(1))
**运行结果**
在正则表达式的后面加上 ?,可以让他变成非贪婪模式
import re
s = "This number is 023-6888-5555"
ret = re.match(r".+?(\d+-\d+-\d+)", s)
print(ret.group(1))
运行结果