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
在Python中需要通过正则表达式对字符串进行匹配的时候,可以使用一个模块,名字为re
re模块的使用过程
#coding=utf-8
# 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()
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。
re模块示例(匹配以itcast开头的语句)
#coding=utf-8
import re
result = re.match("itcast","itcast.cn")
result.group()
运行结果为:
itcast
说明
re.match() 能够匹配出以xxx开头的字符串
正则表达式的规则
表示字符
上节讲了通过re模块能够完成使用正则表达式来匹配字符串
本节讲解正则表达式的单字符匹配
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
示例1: .
#coding=utf-8
import re
ret = re.match(".","a")
ret.group()
ret = re.match(".","b")
ret.group()
ret = re.match(".","M")
ret.group()
运行结果:
In [1]: import re
In [2]: ret = re.match('.','a')
In [3]: ret.group()
Out[3]: 'a'
In [4]: ret = re.match('.','b')
In [5]: ret.group()
Out[5]: 'b'
示例2:[ ]
>>> import re
>>> # 如果hello的首字符小写,那么正则表达式需要小写的h
>>> ret = re.match("h","hello Python")
>>> ret.group()
'h'
>>> # 如果hello的首字符大写,那么正则表达式需要大写的H
>>> ret = re.match("H","Hello Python")
>>> ret.group()
'H'
>>> # 大小写h都可以的情况
>>> ret = re.match("[hH]","hello Python")
>>> ret.group()
'h'
>>> ret = re.match("[hH]","Hello Python")
>>> ret.group()
'H'
>>> #匹配0到9
>>> ret = re.match("[0123456789]","7Hello Python")
>>> ret.group()
'7'
>>> ret = re.match("[0-9]","7Hello Python")
>>> ret.group()
'7'
示例3:\d
#coding=utf-8
>>> import re
>>> # 普通的匹配方式
>>> ret = re.match("嫦娥1号","嫦娥1号发射成功")
>>> ret.group()
'嫦娥1号'
>>> ret = re.match("嫦娥2号","嫦娥2号发射成功")
>>> ret.group()
'嫦娥2号'
>>> # 使用\d进行匹配
>>> ret = re.match("嫦娥\d号","嫦娥1号发射成功")
>>> ret.group()
'嫦娥1号'
>>> ret = re.match("嫦娥\d号","嫦娥2号发射成功")
>>> ret.group()
'嫦娥2号'
说明:其他几个个匹配符和上面的类似就不举例了。
表示数量
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:*
需求:匹配出,一个字符串第一个字母为大小字符,后面都是小写字母并且这些小写字母可有可无
#coding=utf-8
>>> import re
>>> ret = re.match("[A-Z][a-z]*","Mm")
>>> ret.group()
'Mm'
>>> ret = re.match("[A-Z][a-z]*","Aabcdef")
>>> ret.group()
'Aabcdef'
>>>
示例2:+
需求:匹配出,变量名是否有效
#coding=utf-8
>>>import re
>>> ret = re.match("[a-zA-Z_]+[\w_]*","name1")
>>> ret.group()
'name1'
>>> ret = re.match("[a-zA-Z_]+[\w_]*","_name")
>>> ret.group()
'_name'
>>> ret = re.match("[a-zA-Z_]+[\w_]*","2_name")
>>> ret.group()
Traceback (most recent call last):
File "", line 1, in
AttributeError: 'NoneType' object has no attribute 'group'
示例3:?
