1、动机
1、处理文本成为计算机常见工作之一2、对文本内容的搜索提取是一项比较复杂困难的工作
3、为了快速方便处理上述问题，正则表达式技术诞生，逐渐发展为一个被众多语言使用的独立技术
2、定义：
正则表达式即高级文本匹配模式，提供了搜索，替代等功能。本质是由一系列特殊符号和字符组成的字串，这个字串即是正则表达式。
这个表达式描述了字符和字符的重复行为，可以匹配一类特征的字符串。
3、目标
1、熟练使用正则表达式符号2、正确组合和理解一般的正则表达式
3、能够使用Python操作正则表达式
4、正则表达式特点
1、方便进行检索和修改2、支持语言众多
3、灵活多样
4、使用场景：
1、MongoDB正则类型
2、django等框架作为URL匹配
3、爬虫
5、正则表达式的使用
1、Python re模块作用：
处理正则表达式
6、re模块函数：
1、re.fandall(pattern,string)功能：
使用正则表达式匹配字符串
参数：
pattern : 正则表达式
string ： 需要匹配的目标字符串
返回值：
一个列表，匹配到的所有内容
7、元字符：
即正则表达式中有特殊定义的符号1、普通字符
元字符：abc
匹配规则
匹配相应的普通字符，就代表abc字面值
示例
s='abdlabcladgfajdhg'
re.findall('abc',s)
['abc']
2、或
元字符：ab|cd
匹配规则
匹配|两边任意一个正则表达式符合的情况
示例
s='abdlabcladgfajdhg'
re.findall('ab|cd',s)
['ab', 'ab']
注：
| 两侧不要有没用的空格
3、匹配一个单一字符
元字符：.
匹配规则
匹配处理换行外的任意字符
示例：
re.findall('f.o','foo is mot fao')
['foo', 'fao']
4、匹配开始位置
元字符：^
匹配规则：
匹配一个字符串的开始位置
示例：
一、
re.findall('^Hello','Hello world')
['Hello']
二、
re.findall('^Hello','Hi,Hello')
[]
5、匹配结束位置
元字符：$
匹配规则
匹配目标字符串的结束位置
示例：
re.findall('py$','hello.py')
['py']
6、匹配重复
元字符：*
匹配规则：
匹配前面的正则表达式重复0次或多次
示例：
re.findall('ab*','a;ladsfbvvjefnbjnabababb')
['a', 'a', 'ab', 'ab', 'abb']
7、匹配重复
元字符：+
匹配规则：
匹配前面的正则表达式重复一次或多次
示例：
re.findall('ab+','a;ladsfbvvjefnbjnabababb')
['ab', 'ab', 'abb']
8、匹配重复
元字符：?
匹配规则
匹配前面的正则表达式重复0次或一次
示例：
re.findall('ab?','abcdefa')
['ab', 'a']
9、匹配重复
元字符{n}
匹配规则：
匹配制定的重复次数
示例：
re.findall('ab{3}','abbbbbbb')
['abbb']
10、匹配重复
元字符{m,n}
匹配规则
匹配前面的正则表达式重复m次 到 n次
示例：
re.findall('ab{2,5}','abcdabbbabbbbbbb')
['abbb', 'abbbbb']
11、匹配字符集合
元字符：[]
匹配规则
匹配中括号中范围内的任意一个字符
写法：
[abc123d] 匹配 a b c 1 2 3 d
[a-z] a~z中任意一个字符
[A-Z] A~Z中任意一个字符
[0-9] 0~9中任意一个字符
[123a-zA-Z] 1 2 3 a~z和A~Z中任意一个字符
示例：
一、
re.findall('[abcd]','Hello world')
['d']
二、
re.findall('[A-Z]','Hello world')
['H']
三、
re.findall('[0-9]','Hello world 123')
['1', '2', '3']
四、
re.findall('[_0-9a-zA-Z]','Hello world 123')
['H', 'e', 'l', 'l', 'o', 'w', 'o', 'r', 'l', 'd', '1', '2', '3']
12、匹配字符集合
元字符[^...]
