正则表达式

目录

✨什么是正则表达式

 ✨正则表达式匹配规则

✨贪婪模式和非贪婪模式

 ✨python中正则表达式的使用

---

什么是正则表达式

百科理解：

1. 正则表通常被用来检索、替换那些符合某个模式(规则)的文本。
2. 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，模式描述在搜索文本时要匹配的一个或多个字符串。

 正则表达式匹配规则

🎈易混淆语法：

        * ⌛ +

        ？⌛{n}⌛{n,}⌛{n,m}

        [xyz]⌛[^xyz] / [a-z]⌛[^a-z]

        \b⌛\B

        \s⌛\S

        \w⌛\W

🎈常用符号

元字符	描述
r'正则'	r 表示字符串为非转义的原始字符串
\	转义符，如：“\\n”匹配\n，“\n”匹配换行符；“\\”匹配“\”，“\(”则匹配“(”。
^	匹配输入字符串的开始位置。
$	匹配输入字符串的结束位置。
*	匹配前面的子表达式任意次。如：zo*能匹配“z”，“zo”，“zoo”……*等价于o{0,}
+	匹配前面的子表达式一次或多次(大于等于1次）。例如，“zo+”能匹配“zo”，“zoo”。不能匹配“z”。+等价于{1,}。
?	匹配前面的子表达式零次或一次。例如，“do(es)?”可以匹配“do”，“does”中的“do”。?等价于{0,1}。
{n}	n是一个非负整数。匹配确定的n次。例如，“o{2}”不能匹配“Bob”中的“o”，但是能匹配“food”中的两个o。
{n,}	n是一个非负整数。至少匹配n次。例如，“o{2,}”不能匹配“Bob”中的“o”，但能匹配“foooood”中的所有o。“o{1,}”等价于“o+”。“o{0,}”则等价于“o*”。
{n,m}	m和n均为非负整数，其中n<=m。最少匹配n次且最多匹配m次。例如，“o{1,3}”将匹配“fooooood”中的前三个o为一组，后三个o为一组。“o{0,1}”等价于“o?”。请注意在","和两个数之间不能有空格。
.	匹配除换行符(\r\n)之外的任何单个字符。
x|y	匹配x或y。例如，“z|food”能匹配“z”或“food”(此处请谨慎)。“[zf]ood”则匹配“zood”或“food”。
[xyz]	字符集合。匹配所包含的任意一个字符。例如，“[abc]”可以匹配“plain”中的“a”。
[^xyz]	负值字符集合。匹配未包含的任意字符。例如，“[^abc]”可以匹配“plain”中的“plin”。
[a-z]	字符范围。匹配指定范围内的任意字符。例如，“[a-z]”可以匹配“a”到“z”范围内的任意小写字母字符。注意:只有连字符在字符组内部时,并且出现在两个字符之间时,才能表示字符的范围; 如果出字符组的开头,则只能表示连字符本身.
[^a-z]	负值字符范围。匹配任何不在指定范围内的任意字符。例如，“[^a-z]”可以匹配任何不在“a”到“z”范围内的任意字符。
\b	匹配一个单词边界，也就是指单词和空格间的位置（即正则表达式的“匹配”有两种概念，一种是匹配字符，一种是匹配位置，这里的\b就是匹配位置的）。例如，“er\b”可以匹配“never”中的“er”，但不能匹配“verb”中的“er”。
\B	匹配非单词边界。“er\B”能匹配“verb”中的“er”，但不能匹配“never”中的“er”。
\d	匹配一个数字字符。等价于[0-9]。grep 要加上-P，perl正则支持
\D	匹配一个非数字字符。等价于[^0-9]。grep要加上-P，perl正则支持
\f	匹配一个换页符。
\n	匹配一个换行符。
\r	匹配一个回车符。
\s	匹配任何不可见字符，包括空格、制表符、换页符等等。
\S	匹配任何可见字符。
\t	匹配一个制表符。
\<\>	匹配词（word）的开始（\<）和结束（\>）。例如正则表达式\<the\>能够匹配字符串"for the wise"中的"the"，但是不能匹配字符串"otherwise"中的"the"。注意：这个元字符不是所有的软件都支持的。
( )	将( 和 ) 之间的表达式定义为“组”（group），并且将匹配这个表达式的字符保存到一个临时区域（一个正则表达式中最多可以保存9个），它们可以用 \1 到\9 的符号来引用。

🎈不常用符号

\cx	匹配由x指明的控制字符。例如，\cM匹配一个Control-M或回车符。x的值必须为A-Z或a-z之一。否则，将c视为一个原义的“c”字符。
\w	匹配包括下划线的任何单词字符。
\W	匹配任何非单词字符。

