正则表达式
regular expression regex RE
用来简洁表达一组字符串的表达式
假设有一组字符串,
‘PN’、‘PYN’,‘PYTN’,‘PYTHN’,‘PYTHON’,对其使用正则表达式:P(Y|YT|YTH|YTHO)?N
‘PY’、‘PYY’、‘PYYY’、‘PYYYY’,正则表达式为:PY+
PY开头存在不多于10个字符,且不含P和Y,PY[^PY]{0,10}
正则表达式的作用:
- 通用的字符串表达框架
- 简洁表达一组字符串的表达式
- 针对字符串表达“简洁”和“特征”思想的工具
- 判断某字符串的特征归属(字符串匹配)
正则表达式在文本处理中十分常用
- 表达文本类型的特征(病毒、入侵等)
- 同时查找和替换一组字符串
- 匹配字符串的全部或部分
正则表达式的使用
编译:将符合正则表达式语法的字符串转换成正则表达式特征
例如:
‘PN’、‘PYN’,‘PYTN’,‘PYTHN’,‘PYTHON’,对其使用正则表达式:regex = P(Y|YT|YTH|YTHO)?N
编译成:p = re.compile(regex)
编译后的正则化表达式称为正则化表达式,未编译的成为正则化表达
正则化表达式的语法
P(Y|YT|YTH|YTHO)?N 由字符和操作符组成
正则化表达式的常用操作符
操作符 | 说明 | 实例 |
---|---|---|
{m} | 扩展前一个字符m次 | ab{2}c表示abbc |
{m,n} | 扩展前一个字符m和n次(含n) | ab{1,2}c表示abc、abbc |
^ | 匹配字符串开头 | ^abc表示abc且在一个字符串的开头 |
$ | 匹配字符串的结尾 | abc$表示abc且在一个字符串的结尾 |
() | 分组标记,内部只能使用竖线操作符 | (abc)表示abc,(abc竖线def)表示abc、def |
\d | 数字,等价于[0-9] | |
\w | 单词字符,等价于[A-Za-z0-9_] | |
. | 表示任何单个字符 | |
[] | 字符集,对单个字符给出取值范围 | [abc]表示a、b、c,[a-z]表示a到z单个字符 |
[^] | 非字符集,对单个字符给出排除范围 | [^abc]表示非a,b,c |
* | 前一个字符0次或无限次扩展 | abc*表示ab、abc、abcc、abccc等 |
+ | 前一个字符1次或无限次扩展 | abc+表示abc、abcc、abccc等 |
? | 前一个字符0次或1次扩展 | abc?表示ab、abc |
竖线 | 左右表达式任意一个 | abc竖线def表示abc或def |
正则表达式语法实例:
正则表达式
P(Y|YT|YTH|YTHO)?N
对应字符串:PN、PYN、PYTN、PYTHN、PYTHON
PYTHON+
对应字符串:PYTHON、PYTHONN、PYTHONNNN等
PY[TH]ON
对应字符串: PYTON、PYTHON
PY[^TH]?ON
对应字符串: PYAON、PYON、PYaON,中间只要不是TH均可
PY{:3}N
对应字符串: PN、PYYN、PYN、PYYYN
经典正则表达式实例
匹配IP地址的正则表达式
1、不精确
IP地址分为4段,每段范围为0-255
\d+.\d+.\d+.\d+
\d{1,3}.\d{1,3}.\d{1,3}.\d{1,3}
2、精确表达
0-99:[1-9]?\d
100-199:1\d{2}
200-249:2[0-4]\d
250-255:25[0-5]
re库介绍
Re库是python的标准库,只要安装了python就可以直接使用Re库,主要用于字符串匹配
调用方式:import re
Re库使用原生字符串在字符串前加r,原生字符串不含转义字符(中间的斜杠不被解释为转义字符)
即 raw string
例如:
r’[1-9]\d{5}’
r’\d{3}-\d{8}|\d{4}-\d{7}’
也可以使用python的string类型,但string类型将斜杠解释为转义字符,会更繁琐
例如: