Python 从入门到实战16（正则表达式语法）

        我们的目标是：通过这一套资料学习下来，通过熟练掌握python基础，然后结合经典实例、实践相结合，使我们完全掌握python，并做到独立完成项目开发的能力。

上篇文章我们通过举例学习了字符串一些操作说明。今天讨论一下正则表达式的语法。也是经常会用到的。

1、正则表达式简介

正则表达式：regular expression ，简称：regex 或者RE,又称规则表达式，它不是某种语言所特有的。

在处理字符串时，经常会涉及查找符合某些复杂规则的字符串，正则表达式就是描述这些规则的工具。

正则表达式是对字符串（包括普通字符（例如，a 到 z 之间的字母）和特殊字符（称为“元字符”））操作的一种逻辑公式，就是用事先定义好的一些特定字符及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。正则表达式是一种文本模式，该模式描述在搜索文本时要匹配的一个或多个字符串。

2、行定位符

行定位符用来描述字符串的边界。“^”表示行的开始，“$”表示行的结尾。

如： ^tm

表示：要匹配的字符串tm开头，如tm1234  可以匹配，若是TOtm123就不匹配

如：tm$   表示以tm结尾

3、元字符说明

上面所讲到的“^”和“$”就属于元字符，还有其它：

元字符	说明	元字符	说明
.	匹配除换行符以外的任意字符	\b	匹配单词的的开始或者结束
\w	匹配字母、数字、下划线或汉字	^	匹配字符串的开始
\s	匹配任意的空白符	$	匹配字符串的结束
\d	匹配数字

举个例子： \bbaidu\w*\b  ，这里是匹配以字母baidu开头的字母，然后\w 为任意的字母或者数字、或者汉字等，*这里指任意数量，就是限定符

4、限定符的说明

上面的例子\w*  是匹配任意数量的数字或者字母。若是想匹配特定说了的数字，该如何表示呢？如匹配10位的qq 号：  ^\d{10}$

下面列出常用的限定符：

限定符	说明	举例
？	匹配前面的字符0次或者一次	your? 表达式匹配your ,也匹配youa
+	匹配前面的字符1次或者多次	go+gle 匹配gogle 到goo…gle
*	匹配前面的字符0次或者多次	go*gle 匹配ggle 到goo…gle
{n}	匹配前面的字符n次	go{2}gle 只匹配google
{n,}	匹配前面的字符n次或以上	go{2}gle 匹配google 到goo…gle
{n,m}	匹配前面的字符n次d到m次	go{2，4}gle匹配google 、gooogle、goooogle

5、字符类的匹配

没有预定义元字符的字符集合如何进行匹配呢？如含有某些特定的字母如元音字母：a\e\i\o\u,可以直接用方括号来匹配，如[]a,e,I,o,u]

如：[0-9]代表的含义和\d是一致的

6、排除字符

不符合某些字符可以使用[^+字母表示]

如：[^a-z A-Z] 表示排查字母的意思

7、选择字符

若是包含多个条件进行选择的逻辑，怎么书写表达式呢？可以使用|来连接

如：身份证的表达式

（^\d{15}$）|(^\d{18}$)|(^\d{17})(\d|x|X$)  即表示身份证由15个数字，或者18个纯数字，或者17个数字+x或者加X   进行匹配

8、转义字符：\

为什么要用到转义字符？如我们要使用IP地址，用正则表达式匹配127.0.0.1这样的格式。当然，我们不能直接使用“.”,因为“.”是元字符可以匹配除换行符意外的任意字符。

需要使用转义字符“\”,正则式：

[1-9]{1-3}\.[0-9]{1-3}\.[0-9] {1-3}\.[0-9] {1-3}

9、分组

分组可以使用括号()来实现，如上面的匹配127.0.0.1的例子

[1-9]{1-3}\.[0-9]{1-3}\.[0-9] {1-3}\.[0-9] {1-3}

可以改写成：[1-9]{1-3}(\.[0-9]{1-3}){3}

上面的例子就达到了分组，也即是子表达式。

(\.[0-9]{1-3}){3}  ：即为对分组(\.[0-9]{1-3})  重复了三次操作

10、python 中使用正则式语法

在python中使用正则表达式时，将其作为模式字符串使用的。例如，匹配一个非字母字符的正则表达式转换为模式字符串：’[^a-z A-Z]’

若是匹配以p开头的单词的正则表达式转换为模式字符串，

如写成：’\bp\w*\b’  这个表达显然时不正确的，因为没有进行转义（’\\bp\\w*\\b’）。

为了避免大量的转义字符要写，python中可以写成原生字符串，即在模式字符串前加r或者R。如上面的例子：’\\bp\\w*\\b’  >写成  r’\bp\w*\b’  即可。

今天先写学习到这里了，每天进步一点点。今天也要加油啊！