正则表达式概述
正则表达式,又称正规表示式、正规表示法、正规表达式、规则表达式、常规表示法(英语:Regular Expression,在代码中常简写为regex、regexp或RE),是计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。在很多文本编辑器里,正则表达式通常被用来检索、替换那些匹配某个模式的文本。
Regular Expression的“Regular”一般被译为“正则”、“正规”、“常规”。此处的“Regular”即是“规则”、“规律”的意思,Regular Expression即“描述某种规则的表达式”之意。
re模块操作
1 # 导入re模块 2 import re 3 4 # 使用match方法进行匹配操作 5 result = re.match(正则表达式,要匹配的字符串) 6 7 # 如果上一步匹配到数据的话,可以使用group方法来提取数据 8 result.group()
re.match是用来进行正则匹配检查的方法,若字符串匹配正则表达式,则match方法返回匹配对象(Match Object),否则返回None(注意不是空字符串"")。
匹配对象Macth Object具有group方法,用来返回字符串的匹配部分。
如匹配以abc开始的字符:
1 import re 2 ret=re.match('abc','abckok') 3 print(ret.group()) 4 #结果: 5 #abc
表示字符
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 |
如:“a1d45d” 匹配出a1
1 import re 2 ret=re.match('\w\d','a1d45d') 3 print(ret.group()) 4 #结果: 5 #a1
关于转义
在正则表达式中,有很多有特殊意义的是元字符,比如\d和\s等,如果要在正则中匹配正常的"\d"而不是"数字"就需要对"\"进行转义,变成'\\'。
在python中,无论是正则表达式,还是待匹配的内容,都是以字符串的形式出现的,在字符串中\也有特殊的含义,本身还需要转义。所以如果匹配一次"\d",字符串中要写成'\\d',那么正则里就要写成"\\\\d",这样就太麻烦了。这个时候我们就用到了r'\d'这个概念,此时的正则是r'\\d'就可以了。
如:
1 import re 2 ret=re.match(r'c:\\',"c:\\user\\") 3 print(ret.group()) 4 #结果: 5 #c:\
表示数量
如果要匹配多个数字,用re.match(r'\d\d\d\d\d\d\d\d\d',"11111111111abc"),这种写法会把人折磨死,re模块对数量也有相应的规则
匹配多个字符的相关格式
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,} | 匹配前一个字符至少出现m次 |
{m,n} | 匹配前一个字符出现从m到n次 |
示例1:匹配出,一个字符串第一个字母为大写字母,后面都是小写字母并且这些小写字母可有可无
1 import re 2 3 ret=re.match(r'[A-Z][a-z]*',"Asdasdd12155") 4 5 print(ret.group()) 6 7 #结果: 8 9 #Asdasdd
示例2:匹配出变量名是否有效
1 import re 2 3 ret=re.match(r'[A-Za-z_]+[\w]*',"_func") 4 5 print(ret.group()) 6 7 #结果: 8 9 #_func
示例3:匹配出0-99间的数字
1 import re 2 3 ret=re.match(r'[1-9]?[0-9]?',"569565") 4 5 print(ret.group()) 6 7 #结果: 8 9 #56
示例4:匹配出,8到20位的密码,可以是大小写英文字母、数字、下划线
1 import re 2 3 ret=re.match(r'[A-Za-z0-9_]{8,20}',"Adfsf465655f2s5a+") 4 5 print(ret.group()) 6 7 #结果: 8 9 #Adfsf465655f2s5a
表示边界
字符 | 功能 |
^ | 匹配字符串开头 |
$ | 匹配字符串结尾 |
\b | 匹配一个单词的边界 |
\B | 匹配非单词边界 |
示例1:匹配163.com的邮箱地址
1 import re 2 3 ret=re.match(r'\w{4,20}@163\.com$',"gmpzm@163.com") 4 5 print(ret.group()) 6 7 #结果: 8 9 #gmpzm@163.com
错误情况
1 import re 2 3 ret=re.match(r'\w{4,20}@163\.com$',"gmpzm@163.comsda") 4 5 print(ret.group()) 6 7 #结果: 8 9 # 10 # 11 # 12 # AttributeError: 'NoneType' object has no attribute 'group'
示例2:\b
1 import re 2 3 ret=re.match(r'.*pai\b',"gumupai") 4 5 print(ret.group()) 6 7 #结果: 8 9 # gumupai
示例3:\B
1 import re 2 3 ret=re.match(r'.*\Bmupai',"gumupai") 4 5 print(ret.group()) 6 7 #结果: 8 9 # gumupai
出错情况
1 import re 2 3 ret=re.match(r'.*\Bmupai',"gu mupai") 4 5 print(ret.group()) 6 7 #结果: 8 9 # AttributeError: 'NoneType' object has no attribute 'group'
匹配分组
字符 | 功能 |
| | 匹配左右任意一个表达式 |
(ab) | 将括号中字符作为一个分组 |
\num | 引用分组num匹配到的字符串 |
(?P<name>) | 分组起别名 |
(?P=name) | 引用别名为name分组匹配到的字符串 |
示例1:匹配1-100之间的数字
