正则表达式_python

正则表达式

简介

• 简称RE，reg，regexp…

• 它的设计思想是用
  一种描述性的语言来给字符串定义一个规则，凡是符合规则的字符串，
  我们就认为它“匹配”了，否则，该字符串就是不合法的。

精确匹配

• \d 匹配一个数字

\d\d\d – 777

• \w 匹配一个字符

\w\w\d – py3

• . 可以匹配任意字符

py. --py3 pyc py2

• 匹配变长的字符时，*表示任意个字符（包括0个），?表示0个或1个字符，{n}表示n的字符，{n,m}表示n-m个字符

\d{3}\s+\d{3,8}

\d{3} 表示匹配三个数字

\s 匹配一个空格或Tab等空白字符

\d{3-8} 表示匹配3-8个数字

010-12345 中间有个空格，用\转义，使用\d{3}\-\d{3,8}

精准匹配进阶

• []表示范围

• [0-9a-zA-Z\_]可以匹配一个数字，字母（不区分大小写），下划线

• [0-9a-zA-Z\_]+可以匹配至少一由一个数字，字母，下划线组成的字符串。eg：a0999,8_90,a,Id9a

• [a-zA-Z\_][0-9a-zA-Z\_]{0, 19} 第一个字符是字母或者下划线，后面最多匹配19位

• A|B匹配A或B，[p|P]ython可以匹配python和Python

• ^表示开头，^\d 表示以数字开头

• $表示结尾，\d$ 表示数字结尾

• *匹配前一个字符单元0次或多次

• +匹配前一个字符单元1次或多次

re模块的使用（python

• 导入：import re
• 编写时应该注意\在python里表示转义，则\d\\-\w表示\d\-\w，但是在字符串前使用r前缀，就不用考虑转义的问题了：s = r'\d\-\w'

re模块-如何匹配

match()方法

• 关于返回值：如果没有匹配到会返回None

import re

t1 = '007'

t2 = 'rdd'

print(re.match(r1,t1))
# out:<re.Match object; span=(0, 3), match='007'> 
print(type(re.match(r1,t1)))
# out:<class 're.Match'>
print(re.match(r1,t2))
# out:None
print(type(re.match(r1,t2)))
# out:<class 'NoneType'>

• 实例：检测字符串是否是三位数字

import re

t1 = '007'

t2 = 'rdd'


r1 = r'\d\d\d'

if re.match(r1,t1):
	print('[*] {}：是三个数字'.format(t1))
else:
	print('[*] {}：不是三个数字'.format(t1))

切分字符串

• 在python切分字符串时，最常用的是split方法，例如'a b c d'.split(' ')，是以空格切割字符串，但是回显结果是['a', 'b', 'c', '', '', 'd']，说明遇到连续空格时，split并不能很好的分割
• 可以使用re.split，来解决这种情况

import re

s = 'a b c  d     e'
r = r'\s+'
print(re.split(r,s))

• 当分隔符不唯一时

import re

s1 = 'a,b,c  ,d     e'
r1 = r'[\s\,]+'
print(re.split(r1,s1))

s2 = 'a,b;c  ,d     e'
r2 = r'[\s\,\;]+'

print(re.split(r2,s2))

分组

• ()表示分组

• 实例：提取账户名和邮箱类型

import re

t1 = 'rdd_null@163.com'



r1 = r'([0-9A-Za-z\_]+)\@([0-9A-Za-z\_]+\.[0-9A-Za-z\_]+)'

res = re.match(r1,t1)

if res:
	print('邮箱是：'+res.group(0))
	print('账号是：'+res.group(1))
	print('邮箱类型是：'+res.group(2))
else:
	print(t1+'不是一个邮箱')

贪婪匹配

• 正则匹配默认是贪婪匹配，也就是匹配尽可能多的字符

• 例如：

re.match(r’^(\d+)(0*)$’,‘102300’).groups()

out:(‘102300’, ‘’)

• (\d+)是贪婪匹配，一直匹配到0，所以(0*)什么都匹配不到

• 要想使后面的0也匹配出来，就要采取非贪婪匹配，把(\d+)改为(\d+?)

re.match(r’^(\d+?)(0*)$’, ‘102300’).groups()
out:(‘1023’, ‘00’)

编译

• 当我们在python中使用正则表达式时，re模块会：编译正则表达式，如果正则表达式的字符串本身不合法，会报错;用编译后的正则表达式去匹配字符串。

• 如果一个正则表达式要使用成千上万次，为了效率，我们可以预编译该正则表达式

• 使用re.compile

• 实例：去出所有的qq邮箱

import re


t1 = 'rdd_null@163.com@qq.com;741153347@qq.com;890179463@qq.com;7413347@q.com'

mail_list = re.split(r"[\;]+",t1)

tmp = r'([a-zA-Z0-9\_]+)\@qq.com$'

r2 = re.compile(tmp)
for mail in mail_list:
	res = r2.match(mail)
	if res:
		print('[*]{} 是qq邮箱'.format(mail))
	else:
		print('[*]{} 不是qq邮箱'.format(mail))

应用

awd中匹配合法flag

import re

flags = """flag{4502722e-bc78-3fde-8b78-3ff9ba827ed8}
flag{4502722e-bc78-3fde-8b78-3ff9ba827ed}
flag{4502722e-bc78-3fde-8b783ff9ba827ed8}
flag{whatareudoing}
flag{ccc}
flag{4502722e-bc78-3fde-8b78-3ff9ba827ed9}
flag{4502722e-bc78-3fde-8b78-3ff9ba827ed8}
flag{4502722e-bc78-3fde-8b78-3ff9ba827e
lag{4502722e-bc78-3fde-8b78-3ff9ba827ed8}"""

def find_flags(flags):
	flag_list = flags.split('\n')
	tmp = r'flag{([a-z0-9]{8})\-([a-z0-9]{4})\-([a-z0-9]{4})\-([a-z0-9]{4})\-([a-z0-9]{12})\}'
	reg_flag = re.compile(tmp)
	true_flags = []
	for flag in flag_list:
		res = reg_flag.match(flag)
		if res:
			print('[*]true flag:{}'.format(flag))
			true_flags.append(flag)
		else:
			print('[*]fake flag:{}'.format(flag))
	return true_flags

true_flags = find_flags(flags)
print('all flag:{}'.format(true_flags))