python正则表达式

正则表达式是一个特殊的字符序列，它能检查一个字符串是否与某种模式匹配。

一、优缺点

1、正则表达式在项目中的应用场景？

(1) 验证数据的有效性。例如验证邮箱或者密码是否符合格式。

(2) 替换文本内容。

(3) 从字符串中提取子字符串。

2、 正则表达式的弊端是什么？

(1) 使代码难以阅读

(2) 容易引起性能问题。像.*这种贪婪匹配符号很容易造成大量的回溯，性能大幅下降。

(3) 正则的替换功能较差。甚至没有基本的截取字符串或者把首字母改变大小写的功能，这对于url重写引擎有时候是致命的影响

(4) 正则表达式只适合匹配文本字面，不适合匹配文本意义。

一、函数

import re 模块

1、re.match

从字符串的起始位置匹配，否则返回None。
match和search均匹配一个。

re.match(pattern, string, flags=0)          
re.match('www', 'www.runoob.com')          # <_sre.SRE_Match object; span=(0, 3), match='www'>
re.match('www', 'www.runoob.com').span()   # (0, 3)   输出匹配到的位置
re.match('www', 'www.runoob.com').group()  # ’www’    输出匹配到的第一个值
re.match('com', 'www.runoob.com')          # None

2、re.search

返回第一个成功的匹配，否则返回None。

re.search(pattern, string, flags=0)     
re.search('com', 'www.runoob.com').span()   # (11, 14)

3、re.findall

扫描整个文本，返回所有与规则匹配的子串组成的列表，如果没有匹配的返回空列表

re.findall(pattern, string, flags=0)    
pattern = "python"
string = "I love python language.I also use python to build applicants at work!"
re.findall(pattern, string, re.I)      # >> ['python', 'python']

4、re.sub、re.subn

将pattern替换为repl，count替换的最大次数，0表示替换所有

re.sub(pattern, repl, string, count=0, flags=0)   
phone = "2004-959-559 # 这是一个国外电话号码"
num = re.sub(r'\D', "", phone)      # 2004959559 替换非数字

re.subn(pattern, repl, string, count=0, flags=0)  # 输出替换了多少次，返回一个元祖
                                                  # >>('204959559', 2)

5、re.split

用匹配到的值做为分割点，把值分割成列表

re.split(pattern, string, maxsplit=0, flags=0)   
string = 'Python is an excellent language'
re.split(" ",string)     # >> ['Python', 'is', 'an', 'excellent', 'language']

6、re.compile

那么如果一个正则表达式要重复使用几千次，出于效率的考虑，我们是不是应该先把这个正则先预编译好，接下来重复使用时就不再需要编译这个步骤了，直接匹配，提高我们的效率

re.compile(pattern[, flags])    # 编译正则表达式，生成一个正则表达式对象，供match()和search()这两个函数使用。

7、re.group

用于查看指定分组匹配到的内容，匹配对象函数来获取匹配表达式

.group()             # 整个匹配  
.groups()        
.group(num)          # 返回一个元祖中的

str = 'i can speak good english'
matchstr = re.match(r'(\w*)\s(\w*)\s(\w*)\s(\w*).*',str)
matchstr = matchstr.group()
print(matchstr)               >>’i can speak good english’
matchstr = matchstr.groups()  >>('i', 'can', 'speak', 'good')
matchstr = matchstr.group(1)  >> ‘i’
matchstr = matchstr.group(2)  >> ‘can’
matchstr = matchstr.group(3)  >> ‘speak’
matchstr = matchstr.group(4)  >> ‘good’
matchstr = matchstr.group(5)  >> 报错：IndexError: no such group

二、flags修饰符

re.I	忽略大小写
re.L	表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境
re.M	多行模式
re.S	即为 . 并且包括换行符在内的任意字符（. 不包括换行符）
re.U	表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库
re.X	为了增加可读性，忽略空格和 # 后面的注释

str="runoobgoogle\ntaobao\nrunoobweibo"
re.match(r’runoob’,str,re.M)   # 表示不止匹配一行

三、正则表达式模式

^	开头	str = ‘ef1qf3qfgwr’, pattern = ‘^fg’, print(re.search(pattern, str).group()) >>报错，查不到
$	结尾
.	任意字符，除了换行符\n
\	转义字符
[…]	一组字符。[amk]匹配其中任一个	rub[ye] 匹配 “ruby” 或 “rube”
[^…]	不在[]中的字符	[^aeiou] 除了aeiou字母以外的所有字符

限定符

re*	0个或多个
re+	1个或多个
re？	0个或1个
re{n}	精确n个
re{n,}	n+个
re{n,m}	n到m个，包括m
a|b	a或b
(re)	对正则表达式分组并记住匹配的文本。用group方法查找到。
(?imx)	只能选择i、m、x中的任一个
\w	字母、数字、下划线 =[A-Za-z0-9_]
\W	非
\s	空白字符,包括换行符\n =[ \t\n\r\f\v]
\S	非
\d	数字 =[0-9]
\D	非 =[^0-9]
\A	字符串开始
\Z	字符串结束，只匹配到换行前
\z	字符串结束
\G
\b
\B
\n, \t, 等	换行符、制表符
\1…\9	匹配第n个分组的内容
\10

举例：

^[0-9]+abc$    开头是数字，结尾是abc的
^bucket$       ^$同时使用表示精确匹配

3.1.正则表达式模式实例：

[0-9]      任意数字
[a-z]      任意小写字母
[A-Z]          大写
[a-zA-Z0-9] 字母及数字

邮箱     
手机号                                     ^(13[0-9]|14[5|7]|15[0|1|2|3|5|6|7|8|9]|18[0|1|2|3|5|6|7|8|9])\d{8}$      # 13、14、15、18开头
国内电话号码(0511-4405222、021-87888822)： \d{3}-\d{8}|\d{4}-\d{7}
身份证(15位、18位数字)：                   ^\d{15}|\d{18}$
日期格式(2022-8-16)：                     ^\d{4}-\d{1,2}-\d{1,2}
IP地址：                                  \d+\.\d+\.\d+\.\d+ (提取IP地址时有用)
密码(以字母开头，长度在6~18之间，只能包含字母、数字和下划线)：     [a-zA-Z]\w{5,17}$