 🎈分类

贪婪模式和非贪婪模式

字如其名，贪婪模式是“什么都要，不挑”，即把所有可以匹配到的都匹配到；相反，非贪婪模式是“点到为止”，即只匹配能匹配到的第一个

默认贪婪模式，加了？才是非贪婪模式

?	当该字符紧跟在任何一个其他限制符（*,+,?，{n}，{n,}，{n,m}）后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串“oooo”，“o+”将尽可能多的匹配“o”，得到结果[“oooo”]，而“o+?”将尽可能少的匹配“o”，得到结果 ['o', 'o', 'o', 'o']

 python中正则表达式的使用

re模块

🎈re.match()

import re
match_obj = re.match(pattern, string, flags=0)
# pattern:匹配的正则表达式
# string：你要匹配的字符串
#flag:标志位
#匹配成功 re.match 返回一个匹配的对象，否则返回 None

flag	描述
re.I	匹配对大小写不敏感
re.M	多行匹配
re.S	使 . 匹配包括换行在内的所有字符
re.X	增加可读性，忽略空格和注释

 可以通过使用group()来提取（）里的元组，举栗如下：

import re
match_obj = re.match('(.*) and (.*?) .*','apple and orange reading books',re.M|re.I)
print("match_obj.group():" + match_obj.group())
print("match_obj.group(0):" + match_obj.group(0))
print("match_obj.group(1):" + match_obj.group(1))
print("match_obj.group(2):" + match_obj.group(2))
line = "Cats are smarter than dogs"

 结果如下：

C:\Users\Administrator\AppData\Local\Programs\Python\Python39\python.exe F:\crawling\text.py 
match_obj.group():apple and orange reading books
match_obj.group(0):apple and orange reading books
match_obj.group(1):apple
match_obj.group(2):orange

 这里需注意：没有（）会报如下错，此时就应该检查一下你的正则表达式啦！！！！！

AttributeError: 'NoneType' object has no attribute 'groups'

🎈re.search()

返回第一个成功的匹配，否则返回none （类似于非贪婪模式）

re.search(pattern, string, flags=0)

 🎈search()和match()的区别

• re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None
• re.search匹配整个字符串，直到找到一个匹配。

举个栗子：

import re
#span() 返回一个元组包含匹配 (开始,结束) 的位置
match_obj1 = re.match('apple','apple and orange reading books',re.M|re.I).span()
match_obj2 = re.match('reading','apple and orange reading books',re.M|re.I)
print("match_obj1:",match_obj1)
print("match_obj2:",match_obj2)
search_obj1 = re.search('apple','apple and orange reading books',re.M|re.I).span()
search_obj2 = re.search('reading','apple and orange reading books',re.M|re.I).span()
print("search_obj1:",search_obj1)
print("search_obj2:",search_obj2)

运行结果：

match_obj1: (0, 5)
match_obj2: None
search_obj1: (0, 5)
search_obj2: (17, 24)

🎈findall()

• 在字符串中找到正则表达式所匹配的所有子串，并返回一个列表。
• 如果有多个匹配模式，则返回元组列表；如果没有找到匹配的，则返回空列表。

• patten.findall(string,pos,endpos)

  string	要匹配的字符串
  pos	匹配字符串的起始位置
  endpos	匹配字符串的终止位置(包头不包尾)

🧨🧨🧨这里和match()和search()区分开

findall()是匹配所有

match()和search()匹配一次，其中match()是匹配一次字符串开始，而search是匹配整个字符串，范围不局限于开始

举个栗子：

patten = re.compile(r'a')
c = patten.findall("Cats are smarter than dogs",1,10)
print(len(c))

结果：2

🎈re.compile()

• 返回 RegexObject 对象。
• 用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，供 match() 和 search() 这两个函数使用。

re.compile('正则表达式',flags)

举个栗子：

patten = re.compile(r'ts')
a = patten.match("Cats are smarter than dogs",1,4)
print(a)

patten = re.compile(r'ts')
b = patten.match("Cats are smarter than dogs",2,4)
print(b)

结果如下：

None
<re.Match object; span=(2, 4), match='ts'>

🎈re.sub

• 功能：替换
• re.sub(pattern, repl, string, count=0, flags=0)

patten	正则匹配模式
repl	函数/值，要被替换的样式
string	即将被替换的字符串
count	替换的次数，默认为0表示全局替换

new_string = re.sub(r'Cats','human','Cats are smarter than dogs')
print(new_string)

结果：

C:\Users\Administrator\AppData\Local\Programs\Python\Python39\python.exe F:\crawling\text.py 
human are smarter than dogs