匹配规则
匹配除制定字符集之外的任意字符
示例：
re.findall('[^abc]','nihao abc')
['n', 'i', 'h', 'o', ' ']
13、匹配任意数字字符/非数字字符
元字符\d \D
匹配规则：
\d 匹配任意数字字符 等同于 [0-9]
\D 匹配任意非数字字符 等同于 [^0-9]
示例：
\d示例
re.findall('1\d{10}','15478944564')
['15478944564']
\D示例
re.findall('\D','hello 123')
['h', 'e', 'l', 'l', 'o', ' ']
14、匹配普通字符/非普通字符 (普通字符：数字字母下划线)
元字符：\w \W
匹配规则
\w 匹配任意一个普通字符 等同于 [_0-9a-zA-Z]
\W 匹配任意一个非普通字符 等同于 [^_0-9a-zA-Z]
示例：
\w示例
re.findall('\w+','hello_1')
['hello_1']
re.findall('\w+','hello&1')
['hello', '1']
\W示例
re.findall('\W+','hello&1')
['&']
15、匹配空字符/非空字符(空字符：[ \n\t\r]等)
元字符\s \S
匹配规则
\s 匹配任意空字符
\S 匹配任意非空字符
示例：
\s示例
re.findall('\s','hello world')
[' ']
re.findall('\s','hello world\r\n\t')
[' ', '\r', '\n', '\t']
\S示例
re.findall('\S','hello world')
['h', 'e', 'l', 'l', 'o', 'w', 'o', 'r', 'l', 'd']
16、匹配起止位置
元字符\A \Z
匹配规则
\A 匹配开始位置 等同于^
\Z 匹配技术位置 等同于$
绝对匹配：
\Aabc\Z 只能匹配abc，且字符串只是abc
示例：
re.findall('\A/\w+/\w+/Z','/football/zhongchao')
['/football/zhongchao']
17、匹配单词边界位置/非单词边界位置
元字符\b \B
匹配规则：
\b 匹配单词的边界
\B 匹配非单词的边界
单词边界：
数字字母下划线和其他字符的交界位置为单词的边界
示例：
re.findall(r'\bis\b','This is a test')
['is']
re.findall('\\bis\\b','This is a test')
['is']
re.findall('\Bis\\b','This is a test')
['is']
8、元字符总结：
1、匹配单个字符： a(普通字符) . \d \D \w \W \s \S [...] [^...]2、匹配重复性： * + ? {n} {m,n}
3、匹配某个位置： ^ $ \A \Z \b \B
4、其他： | () \
9、转义字符
正则表达式特殊符号：. * + ? ^ $ '' "" [] {} ()
如果想匹配特殊符号则加转义
或
r+字符串：
r表示原生字符串
示例：
re.findall('\\bis','this is')
['is']
或
re.findall(r'\bis','this is')
['is']
10、贪婪和非贪婪
贪婪模式：正则表达式默认的重复匹配模式：贪婪模式
尽可能多的向后匹配
在 * + ? {m,n} 这四种情况下会产生贪婪模式
非贪婪模式(后加?)
尽可能少的匹配内容，满足正则表达式含义即可
贪婪转为非贪婪：*? +? ?? {m,n}?
