1.为什么使用正则表达式?
为了下列场景中的需求,可以使用正则表达式非常简单的完成,这就是使用正则表达式的目的
- 在一个文件中,查找出itcast开头的语句
- 在一个文件中,找到含有itcast的语句
- 在一个文件中,找到邮箱为163或者126的所有邮件地址
2.re模块
通常正则表达式对字符串匹配的时候,可以使用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, 可以使用group方法提取数据
result.group()
例如:
result = re.match('itcast', 'itcast.cn')
ret = result.group()
print(ret) # itcast
3.匹配字符
字符 | 功能 |
---|---|
.(点) | 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 | 匹配空空,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 |
4.匹配个数
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,即至少有一次 |
? | 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, n} | 匹配前一个字符出现从m到n次 |
5.匹配开头结尾
字符 | 功能 |
---|---|
^ | 匹配字符串开头 |
$ | 匹配字符串结尾 |
- 匹配163.com的邮箱地址
import re email_list = ["xiaoWang@163.com", "xiaoWang@163.comheihei", ".com.xiaowang@qq.com"] for email in email_list: ret = re.match("[\w]{4,20}@163\.com$", email) if ret: print("%s 是符合规定的邮件地址,匹配后的结果是:%s" % (email, ret.group())) else: print("%s 不符合要求" % email)
6.元字符串
**正则表达式使用反斜杠" \ "来代表特殊形式或用作转义字符
7.匹配分组
字符 | 功能 |
---|---|
| | 匹配左右任意一个表达式 |
(ab) | 将括号中字符作为一个分组 |
\num | 引用分组num匹配到的字符串 |
(?P<name>) | 分组起别名 |
(?P=name) | 引用别名为name分组匹配到的字符串 |
- 匹配0-100之间的数字
import re ret = re.match("[1-9]?\d","8") print(ret.group()) # 8 ret = re.match("[1-9]?\d","78") print(ret.group()) # 78 # 不正确的情况 ret = re.match("[1-9]?\d","08") print(ret.group()) # 0 # 修正之后的 ret = re.match("[1-9]?\d$","08") if ret: print(ret.group()) else: print("不在0-100之间") # 添加| ret = re.match("[1-9]?\d$|100","8") print(ret.group()) # 8 ret = re.match("[1-9]?\d$|100","78") print(ret.group()) # 78 ret = re.match("[1-9]?\d$|100","08") # print(ret.group()) # 不是0-100之间 ret = re.match("[1-9]?\d$|100","100") print(ret.group()) # 100
- 匹配出163、126、qq邮箱
import re email_list = ["test@163.com", "test@126.com", "test@qq.com", "test@gmail.com"] for email in email_list: ret = re.match("[\w]{4,20}@(163|126|qq)\.com$", email) if ret: print("%s 是符合规定的邮件地址,匹配后的结果是:%s" % (email, ret.group())) else: print("%s 不符合要求" % email)
- 不是以4、7结尾的手机号码(11位)
import re tels = ["13100001234", "18912344321", "10086", "18800007777"] for tel in tels: ret = re.match("1\d{9}[0-35-68-9]", tel) if ret: print(ret.group()) else: print("%s 不是想要的手机号" % tel)
- 提取区号和电话号码
>>> ret = re.match("([^-]*)-(\d+)","010-12345678") >>> ret.group() '010-12345678' >>> ret.group(1) '010' >>> ret.group(2) '12345678'
8.贪婪和非贪婪
贪婪:总是匹配尽可能多的字符
非贪婪: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
>>> 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' >>>
9.r的作用
python中字符串签名加上 r 表示 原生字符串
- r 的好处
有了原生字符串,你再也不用担心是不是漏写了反斜杠,写出来的表达式也更直观。