正则表达式
谈到正则,就只和字符串相关了,比如你要用"1"去匹配"1",或者用"2"去匹配"2",直接就可以匹配上。这连python的字符串操作都可以轻松做到。
那么在之后我们更多要考虑的是在同一个位置上可以出现的字符的范围。
正则表达式--之字符组,即[]
字符组 : [字符组]
在同一个位置可能出现的各种字符组成了一个字符组,在正则表达式中用[]表示
字符分为很多类,比如数字、字母、标点等等。
假如你现在要求一个位置"只能出现一个数字",那么这个位置上的字符只能是0、1、2...9这10个数之一。
正则
带匹配字符串
匹配结果
说明
[0123456789]
7
True
在一个字符组里枚举合法的所有字符,字符组里的任意一个字符
和"待匹配字符"相同都视为可以匹配
[0123456789]
d
False
[0123456789]字符组里没有字符串d,所以不可以匹配
[0-9]
7
True
可以用-表示范围,和[0123456789]一个意思
[a-z]
s
True
表示小写字母[a-z],可以匹配到小写字母a-z之间的任意字母
[A-Z]
V
True
表示大写字母[A-Z],可以匹配到大写字母A-Z之间的任意字母
[0-9a-f-A-F]
e
True
可以匹配数字,大小写字母a-f,用来匹配16进制字符
正则表达式 -- 之字符
元字符
匹配内容
.
匹配除换行符以外的任意字符
\w
匹配字母或数字或下划线
\s
匹配任意的空白符
\d
匹配数字
\n
匹配一个换行符
\t
匹配一个制表符(tab键)
\b
匹配一个单词的结尾
^
匹配字符串的开头
$
匹配字符串的结尾
\W(大写)
匹配非字母或数字或下划线
\D(大写)
匹配非数字
\S
匹配非空白符
a|b
匹配字符a或字符b
()
匹配括号内的表达式,也表示一个组
[...]
匹配字符组中的字符
[^....]
匹配除了字符组中字符的所有字符
正则表达式 -- 之量词
量词
用法说明
*
重复零次或多次
+
重复一次或多次
?
重复零次或一次
{n}
重复n次
{n,}
重复n次或多次
{n,m}
重复n到m次
正则表达式 -- 之.^$
正则
待匹配字符
匹配
结果
说明
海.
海燕海娇海东
海燕海娇海东
匹配所有"海."的字符
^海.
海燕海娇海东
海燕
只从开头匹配"海."
海.$
海燕海娇海东
海东
只匹配结尾的"海.$"
正则表达式 -- 之*+?{}
正则
待匹配字符
匹配
结果
说明
李.?
李杰和李莲英和李二棍子
李杰
李莲
李二
?表示重复零次或一次,即只匹配"李"后面一个任意字符
李.*
李杰和李莲英和李二棍子
李杰和李莲英和李二棍子
*表示重复零次或多次,即匹配"李"后面0或多个任意字符
李.+
李杰和李莲英和李二棍子
李杰和李莲英和李二棍子
+表示重复一次或多次,即只匹配"李"后面1个或多个任意字符
李.{1,2}
李杰和李莲英和李二棍子
李杰和
李莲英
李二棍
{1,2}匹配1到2次任意字符
注意:前面的*,+,?等都是贪婪匹配,也就是尽可能匹配,后面加?号使其变成惰性匹配
正则
带匹配字符
匹配结果
说明
李.*?
