还不会正则？Python正则表达式基本使用~

还不会正则？

本文转载自https://mp.weixin.qq.com/s/swbIRLIYM_QRJ6OqXA9reQ

预热

概念：

一说正则表达式，也许很多人都清楚怎么使用，却说不出正则表达式到底是什么，所以先看看百度百科是如何定义正则表达式的："正则表达式是对字符串(包括普通字符(例如，a 到 z 之间的字母) 和特殊字符(称为“元字符”)) 操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。正则表达式是一种文本模式，模式描述在搜索时要匹配的一个或多个字符串。“

目的：

从这个定义中可以看出正则表达式无非做两件事：

1. 写正则表达式；
2. 正则匹配、提取结果；

特点：

1. 灵活性、逻辑性和功能性非常强；
2. 可以迅速地用极简单的方式达到字符串的复杂控制。
3. 对于刚接触的人来说，比较晦涩难懂。

场景：

当然正则表达式应用的场景也非常多。常见的比如：搜索引擎的搜索、爬虫结果的匹配、文本数据的提取等等都会用到，所以掌握甚至精通正则表达式是一个硬核技能，非常必要。

小试牛刀

上边对正则表达式的一些概念性的东西做了一个劲简单的说明，接下来就是一些操作了。

在Python中需要通过正则表达式对字符串进行匹配的时候，直接使用Python的内置模块re即可。

• re.match的使用

re.match()能够匹配出以固定字符开头的字符串

# 导入re模块
import re

# 使用match方法进行匹配操作
result = re.match(正则表达式, 要匹配的字符串)

# 如果上一步匹配到数据的话，可以使用group方法来提取数据
result.group()

# 实例操作：
import re

ret = re.match('lph', 'lph.com')

ret.group()

'lph'

• 单个字符的匹配

下面的表是正则表达式的单个字符的匹配。

字符	功能
.	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

下面通过一些简单的实例来看几个用法

import re

# 匹配任意一个字符串
ret = re.match('l.h', 'lph')

ret.group()

'lph'

# 匹配[ ]中列举的字符
ret = re.match("[Lh]", 'Lph')

ret.group()
'L'

# 使用\d进行匹配
ret = re.match('lph\d', 'lph1frp')

ret.group()
'lph1'

• 匹配多个字符

在实际工作中大多时候匹配的是多个字符，不再是一个字符。所以这一部分必须熟悉。

字符	功能
*	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,n}	匹配前一个字符出现从m到n次

下面演示一下多字符匹配使用：

# *的匹配
需求：匹配出，一个字符串第一个字母为小写字符，后面都是大写字母并且这些大写字母可有可无
ret = re.match('[a-z][A-Z]*', 'aBcdE')

ret.group()
'aB'

# +的匹配
需求：匹配出，变量名是否有效
names = ['name1', '_name', '2_name', '__name__']

for name in names:
  ret = re.match('[a-zA-Z_]+[\w]*', name)
  if ret:
    print('变量名 %s 符合要求' % ret.group())
  else:
    print('变量名 %s 非法' % name)

变量名 name1 符合要求
变量名 _name 符合要求
变量名 2_name 非法
变量名 __name__ 符合要求

# ?的匹配
需求：匹配出，a-z之间字符
ret = re.match('[a-z]?\d', 'c55')

ret.group()
'c5'

# 匹配{m}
需求：匹配出，6位的密码，可以是大小写英文字母、数字、下划线
ret = re.match('[a-zA-Z0-9_]{6}', '12a3g45678')

ret.group()
'12a3g4'

# 匹配{m, n}
需求：匹配出，8-20位的密码，可以是大小写英文字母、数字、下划线
ret = re.match('[a-zA-Z0-9_]{8, 20}', '1ad12f23s34455ff66')
ret.group()
'1ad12f23s34455ff66'

• 匹配开头结尾

这种场景在实际中也经常用得到。比如当我们需要筛选某一个文件里面的邮箱时，就要使用到**$**规则去匹配。下面就以163.com结尾邮箱为例，演示一段代码：

import re

email_list = ['laoli@163.com', 'laoli@163.csf.com', '.com.xiaowang@qq.com']

for email in email_list:
  ret = re.match('[\W]{4,20}@163\.com$', email)
  if ret:
    print('%s 是符合规定的邮件地址，匹配后的结果是：%s' % (email, ret.group()))
  else:
    print('%s 不符合要求' % email)

运行结果如下：

很明显可以发现，满足条件的就只有一个，其余两个不是以163.com结尾的就被很好的过滤掉了。

laoli@163.com是符合规定的邮件地址，匹配后的结果是：laoli@163.com
laoli@163.csf.com不符合要求
.com.xiaowang@qq.com不符合要求

大显身手

上边看完了基础用法之后，接下来看几个正则表达式的高级方法的使用。

• search———>>结果是字符串

需求：匹配出微信某篇文章的阅读数

import re

ret = re.search(r'\d+', '文章阅读量为：35434')

ret.group()
'35434'

• findall———>>结果是列表

需求：统计出Python、c、c++相应文章阅读的次数

import re

ret = re.findall(r'\d+', 'python = 9999, c = 7890, c++ = 12345')

ret
['9999', '7890', '12345']

• sub将匹配到的数据进行替换———>>结果仍然是字符串

需求：将匹配到的字符替换为Python全家桶

ret = re.sub(r'\d+', 'Python全家桶', 'age=23')

ret
'age=Python全家桶'

• split 根据匹配进行切割字符串———>>返回一个列表

需求：切割字符串"age:33 lph python全家桶"

ret = re.split(r':| ','age:33 lph python全家桶')

ret
['age', '33', 'lph', 'python全家桶']

• 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。

Python里的原生字符串很好地解决了这个问题，有了原生字符串，你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观。

import re

ret = re.match(r'c:\\a', 'c:\\a\\b\\c').group()
print(ret)

'c:\\a'

养精蓄锐

看了上边的介绍，相信大家对正则表达式使用有了一个清晰的认识。这里再给大家列举一些工作中经常会用到的一些正则表达式。

1. Email地址：^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$

2. 域名：[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(/.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+/.?

3. InternetURL：[a-zA-z]+://[^\s]* 或 ^http://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$

4. 手机号码：^(13[0-9]|14[5|7]|15[0|1|2|3|5|6|7|8|9]|18[0|1|2|3|5|6|7|8|9])\d{8}$

5. 身份证号(15位、18位数字)：^\d{15}|\d{18}$

6. 短身份证号码(数字、字母x结尾)：^([0-9]){7,18}(x|X)?$ 或 ^\d{8,18}|[0-9x]{8,18}|[0-9X]{8,18}?$

7. 帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$

8. 密码(以字母开头，长度在6~18之间，只能包含字母、数字和下划线)：^[a-zA-Z]\w{5,17}$

到这里，就已经将字符串的基本使用介绍完了，当然这个也是一些初级知识，想要在工作中对正则表达式做到游刃有余的话， 还需要大家私下不断地学习与操作。