示例：
re.findall('ab*?',''abbbbbbbcd)
[ab]
11、正则表达式分组(子组)
使用()可以为一个正则表达式建立一个子组，子组可以看做内部的整体1、子组的作用
1、增加子组后多正则表达式的整体匹配内容没有影响
2、子组可以改变重复元字符的重复行为
3、子组在某些操作中可以对子组匹配内容单独提取
2、子组使用的注意事项：
1、每个正则表达式可以有多个子组，由外到内，由左到右为第一第二……子组
2、子组通常不要交叉
3、捕获组和非捕获组(命名组和非命名组)
子组命名格式
(?P<name>正则表达式) name就是名字
命名的优点：
1、很多编程接口可以直接通过名字获取子组匹配内容
2、捕获组中的正则表达式可以通过名字重复调用
重复调用的方法：
(?P=name)
示例：
(?P<dog>ab)cdef(?P=dog) 匹配：abcdefab
re.search('(ab)+','abababab').group()
'abababab'
re.search('(?P<dog>ab)cdef(?P=dog)','abcdefabcde').group()
'abcdefab'
12、re模块
1、obj=compile(pattern,flags = 0)
功能：获取正则表达式对象
参数：
pattern 正则表达式
flags 功能标志位，提供更丰富的匹配
返回值：
正则表达式对象
2、re模块和compile对象均有的函数
1、obj.findall(string, pos, endpos)
功能：通过正则表达式匹配字符串
参数：
string ： 目标字符串
pos ： 目标字符串的匹配开始位置
endpos ： 目标字符串的结束位置
返回值：
匹配到的所有内容以列表返回
注：
如果正则表达式有子组则只显示字符匹配内容
2、obj.split(string)
功能：按照正则表达式切割目标字符串
参数：
目标字符串
返回值：
切割后的内容，列表形式
3、obj.sub(replaceString,string，max)
功能：替换正则表达式匹配到的内容
参数：
replaceString 要替换的内容
string 目标字符串
max 最多替换几处
返回值：
返回替换后的字符串
4、obj.subn(replaceString,string，max)
功能：替换正则表达式匹配到的内容
参数：
replaceString 要替换的内容
string 目标字符串
max 最多替换几处
返回值：
返回替换后的字符串和实际替换的个数，元组格式
5、re.finditer(string)
功能：使用正则表达式匹配目标内容
参数：
目标字符串
返回值
迭代对象，迭代的每个内容为一个match对象
6、re.match(pattern,string)
功能：匹配一个字符串的开头
参数：
string ： 目标字符串
返回值：
如果匹配到返回 match obj
没有匹配到返回 None
7、re.search(pattern,string)
功能：匹配一个字符串
参数：
string ： 目标字符串
返回值：
如果匹配到返回 match obj
没有匹配到返回 None
注：match 只能匹配字符串的开头位置，search可以匹配任意位置，但是也只能匹配一处
通常match对象调用其属性时往往需要try异常处理
8、fullmatch()
要求目标字符串完全匹配3、compile对象特有的属性(re模块没有)
1、flags 标志位2、pattern 正则表达式
3、groupindex 捕获组形成的字典
4、groups 多少个子组
13、match对象属性方法
属性：
pos 目标字符串开头位置endpos 目标字符串结束位置
re 正则表达式对象
string 目标字符串
lastgroup 最后一组的名字
lastindex 最后一组是第几组
方法：
end() 匹配到内容的开始位置start() 匹配到内容的结束位置
span() 匹配到内容的起止位置，元组格式
group()
功能：
获取match对象匹配的内容
参数：
默认为0，表示获取正则整体的匹配内容
如果传入大于0的正数，表示获取对应子组匹配内容
返回值：
返回匹配的内容
groups()
功能：
得到所有子组匹配的内容，元组格式
groupdict()
功能：
得到所有捕获组匹配的内容，字典格式
14、flags参数：
compile findall search match finditer fullmacth sub subn split 都有flags参数作用：
辅助正则表达式，丰富匹配结果
参数选项
1、A 或 ASCII
作用：匹配ASCII码
2、S 或 DOTALL
作用：对元字符起作用，可以匹配换行符
3、I 或 IGNORECASE
作用：匹配大小写
4、M 或 MULTILINE
作用：对元字符 ^ $ 起作用，可以匹配每一行的开头结尾位置
5、X 或
作用：为正则添加注释
多个flags同时使用
使用 | 分隔如 re.I | re.X
扫一扫
4714
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