李杰李连英李二棍
李
李
李
惰性匹配
正则表达式 -- 之字符集[] [^]
正则
待匹配字符
匹配
结果
说明
李[杰莲英二棍子]*
李杰和李莲英和李二棍子
李杰
李莲英
李二棍子
表示匹配"李"字后面[杰莲英二棍子]的字符任意次
李[^和]*
李杰和李莲英和李二棍子
李杰
李莲英
李二棍子
表示匹配一个不是"和"的字符任意次
[\d]
456bdha3
4
5
6
3
表示匹配任意一个数字,匹配到4个结果
[\d]+
456bdha3
456
3
表示匹配任意个数字,匹配到2个结果
正则表达式 -- 之分组与或|和非[^]
身份证号码是一个长度为15或18个字符的字符串,如果是15位则全部🈶️数字组成,首位不能为0;如果是18位,则前17位全部是数字,末位可能是数字或x,下面我们尝试用正则来表示:
正则
待匹配字符
匹配
结果
说明
^[1-9]\d{13,16}[0-9x]$
110101198001017032
110101198001017032
表示可以匹配一个正确的身份证号
^[1-9]\d{13,16}[0-9x]$
1101011980010170
1101011980010170
表示也可以匹配这串数字,但这并不是一
个正确的身份证号码,它是一个16位的数字
^[1-9]\d{14}(\d{2}[0-9x])?$
1101011980010170
False
现在不会匹配错误的身份证号了
()表示分组,将\d{2}[0-9x]分成一组,就
可以整体约束他们出现的次数为0-1次
^([1-9]\d{16}[0-9x]|[1-9]\d{14})$
110105199812067023
110105199812067023
表示先匹配[1-9]\d{16}[0-9x]如果没有
匹配上就匹配[1-9]\d{14}
正则表达式 -- 之转义符\
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。
正则
待匹配字符
匹配
结果
说明
\d
\d
False
因为在正则表达式中\是有特殊意义的字符,所以要匹配\d本身,用表达式\d无法匹配
\\d
\d
True
转义\之后变成\\,即可匹配
"\\\\d"
'\\d'
True
如果在python中,字符串中的'\'也需要转义,所以每一个字符串'\'又需要转义一次
r'\\d'
r'\d'
True
在字符串之前加r,让整个字符串不转义
正则表达式 -- 之贪婪匹配
贪婪匹配:在满足匹配时,匹配尽可能长的字符串,默认情况下,采用贪婪匹配
正则
待匹配字符
匹配
结果
说明
<.*>
默认为贪婪匹配模式,会匹配尽量长的字符串
<.*?>
r'\d'
加上?为将贪婪匹配模式
正则表达式 -- 之几个常用的非贪婪匹配Pattern
*? 重复任意次,但尽可能少重复
+? 重复1次或更多次,但尽可能少重复
?? 重复0次或1次,但尽可能少重复
{n,m}? 重复n到m次,但尽可能少重复
{n,}? 重复n次以上,但尽可能少重复
正则表达式 -- 之.*?的用法
. 是任意字符
* 是取 0 至 无限长度
? 是非贪婪模式。
何在一起就是 取尽量少的任意字符,一般不会这么单独写,他大多用在:
.*?x
就是取前面任意长度的字符,直到一个x出现
在python里正则表达式的转译问题
1、正则表达式转译
方法一:
在需要转译的正则表达式前面加上\
方法二:
在需要转移的正则表达式前面加上r
python内置模块之re模块(正则表达式模块)
re模块也是正则表达式模块,下面就来看下这个模块吧
1、re.findall -- 找整个字符串,会返回所有满足匹配条件得结果,放在列表里
import re #导入re模块
ret = re.findall('[a-z]+','eva egon yuan') #re.findall('正则匹配条件','从这里匹配'),会返回所有满足匹配条件得结果,放在列表里
print(ret) #结果为:['eva', 'egon', 'yuan']
2、re.search -- 从前往后找,找到一个就返回(不会再往后找了),返回的结果需要调用.group才能拿到,如果没有找到,那么返回None,调用group会报错
importre
ret= re.search('a','eva egon yuan').group() #re.search('正则匹配条件','从这里匹配')
print(ret) #从前往后找,找到一个就返回(既不会再往后找了),返回的变量需要调用.group才能拿到结果,如果没有找到,那么返回None,返回None时调用group会报错,
结果为:a#search正确的使用方法(防止匹配不到返回None时调用group报错)
ret = re.search('a','eva egon yuan')if ret: #如果查找结果不为空则调用下面的.group规则
print(ret.group()) #结果为:a
3、re.match用法 -- 从单词开头开始匹配,返回所有匹配上的结果,匹配的内容需要调用.group才能显示,如果没有匹配上,就返回None,返回None时调用group会报错
importre
ret= re.match('e','eva egon yuan')if ret: #match是从头开始匹配,如果正则规则从头开始可以匹配上就返回该变量(不会继续向下匹配),匹配的内容需要group才能显示,如果没有匹配上,就返回None,返回None时调用group会报错
print(ret.group()) #结果为:e