需求:匹配出,0到99之间的数字
#coding=utf-8
>>> ret = re.match("[1-9]?[0-9]","7")
>>> ret.group()
'7'
>>> ret = re.match("[1-9]?[0-9]","33")
>>> ret.group()
'33'
>>> ret = re.match("[1-9]?[0-9]","09")
>>> ret.group()
'0'
示例4:{m}
需求: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
#coding=utf-8
>>> ret = re.match("[a-zA-Z0-9_]{6}","12a3g45678")
>>> ret.group()
'12a3g4'
>>> ret = re.match("[a-zA-Z0-9_]{8,20}","1ad12f23s34455ff66")
>>> ret.group()
'1ad12f23s34455ff66'
>>>
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:$
需求:匹配163.com的邮箱地址
#coding=utf-8
import re
# 正确的地址
>>> ret = re.match("[\w]{4,20}@163\.com", "xiaoWang@163.com")
>>> ret.group()
'xiaoWang@163.com'
# 不正确的地址
>>> ret = re.match("[\w]{4,20}@163\.com", "xiaoWang@163.comheihei")
>>> ret.group()
'xiaoWang@163.com'
# 通过$来确定末尾
>>> ret = re.match("[\w]{4,20}@163\.com$", "xiaoWang@163.comheihei")
>>> ret.group()
Traceback (most recent call last):
File "", line 1, in
AttributeError: 'NoneType' object has no attribute 'group'
示例2: \b
>>> re.match(r".*\bver\b", "ho ver abc").group()
'ho ver'
>>> re.match(r".*\bver\b", "ho verabc").group()
Traceback (most recent call last):
File "", line 1, in
AttributeError: 'NoneType' object has no attribute 'group'
>>> re.match(r".*\bver\b", "hover abc").group()
Traceback (most recent call last):
File "", line 1, in
AttributeError: 'NoneType' object has no attribute 'group'
>>>
示例3:\B
>>> re.match(r".*\Bver\B", "hoverabc").group()
'hover'
>>> re.match(r".*\Bver\B", "ho verabc").group()
Traceback (most recent call last):
File "", line 1, in
AttributeError: 'NoneType' object has no attribute 'group'
>>> re.match(r".*\Bver\B", "hover abc").group()
Traceback (most recent call last):
File "", line 1, in
AttributeError: 'NoneType' object has no attribute 'group'
>>> re.match(r".*\Bver\B", "ho ver abc").group()
Traceback (most recent call last):
File "", line 1, in
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)
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:|
需求:匹配出0-100之间的数字
#coding=utf-8
# 添加|
>>> ret = re.match("[1-9]?\d$|100","8")
>>> ret.group()
'8'
>>> ret = re.match("[1-9]?\d$|100","78")
>>> ret.group()
'78'
>>> ret = re.match("[1-9]?\d$|100","08")
>>> ret.group()
Traceback (most recent call last):
File "", line 1, in
AttributeError: 'NoneType' object has no attribute 'group'
>>> ret = re.match("[1-9]?\d$|100","100")
>>> ret.group()
'100'
示例2:( )
需求:匹配出163、126、qq邮箱之间的数字
#coding=utf-8
>>> ret = re.match("\w{4,20}@163\.com", "test@163.com")
>>> ret.group()
'test@163.com'
>>> ret = re.match("\w{4,20}@(163|126|qq)\.com", "test@126.com")
>>> ret.group()
'test@126.com'
>>> ret = re.match("\w{4,20}@(163|126|qq)\.com", "test@qq.com")
>>> ret.group()
'test@qq.com'
>>> ret = re.match("\w{4,20}@(163|126|qq)\.com", "test@gmail.com")
>>> ret.group()
Traceback (most recent call last):
File "", line 1, in
AttributeError: 'NoneType' object has no attribute 'group'
示例3:\
需求:匹配出hh
#coding=utf-8
# 能够完成对正确的字符串的匹配
>>> ret = re.match("\w*[a-zA-Z]*>", "hh")
>>> ret.group()
'hh'
# 如果遇到非正常的html格式字符串,匹配出错
>>> ret = re.match("\w*[a-zA-Z]*>", "hh")
>>> ret.group()
'hh'
# 正确的理解思路:如果在第一对<>中是什么,按理说在后面的那对<>中就应该是什么
# 通过引用分组中匹配到的数据即可,但是要注意是元字符串,即类似 r""这种格式
>>> ret = re.match(r"\w*\1>", "hh")
>>> ret.group()
'hh'
# 因为2对<>中的数据不一致,所以没有匹配出来
>>> ret = re.match(r"\w*\1>", "hh")
>>> ret.group()
Traceback (most recent call last):
File "", line 1, in
AttributeError: 'NoneType' object has no attribute 'group'
示例4:\number
需求:匹配出
www.itcast.cn
#coding=utf-8
>>> ret = re.match(r".*\2>\1>", "
www.itcast.cn
")>>> ret.group()
'
www.itcast.cn
'>>> ret = re.match(r".*\2>\1>", "
www.itcast.cn")
>>> ret.group()
Traceback (most recent call last):
File "", line 1, in
AttributeError: 'NoneType' object has no attribute 'group'
示例5:(?P) (?P=name)
需求:匹配出
www.itcast.cn
#coding=utf-8
>>> ret = re.match(r"\w*)>\w*)>.*(?P=name2)>(?P=name1)>", "
www.itcast.cn
")>>> ret.group()
'
www.itcast.cn
'>>> ret = re.match(r"\w*)>\w*)>.*(?P=name2)>(?P=name1)>", "
www.itcast.cn")
>>> ret.group()
Traceback (most recent call last):
File "", line 1, in
AttributeError: 'NoneType' object has no attribute 'group'
注意:(?P)和(?P=name)中的字母p大写
python中的正则表达式基础就这些,下节就能难点了,属于高级篇了。