Python 正则表达式-基础操作

• search()方法：只要有匹配的后面就不会继续进行检索，找到一个匹配就会停止。

msg = ‘abcd7vikfd8hdfoo’

result = re.search(‘[a-z][0-9][a-z]’, msg)  # 正则表达式中的字符串都是当做一个整体的，即[a-z][0-9][a-z]需当做一个整体，匹配字符串中“英文-数字-英文”的格式。
print(result.group()) # group()方法：得到匹配到的结果。search方法的返回值不是一个字符串

# 输出结果：d7y

• findall()方法：匹配整个字符串，找到一个继续向下找一直到字符串结尾。

msg = ‘abcd7vikfd8hdfoo’

re.findall('[a-z][0-9][a-z]', msg) 
print(result.group())

# 输出结果：['d7v', 'd8h']

• '+'：用于将前面的模式匹配1次或多次（贪婪模式）。即如果放在某模式的后面，则该模式在要匹配的字符串中有多少就匹配多少

msg = 'a789bb333cdef9q'

result = re.findall('[a-z][0-9]+[a-z]', msg) # ’+‘放在了模式[0-9]后面，则该字符串中的该模式，有多少匹配多少
print(result)

# 输出结果：['a789b','b333c','f9q']

• {m}：匹配前一个字符m次；{m,}：匹配前一个字符>=m次；{m,n}：匹配前一个字符m-n次，即只要前一个字符类型的个数在m-n之内，就匹配。

# qq号码验证：5-11位，开头不能是0
qq = 12798982

result = re.match('[1-9][0-9]{4,10}','qq') # [1-9]表示第一位字符必须不能为0，[0-9]{4-10}表示，[0-9]这个模式的的字符数量在4-10个之内都可以被匹配
print(result.group())

# 输出结果：12798982

- '^'：从字符串开头开始匹配；
- '$'：匹配至字符串结尾

qq1 = 1871056336666
qq2 = 20150602

result1 = re.match('^[1-9][0-9]{4,10}$') # 因为match方法其实就是从开头匹配的，所以如果在match方法内，也可以不用^
result2 = re,match('^[1-9][0-9]{4,10}$')

print(result1)
print(result2.group())

"""
输出结果：
result1：None。匹配到该字符串尾，该字符串大于11位，所以返回为None
result2：20150602。匹配到该字符串结尾，该第一位是2，在1-9之内，后面的7个数字，在{4-10}之内，且都在[0-9]之内，所以可以匹配成功
"""

• '\w'：匹配任意字母数字及下划线，等价于[a-zA-Z0-9_]；\W：匹配任意非字母数字及下划线，等价于[^\w]；^在正则表达式里面是非的意思

 username = 'admin001'
 result = re.search([a-z][A-Z]\w{5,}$) # 其实\w相当于[a-zA-Z0-9_] $表示匹配到边界
 print(result)
 
 # 输出：
 ['admin001']

• '\b'：匹配一个单词边界，也就是指单词和空格间的位置。例如：'py\b'可以匹配"python"中的’py’，但不能匹配openpyxl中的‘py’

# 要求匹配.py文件
msg = 'aa.py ab.txt bb.py kk.png uu.py apyb.txt'
result = re.findall('py\b', msg) # 因为在字符串中'\b'也有含义，所以在正则表达式里这样写肯定匹配的意思不是匹配边界的意思
print(result)

# 输出：
[]

• 1、优化1：在\b前再加一个\将\b的转义意思去掉

msg = 'aa.py ab.txt bb.py kk.png uu.py apyb.txt'
result = re.findall('py\\b', msg) # 需要加一个\将字符串中的\b转义为正常字符
print(result)

# 输出：
['py', 'py', 'py']

• 2、优化2：直接在正则表达式前面加r，去掉表达式字符中所有的转义字符

msg = 'aa.py ab.txt bb.py kk.png uu.py apyb.txt'
result = re.findall(r'py\b', msg)
print(result)

# 输出：
['py', 'py', 'py']

• '.'：匹配除换行符\n外的任意字符

栗子：已知一串文件名，匹配后缀为.py的文件名

msg = 'aa.py ab.txt bb.py kk.png uu.py apyb.txt'
# \w代表任意字母数字或下划线
# +代表匹多次且必须一次以上，即>=1（所以此处不能用*，*是匹配0次或多次即>=0，即0次也能匹配，即没有字母也能匹配，匹配到的是.py）
# '.'字符在正则里面是匹配除换行符\n之外的任意字符，它可以匹配'.'字符，但也能匹配其他全部字符，所以在正则的字符串中要用'.'的本来含义，必须通过\进行转义，使他在正则表达式中仅仅只是匹配'.'。
# \b是指匹配到字符串边界
result = re.findall(r'\w+\.py\b', msg) 
print(result)

# 输出；
['bb.py', 'bb.py', 'uu.py']

• '?'：量词：表示匹配0次或1次。

# 匹配数字 0-100数字
n = '09'
result = re.match('[1-9]?\d', n) # 第一个字符[1-9]?，即表示出现1-9其中一个字符0次或1次都是可以匹配到的。
print(result)

# 输出： 
['0']
# 因为第一个字符0没有在[1-9]之内，即出现了0次，所以依次往后匹配。第二个字符\d就匹配到了字符串n的第一个字符'0',所以最后输出为0

• '|'：指在两个或多个项之间进行选择。相当于或。

# 验证输入的邮箱 163 126 qq
email = '1783787843@qq.com'
# (163|126|qq)：匹配163或者126或者qq
# (com|cn)：匹配com或者cn
result = re.match(r'\w{5,20}@(163|126|qq)\.(com|cn)', email)
print(result)
# 输出：1783787843@qq.com

• (word | word | word)：小括号括起来是指单词整体。eg：(163|126|qq)：匹配163或者126或者qq
• [word | word | word]：中括号括起来的是指一个字符而不是一个单词。eg：(163|126|qq)：匹配163中的一个字符或者126中的一个字符或者qq中的一个字符