4、re.split --- 根据正则关系对字符串进行分割
importre
ret= re.split('[ab]','abcd') #先按‘a’分割,得到‘’和‘bcd’,在对‘bcd’按‘b’进行分割,得到结果为:['','','cd']
print(ret)
5、re.sub -- 替换(可指定替换次数,如果不指定就默认全部都替换了,返回结果为匹配之前的类型)
importre
ret= re.sub('\d','H','eva3egon4yuan4',1) #将数字替换为H,参数1代表替换一次(即一个),如果不指定参数1就是将所有数字都替换为字母H
print(ret) #结果为:evaHegon4yuan4
6、re.subn -- 替换,全部替换(以元组的形式返回),会返回替换了多少次:(‘替换结果’,替换多少次)
importre
ret= re.subn('\d','H','eva3egon4yuan4') #将数字替换为‘H’,返回元组:(‘替换结果’,替换了多少次)#print(ret) #结果为:('evaHegonHyuanH', 3)
7、re.compile -- 编译,如果这个正则使用次数比较多,且正则比较长的时候使用
import re
obj = re.compile('\d{3}') #将正则表达式编译成为一个正则表达式对象,规则要匹配的是三个数字
ret = obj.search('abc123eeeee456asdfd') #正则表达式对象调用search,参数为匹配数字三次#print(ret.group()) #结果为:123
8、finditer -- 正则匹配结果会返回一个迭代器,节省内存
importre
ret= re.finditer('\d','ds3sy4784a') #finditer返回一个存放匹配结果的迭代器
print(ret) #结果为:
print(next(ret).group()) #查看第一个结果
print(next(ret).group()) #查看第二个结果
print([i.group() for i in ret]) #查看剩余的所有结果
9、search 、 findall 与 split的分组问题(该特性与python相关,与正则表达式无关)
1、re.search的分组问题(支持取分组里面的内容)
importre
ret= re.search('^[1-9](\d{14})(\d{2}[0-9x])?$','110105199912122277') #匹配身份证号
print(ret.group()) #取匹配到的全部,结果为:110105199912122277
print(ret.group(1)) #取匹配到的,第一个小括号里面的内容(即(\d{14})),结果为:10105199912122
print(ret.group(2)) #取匹配到的,第二个小括号里面的内容(即(\d{2}[0-9x]?$)),结果为:277
2、re.findall的分组优先问题(即优先获取分组里面的内容)
importre
ret= re.findall('www.(71net|sui-xin).com','www.71net.com')print(ret) #结果为:['71net'] ,这是因为findall会优先把匹配结果组里的内容返回,如果想要匹配的结果,就需要取消分组优先,如何取消分组优先那?在分组里面加上?:即可,看下面
ret= re.findall('www.(?:71net|sui-xin).com','www.71net.com')print(ret) #结果为:['www.71net.com']
3、re.split分割时加上分组会保留分割符并将分隔符单独设置成一个元素
importre
ret= re.split("\d+","eva3egon4yuan") #以数字为分割符分割
print(ret) #结果为:['eva', 'egon', 'yuan']
ret= re.split("(\d+)","eva3egon4yuan") #加上分组的以数字为分隔符分割
print(ret) #结果为:['eva', '3', 'egon', '4', 'yuan'] 保留了分隔符数字
说明:在匹配部分加上()之后所切出来结果是不同的,没有()的没有保留所匹配的项,但是有()的却能够保留了匹配的项,#这个在某些需要保留部分的使用过程是非常重要的
正则表达式之使用?P给分组起名
说明:还可以在分组中利用?P的形式给分组起名字,获取的匹配结果可以直接用group('名字')拿到对应的值
importre
ret= re.search("<(?P\w+)>\w+(?P=tag_name)>","
heelo
")print(ret.group('tag_name')) #结果:h1print(ret.group()) #结果:
heelo
ret= re.search(r"<(\w+)>\w+\1>","
heelo
")print(ret.group(1)) #结果:h1print(ret.group()) #结果:
hello
获取整数排除小数
importre
ret= re.findall(r"\d+\.\d+|(\d+)","1-2*(60+(-40.35/5)-(-4*3))")print(ret) #结果为:['1', '2', '60', '', '5', '4', '3']
ret.remove('')print(ret) #结果为:['1', '2', '60', '5', '4', '3']