正则表达式

应用场景

• 特定规律字符串的查找替换切割等

• 邮箱格式、url等格式的验证

• 爬虫项目，提取特定的有效内容

• 很多应用的配置文件

使用原则

• 只要能够通过字符串等相关函数能够解决的，就不要使用正则

• 正则的执行效率比较低，会降低代码的可读性

• 世界上最难读懂的三样东西：医生的处方、道士的神符、码农的正则

• 提醒：正则是用来写的，不是用来读的，不要试着阅读别人的正则；不懂功能时必要读正则。

基本使用

• 说明：正则是通过re模块提供支持的

• 相关函数：

  • match：从开头进行匹配，找到就立即返回正则结果对象，没有就返回None

  • search：匹配全部内容，任意位置，只要找到，立即返回正则结果对象，没有返回None

    # python依赖次模块完成正则功能
    import re
    ​
    # 从开头进行匹配，找到一个立即返回正则结果对象，没有返回None
    m = re.match('abc', 'abchelloabc')
    # 匹配全部内容，任意位置，只要找到，立即返回正则结果对象，没有返回None
    m = re.search('abc', 'helloabcshsjsldj')
    if m:
        print('ok')
        # 获取匹配内容
        print(m.group())
        # 获取匹配位置
        print(m.span())

  • findall：匹配所有内容，返回匹配结果组成的列表，没有返回None

    # 匹配所有内容，返回匹配结果组成的列表，没有返回None
    f = re.findall('abc', 'abcsdisuoiabcsjdklsjabc')
    if f:
        print(f)

  • compile：根据字符串生成正则表达式的对象，用于特定正则匹配，通过match、search、findall匹配

    # 根据字符串生成正则表达式的对象，用于正则匹配
    c = re.compile('abc')
    # 然后进行特定正则匹配
    # m = c.match('abcdefghijklmn')
    m = c.search('abcdefghijklmn')
    if m:
        print(m)
    ​
    print(c.findall('abcueywiabcsjdkaabc'))

    将re模块中的match、search、findall方法的处理过程分为了两步完成。

正则规则

• 单个字符

  普通字符：就是一对一的完全匹配
  []：中间的任意一个字符
      [a-z]：表示a到z的任意字符
      [0-9]：表示0到9的任意字符
      [^abc]：除abc之外的字符
  . ：匹配'\n'以外的任意字符
  \d：所有的数字字符，等价于[0-9]
  \D：所有的非数字字符，等价于[^0-9]
  \w：所有的数字、字母、中文、下划线等 (就是字的意思)
  \W：\w之外的所有字符
  \s：所有的空白字符，如：空格、\t、\n、\r
  \S：\s之外的所有字符
  \b：词边界，如：开头、结尾、标点、空格等
  \B：非词边界

• 次数控制

  *：前面的字符可以是任意次
  +：前面的字符至少出现一次
  ?：至多一次，0次或1次
  {m}：匹配固定的m次
  {m,}：至少m次
  {m,n}：m到n次

  正则的匹配默认是贪婪的

• 边界限定

  • ^：以指定内容开头

  • $：以指定内容结尾

  import re
  ​
  # 以指定内容开头
  # c = re.compile(r'^abc')
  # 以指定内容结尾
  # c = re.compile(r'abc$')
  # 同时限制开头和结尾
  c = re.compile(r'^abc$')
  ​
  s = c.search('abc')
  ​
  if s:
      print('ok')
      print(s.group())

• 分组匹配

  • |：表示或，具有最低的优先级

  • ()：用于表示一个整体，可以确定优先级

  import re
  ​
  # | 表示或，具有最低的优先级
  # () 用于表示一个整体，可以确定优先级
  c = re.compile(r'a(hello|world)d')
  ​
  s = c.search('aworldd')
  ​
  if s:
      print('ok')
      print(s.group())