按照一定的规则,从某个字符串中匹配出想要的数据,这个规则就是正则表达式,正则表达式是匹配文本最快、最精准的一种方式,但是相对比较难,每一种编程语言都支持正则表达式,其匹配规则都是通用的
常用匹配规则
import re # 导入re模块
匹配某个字符串
text = 'hello'
ret = re.match('he',text)
# re.match是Python使用正则的一个方法,第一个参数是正则表达式,第二个是要匹配的字符串,除了re.match还有其他几个方法,后面会详细讲解各自的使用
print(ret.group()) # 便可以在hello中,匹配出he
匹配任意的字符:.
text = "abc"
ret = re.match('.',text)
print(ret.group()) # a
注意:. 匹配不到换行符
匹配任意的数字:\d
text = "123"
ret = re.match('\d',text)
print(ret.group()) # 1
匹配任意的非数字:\D
text = "t"
ret = re.match('\D',text)
print(ret.group()) # t 如果text是一个数字,就匹配不成功了
匹配空白字符(包括:\n,\t,\r和空格):\s
text = "\t"
ret = re.match('\s',text)
print(ret.group()) # 空白
匹配a-z、A-Z、数字、下划线:\w
text = "_"
ret = re.match('\w',text)
print(ret.group()) # _
匹配非a-z、A-Z、数字、下划线(和\w相反):\W
text = "+"
ret = re.match('\W',text)
print(ret.group())
组合的方式,只要满足中括号中的某一项都算匹配成功:[ ]
text = "0731-88888888"
ret = re.match('[\d\-]+',text)
print(ret.group()) # 0731-88888888
\d:[0-9]
\D:[^0-9]
\w:[0-9a-zA-Z_]
\W:[^0-9a-zA-Z_]
匹配多个字符(量词)
*:匹配0个或者任意多个字符
text = "0731"
ret = re.match('\d*',text)
print(ret.group()) # 0731
# 因为匹配的是\d(匹配数字),后面跟了一个星号,就可以匹配到0731这四个字符
?:匹配的字符可以出现一次或者不出现(0或者1)
text = "123"
ret = re.match('\d?',text)
print(ret.group()) # 1
+:匹配1个或者多个字符,最少一个
text = "abc"
ret = re.match('\w+',text)
print(ret.group()) # abc
# 因为匹配的是\w,后面跟了一个加号,意味着最少要有一个满足\w的字符才能够匹配到
# 如果text是一个空白字符或者是一个不满足\w的字符,就会报错
text = "" # + 最少一个
ret = re.match('\w+',text)
print(ret.group())
# AttributeError: 'NoneType' object has no attribute 'group'
{m}:匹配m个字符
text = "123"
ret = re.match('\d{2}',text)
print(ret.group()) # 12
{m,n}:匹配m-n个字符,在这中间的字符都可以匹配到
text = "123"
ret = re.match('\d{1,2}',text)
prit(ret.group()) # 12
# text只有一个字符,也可以匹配出来
text = "1"
ret = re.match('\d{1,2}',text)
prit(ret.group()) # 1
^(脱字号):表示以…开始
^ 在中括号中,代表的是取反操作
text = "hello"
ret = re.match('^h',text) # match写不写^ 默认都是匹配开头第一个,之后会讲到
print(ret.group()) # 如果开头不是h的话,就匹配不到
$:表示以…结束
# 匹配163.com的邮箱
text = "xxx@163.com"
ret = re.search('\w+@163\.com$',text) # search也是匹配正则的一个方法,后面会讲到
print(ret.group())
|:匹配多个表达式或者字符串
text = "000hellolalalworld"
ret = re.search('hello|world',text) # search不是从第一个开始匹配
print(ret.group())
text = 'http://www.123.com'
ret = re.match('(http|https|ftp)', text)
print(ret.group())
贪婪模式和非贪婪模式
贪婪模式:正则表达式会匹配尽量多的字符,默认是贪婪模式
非贪婪模式:正则表达式会尽量少的匹配字符,加个?