1 import re 2 3 ret = re.match("[1-9]?\d","8") 4 ret.group() 5 6 ret = re.match("[1-9]?\d","78") 7 ret.group() 8 9 # 不正确的情况 10 ret = re.match("[1-9]?\d","08") 11 ret.group() 12 13 # 修正之后的 14 ret = re.match("[1-9]?\d$","08") 15 ret.group() 16 17 # 添加| 18 ret = re.match("[1-9]?\d$|100","8") 19 ret.group() 20 21 ret = re.match("[1-9]?\d$|100","78") 22 ret.group() 23 24 ret = re.match("[1-9]?\d$|100","08") 25 ret.group() 26 27 ret = re.match("[1-9]?\d$|100","100") 28 ret.group()
示例2:匹配出163、126、qq邮箱之间的数字
1 import re 2 3 ret = re.match("\w{4,20}@163\.com", "test@163.com") 4 ret.group() 5 6 ret = re.match("\w{4,20}@(163|126|qq)\.com", "test@126.com") 7 ret.group() 8 9 ret = re.match("\w{4,20}@(163|126|qq)\.com", "test@qq.com") 10 ret.group() 11 12 ret = re.match("\w{4,20}@(163|126|qq)\.com", "test@gmail.com") 13 ret.group()
示例3:匹配出<html>古墓派掌门</html>
1 import re 2 3 ret=re.match(r'<([a-zA-Z]*)>\w+</\1>',"<html>古墓派掌门</html>") 4 5 print(ret.group()) 6 7 #结果: 8 9 #<html>古墓派掌门</html>
示例4:匹配出<html><h1>古墓派掌门</h1></html>
1 import re 2 3 ret=re.match(r'<(?P<name1>\w*)><(?P<name2>\w*)>.*</(?P=name2)></(?P=name1)>',"<html><h1>古墓派掌门</h1></html>") 4 5 print(ret.group()) 6 7 #结果: 8 9 #<html><h1>古墓派掌门</h1></html>
tips:
注意:(?P<name>)
和(?P=name)
中的字母p大写
re模块常用方法
search
函数会在字符串内查找模式匹配,只到找到第一个匹配然后返回一个包含匹配信息的对象,该对象可以通过调用group()方法得到匹配的字符串,如果字符串没有匹配,则返回None。
1 import re 2 3 ret = re.search(r"\d+", "阅读次数为 9999") 4 ret.group() 5 #结果9999
findall
返回所有满足匹配条件的结果,放在列表里
1 import re 2 3 ret=re.findall(r'\d+',"商品:辣条,数量:5,价格:5") 4 5 print(ret) 6 7 #结果: 8 9 #['5', '5']
findall的优先级查询:
1 import re 2 3 ret=re.findall(r'(数量:\d+),价格:\d+',"商品:辣条,数量:5,价格:5") 4 5 print(ret) 6 7 #结果: 8 9 #['数量:5'] 10 11 #取消优先级 12 ret=re.findall(r'(?:数量:\d+),价格:\d+',"商品:辣条,数量:5,价格:5") 13 print(ret) 14 15 # 结果 16 17 # ['数量:5,价格:5']
split
split的优先级查询
1 import re 2 ret=re.split(r'\d+',"小米3小花4小松5") 3 4 print(ret) 5 6 #结果: 7 # ['小米', '小花', '小松', ''] 8 9 ret=re.split(r'(\d+)',"小米3小花4小松5") 10 11 print(ret) 12 13 #结果: 14 # ['小米', '3', '小花', '4', '小松', '5', ''] 15 16 #取消优先级 17 ret=re.split(r'(?:\d+)',"小米3小花4小松5") 18 19 print(ret) 20 21 # 结果 22 23 # ['小米', '小花', '小松', '']
python贪婪和非贪婪
Python里数量词默认是贪婪的(在少数语言里也可能是默认非贪婪),总是尝试匹配尽可能多的字符;
非贪婪则相反,总是尝试匹配尽可能少的字符。
在"*","?","+","{m,n}"后面加上?,使贪婪变成非贪婪。
1 >>> s="This is a number 234-235-22-423" 2 >>> r=re.match(".+(\d+-\d+-\d+-\d+)",s) 3 >>> r.group(1) 4 '4-235-22-423' 5 >>> r=re.match(".+?(\d+-\d+-\d+-\d+)",s) 6 >>> r.group(1) 7 '234-235-22-423' 8 >>>
正则表达式模式中使用到通配字,那它在从左到右的顺序求值时,会尽量“抓取”满足匹配最长字符串,在我们上面的例子里面,“.+”会从字符串的启始处抓取满足模式的最长字符,其中包括我们想得到的第一个整型字段的中的大部分,“\d+”只需一位字符就可以匹配,所以它匹配了数字“4”,而“.+”则匹配了从字符串起始到这个第一位数字4之前的所有字符。
解决方式:非贪婪操作符“?”,这个操作符可以用在"*","+","?"的后面,要求正则匹配的越少越好。
>>> re.match(r"aa(\d+)","aa2343ddd").group(1) '2343' >>> re.match(r"aa(\d+?)","aa2343ddd").group(1) '2' >>> re.match(r"aa(\d+)ddd","aa2343ddd").group(1) '2343' >>> re.match(r"aa(\d+?)ddd","aa2343ddd").group(1) '2343' >>>
论贪心:
有人说贪心算法是最简单的算法,原因很简单:你我其实都很贪,根本不用学就知道怎么贪。有人说贪心算法是最复杂的算法,原因也很简单:这世上会贪的人太多了,那轮到你我的份?