正则表达式（一）

正则表达式（一）

一、概述

• 定义

  正则表达式是一种文字匹配模式，其本质是由一系列字符和特殊符号构成的，这个字串即正则表达式。

• 原理

  通过普通字符和特定含义的字符，来组成字符串，用以描述一定的字符串规则，比如：重复，位置等。来表达某类特定的字符串，进而匹配。

• 应用

  目前在自动化、接口测试中，如Jmeter进行接口关联操作时，往往会运用正则表达式进行匹配。

本篇主要讲述正则表达式中的基础，也是最重要的元字符。

二、元字符的使用

1、匹配字符

匹配字符：.，[...]，[^...]，\d，\D，\w，\W，\s，\S

• 普通字符

匹配规则：每个普通字符匹配其对应的字符

>>> re.findall('abc','abcdefgabc')
['abc','abc']

普通字符和我们在word中找一个文字是一样的，想找’abc’就直接输入’abc’。汉字也是可以直接匹配的。

re模块是python独有的匹配字符串的模块。在下一篇会继续讲解。

• 匹配单个字符

元字符：.

匹配规则：匹配除换行外的任意一个字符

>>> re.findall('马.','马云,马三和马化腾')
['马云', '马三', '马化']

被匹配的字串是一个整体，根据要查找的马.去匹配所有符合规则的字串。

• 匹配字符集

元字符：[字符集]

匹配规则：匹配字符集中的任意一个字符

表达形式：

[abc#!好] 表示 [] 中的任意一个字符
[0-9],[a-z],[A-Z] 表示区间内的任意一个字符
[_#?0-9a-z] 混合书写，一般区间表达写在后面

>>> re.findall('[aeiou]','How are you!')
['o', 'a', 'e', 'o', 'u']

• 匹配字符集反集

元字符：[^字符集]

匹配规则：匹配除了字符集以外的任意一个字符

>>> re.findall('[^1-5]','0123456789')   
['0', '6', '7', '8', '9']

• 匹配任意（非）数字字符

元字符：\d，\D

匹配规则：\d匹配任意数字字符，\D匹配任意非数字字符

>>> re.findall('\d{1,5}','Mysql:3306,Redis:6379')
['3306', '6379']

• 匹配任意（非）普通字符

元字符：\w，\W

匹配规则：\w匹配普通字符，\W匹配非普通字符

说明：普通字符指数字，字母，下划线，汉字。

>>> re.findall('\w+','Mysql:3306,Redis:6379')    
['Mysql', '3306', 'Redis', '6379']

• 匹配任意（非）空字符

元字符：\s，\S

匹配规则：\s匹配空字符，\S匹配非空字符

说明：空字符指空格\r \n \t \v \f 字符

>>> re.findall('\S+','Hello World')
['Hello', 'World']

2、匹配重复

• 元字符：*

匹配规则：匹配前面的字符出现0次或多次

>>> re.findall('12*','13,123,1223,12223')
['1', '12', '122', '1222']

• 元字符：+

匹配规则：匹配前面的字符出现1次或多次

>>> re.findall('[A-Z][a-z]+','Hello Python')
['Hello', 'Python']

注意：第一个[A-Z]只匹配了H和P，[a-z]+匹配了后面的字母。

• 元字符：?

匹配规则：匹配前面的字符出现0次或1次

>>> re.findall('-?[0-9]+','坐标：x:13,y:-6,z:20')
['13', '-6', '20']

• 元字符：{n}

匹配规则：匹配前面的字符出现n次

>>> re.findall('1[0-9]{10}','Tom:13868686888')
['13868686888']

• 元字符：{m,n}

匹配规则：匹配前面的字符出现m-n次

>>> re.findall('1[0-9]{5,10}','lily:146245,tom:123457212,lucy:152724')
['146245', '123457212', '152724']

匹配数字1开头，后面跟着5到10个数字的字串

3、匹配位置

• 元字符：^

匹配规则：匹配目标字符串的开头位置

re.findall('^今天','今天星期几？今天星期一，明天星期二')
['今天']

注意：加^和不加的区别。

• 元字符：$

匹配规则：匹配目标字符串的结尾位置

>>> re.findall('星期二$','明天星期几？明天星期二') 
['星期二']

规则技巧：^和$一定是在正则表达式的开头和结尾处。如果两个同时出现，则中间的部分必须匹配整个目标字符串的全部内容

• 匹配（非）单词的边界位置

元字符：\b,\B

匹配规则：\b表示单词边界，\B表示非单词边界

说明：单词边界指数字字母(汉字)下划线与其他字符的交界位置

>>> re.findall(r'\bis\b','This is a test')
['is']

注意： 当元字符符号与Python字符串中转义字符冲突的情况则需要使用r将正则表达式字符串声明为原始字符串，如果不确定那些是Python字符串的转义字符，则可以在所有正则表达式前加r。

4、其他

• 或关系

元字符：|

匹配规则：匹配|两侧任意的正则表达式即可

>>> re.findall('com|cn',"www.baidu.com/www.google.com/www.qq.cn")
['com','com','cn']

• 转义

元字符：\

匹配规则：如果匹配的目标字符串中包含正则表达式特殊字符，则在表达式中元字符就想表示其本身含义时就需要进行 \ 处理。

特殊字符: . * + ? ^ $ [] () {} | \

• 操作方法：在正则表达式元字符前加 \ 则元字符就是去其特殊含义，就表示字符本身，匹配特殊字符 . 时使用 \. 表示本身含义

>>> re.findall('-?\d+\.?\d*',"123,-123,1.23,-1.23")
['123', '-123', '1.23', '-1.23']

-?\d+\.?\d*这里的.就是表示本身含义，而非元字符了。

三、小结

本篇主要涉及了元字符的使用，也是正则表达式的基础。

序号	元字符	含义
01	.	匹配单个字符
02	[字符集]	匹配字符集中的任意一个字符
03	[^字符集]	匹配除了字符集以外的任意一个字符
04	\d，\D	匹配任意（非）数字字符
05	\w，\W	匹配任意（非）普通字符
06	\s，\S	匹配任意（非）空字符
07	*	匹配前面的字符出现0次或多次
08	+	匹配前面的字符出现1次或多次
09	?	匹配前面的字符出现0次或1次
10	{n}	匹配前面的字符出现n次
11	{m,n}	匹配前面的字符出现m-n次
12	^	匹配目标字符串的开头位置
13	$	匹配目标字符串的结尾位置
14	\b，\B	\b表示单词边界，\B表示非单词边界

下一篇，再来讲(非)贪婪模式，re模块的一些进阶用法。