text = "0123456"
ret = re.match('\d+', text)
print(ret.group())
# 因为默认采用贪婪模式,匹配最大范围,所以会输出0123456
ret = re.match('\d+?', text)
print(ret.group()) # 加?,改成非贪婪模式,就只会匹配到0
text = '<h1>标题</h1>'
ret = re.match('<.+>', text)
print(ret.group())
ret = re.match('<.+?>', text)
print(ret.group())
小案例
匹配手机号码:
'1[345789]\d{9}' # 1开头,第二位可以是345789,后面9位数字任意
匹配邮箱:
'\w+@\w+\.[a-zA-Z\.]+' # 数字字母下划线 @符号 域名
匹配URL:
'http|https|ftp)://[^\s]+'
匹配身份证:
'\d{17}[\dxX]'
匹配1-100之间的数字:
'[1-9]?\d$|100$'
'0$|[1-9]\d?$|100$' # 以0结尾或者1-9数字后面跟一个任意0-9数字并以它结尾或者是以为100结尾
转义字符
在正则表达式中,有些字符是有特殊意义的字符,因此如果想要匹配这些字符,就必须使用反斜杠进行转义。比如 $ 代表的是以…结尾,如果想要匹配 $ ,就必须加个\
text = "apple price is \$99,orange paice is $88"
ret = re.search('\$(\d+)',text)
print(ret.group()) # $99
原始字符串
在正则表达式中,\是专门用来做转义的,理论上匹配\,需要用两个\
但是在Python中\也是用来做转义的,因此如果想要在普通的字符串中匹配出\,就需要用四个\
text = "apple \c"
ret = re.search('\\\\c',text)
print(ret.group())
在前面加个r就可以解决这个问题,这样就只需要两个\了
r是告诉Python这是原始字符串,引号里面是什么就是什么
简单理解就是需要转义两次,Python需要转义、正则表达式也需要转义
text = "apple \c"
ret = re.search(r'\\c',text)
print(ret.group())
text = '\\n' # 要匹配的是字符串:'\n'
ret = re.match('\\\\n', text) # 前面\\表示\ 后面\\n表示'\n'
print(ret.group())
# 一般用原始字符串r就不用这么麻烦了
ret = re.match(r'\\n', text)
print(ret.group()) # 结果\n
re模块常用函数
compile
对于一些经常要用到的正则表达式,可以使用compile进行编译,后期再使用的时候可以直接拿过来用,执行效率会更快
compile还可以指定flag=re.VERBOSE,在写正则表达式的时候可以做好注释
text = "the number is 20.50"
r = re.compile('\d+\.?\d+')
ret = re.search(r, text)
r = re.compile(r"""
\d+ # 小数点前面的数字
\.? # 小数点
\d* # 小数点后面的数字
""",re.VERBOSE) # re.VERBOSE 分行注释
ret = re.search(r,text)
findall
找出所有满足条件的,返回的是一个列表
text = 'apple price $99 orange price $88'
ret = re.findall('\d+',text)
print(ret) # ['99', '88']
match
从开始的位置进行匹配。如果开始的位置没有匹配到。就直接失败了
text = 'hello'
ret = re.match('h',text)
print(ret.group()) # 如果第一个字母不是h,就会失败
如果想要匹配换行的数据,传入一个flag=re.DOTALL,就可以匹配换行符了
text = "abc\nabc"
ret = re.match('abc.*abc',text,re.DOTALL)
print(ret.group())
search
在字符串中找满足条件的字符,如果找到,就返回(只会找到第一个满足条件的)
text = 'apple price $99 orange price $88'
ret = re.search('\d+',text)
print(ret.group()) # 99
分组
在正则表达式中,可以对过滤到的字符串进行分组,使用圆括号的方式,圆括号里的称之为子表达式
group:和group(0)是等价的,返回的是整个满足条件的字符串
groups:返回的是里面的子组。索引从1开始
group(1):返回的是第一个子组,可以传入多个
text = 'apple\'s price $99, orange\'s price is $10, huawei\' price is $250'
ret = re.search('.*(\$\d+).*(\$\d+).*(\$\d+)', text)
print(ret.group())
# 0或留空返回整个apple's price $99, orange's price is $10, huawei' price is $250
print(ret.group(0))
print(ret.group(1))
print(ret.group(2))
print(ret.group(1, 2)) # ('$99', '$10')
print(ret.groups()) # ('$99', '$10', '$250') 相当于ret.group(1, 2, ...)
sub
用来替换字符串,将匹配到的字符串替换为其他字符串
text = 'apple price $99 orange price $88'
ret = re.sub('\d+','0',text)
print(ret) # apple price $0 orange price $0
html = """
<div>
<p>基本要求:</p>
<p>1、精通HTML5、CSS3、 JavaScript等Web前端开发技术,对html5页面适配充分了解,熟悉不同浏览器间的差异,熟练写出兼容各种浏览器的代码;</p>
<p>2、熟悉运用常见JS开发框架,如JQuery、vue、angular,能快速高效实现各种交互效果;</p>
<p>3、熟悉编写能够自动适应HTML5界面,能让网页格式自动适应各款各大小的手机;</p>
<p>4、利用HTML5相关技术开发移动平台、PC终端的前端页面,实现HTML5模板化;</p>
<p>5、熟悉手机端和PC端web实现的差异,有移动平台web前端开发经验,了解移动互联网产品和行业,有在Android,iOS等平台下HTML5+CSS+JavaScript(或移动JS框架)开发经验者优先考虑;6、良好的沟通能力和团队协作精神,对移动互联网行业有浓厚兴趣,有较强的研究能力和学习能力;</p>
<p>7、能够承担公司前端培训工作,对公司各业务线的前端(HTML5\CSS3)工作进行支撑和指导。</p>
<p><br></p>
<p>岗位职责:</p>
<p>1、利用html5及相关技术开发移动平台、微信、APP等前端页面,各类交互的实现;</p>
<p>2、持续的优化前端体验和页面响应速度,并保证兼容性和执行效率;</p>
<p>3、根据产品需求,分析并给出最优的页面前端结构解决方案;</p>
<p>4、协助后台及客户端开发人员完成功能开发和调试;</p>
<p>5、移动端主流浏览器的适配、移动端界面自适应研发。</p>
</div>
"""
ret = re.sub('</?[a-zA-Z0-9]+>',"",html)
print(ret)
split
Python字符串自身也有个split方法,分割字符串
re模块中的split,可以使用正则表达式来分割字符串
text = "hello world ni hao"
ret = re.split('\W',text)
print(ret) # ["hello","world","ni","hao"]