正则表达式和re模块
字符组
| 正则 | 待匹配字符 | 匹配结果 | 说明 |
| [0123456789] | 5 | True | 在一个字符组里枚举合法的所有字符，字符组里的任意一个字符和“待匹配字符”相同都视为可以匹配 |
| [0123456789] | a | False | 由于字符组中没有‘a’字符，所有不能匹配 |
| [0-9] | 6 | True | 也可以用-表示范围，[0-9]就和[0123456789]是一个意思 |
| [a-z] | a | True | 同样的如果要匹配所有小写的字母，直接用[a-z]就可以表示 |
| [A-Z] | B | True | [A-Z]就表示所有的大写字母 |
| [0-9a-fA-F] | e | True | 可以匹配数字，大小形式的a~f用来验证十六进制字符 |
字符
| 元字符 | 匹配内容 |
| . | 匹配除了下划线以外的任意字符 |
| \w | 匹配数字或字母或下划线 |
| \s | 匹配任意的空白符 |
| \d | 匹配数字 |
| \n | 匹配换行符 |
| \t | 匹配一个制表符 |
| \b | 匹配一个单词的结尾 |
| ^ | 匹配字符串的开始 |
| $ | 匹配字符串的结尾 |
| \W | 匹配非字母数字下划线 |
| \S | 匹配非空白符 |
|
\D |
匹配非数字 |
| a|b | 匹配字符a或b |
| （） | 匹配括号内的表达式，也表示一个组 |
| [...] | 匹配字符组中的字符 |
| [^...] | 匹配除了字符组中字符的所有字符 |
量词
| 量词 | 用法说明 |
| * | 重复零次或多次 |
| + | 重复一次或多次 |
| ？ |
重复零次或一次 |
| {n} | 重复n次 |
| {n，} | 重复n次或更多次 |
| {n，m} | 重复n次到m次 |
.^$
| 正则 | 待匹配字符 | 匹配结果 | 说明 |
| 海. | 海燕海椒海东 | 海燕海椒海东 | 匹配所有“海.”的字符 |
| ^海. | 海燕海椒海东 | 海燕 | 只从头匹配“海.” |
| 海.$ | 海燕海椒海东 | 海东 | 只匹配结尾的“海.$” |
* + ? { }
| 正则 | 待匹配字符 | 匹配结果 | 说明 |
| 李.? | 李杰和李莲英和李二棍子 |
李杰 李莲 李二 |
?表示重复零次或一次，即只匹配“李”后面的一个任意字符 |
| 李.* | 李杰和李莲英和李二棍子 | 李杰和李莲英和李二棍子 | *表示重复零次或多次，即匹配“李”后面0或多个任意字符 |
| 李.+ | 李杰和李莲英和李二棍子 | 李杰和李莲英和李二棍子 | +表示重复1次或多次，即匹配“李”后面1个或多个任意字符 |
| 李.{1,2} | 李杰和李莲英和李二棍子 | 李杰和 李莲英 李二棍 |
{1,2}匹配1到2次任意字符 |
注意：前面的*,+,?等都是贪婪匹配，也就是尽可能匹配，后面加?号使其变成惰性匹配
| 正则 | 待匹配字符 | 匹配结果 | 说明 |
| 李.*? | 李杰和李莲英和李二棍子 | 李 李 李 |
惰性匹配 |
字符集［］［^］
| 正则 | 待匹配字符 | 匹配结果 | 说明 |
| 李[杰莲英二棍子]* |
李杰和李莲英和李二棍子 |
李杰 李莲英 李二棍子 |
表示匹配"李"字后面[杰莲英二棍子]的字符任意次 |
| 李[^和]* | 李杰和李莲英和李二棍子 | 李杰 李莲英 李二棍子 |
表示匹配一个不是"和"的字符任意次 |
| [\d] | 456bdha3 | 4 5 6 3 |
表示匹配任意一个数字，匹配到4个结果 |
| [\d]+ | 456bdha3 | 456 3 |
表示匹配任意个数字，匹配到2个结果 |
分组 ()与 或 ｜［^］
身份证号码是一个长度为15或18个字符的字符串，如果是15位则全部🈶️数字组成，首位不能为0；如果是18位，则前17位全部是数字，末位可能是数字或x，下面我们尝试用正则来表示：
| 正则 | 带匹配字符 | 匹配结果 | 说明 |
| ^[1-9]\d{13,16}[0-9x]$ | 110101198001017032 | 110101198001017032 | 表示可以匹配一个正确的身份证号 |
| ^[1-9]\d{13,16}[0-9x]$ | 110101198001017032 | 1101011980010170 |
表示也可以匹配这串数字，但这并不是一个正确的身份证号码，它是一个16位的数字 |
| ^[1-9]\d{14}(\d{2}[0-9x])?$ | 110101198001017032 | False |
现在不会匹配错误的身份证号了 |
| ^([1-9]\d{16}[0-9x]|[1-9]\d{14})$ | 110101198001017032 | 110105199812067023 |
表示先匹配[1-9]\d{16}[0-9x]如果没有匹配上就匹配[1-9]\d{14}
|
转义符 \
在正则表达式中，有很多有特殊意义的是元字符，比如\n和\s等，如果要在正则中匹配正常的"\n"而不是"换行符"就需要对"\"进行转义，变成'\\'。
在python中，无论是正则表达式，还是待匹配的内容，都是以字符串的形式出现的，在字符串中\也有特殊的含义，本身还需要转义。所以如果匹配一次"\n",字符串中要写成'\\n'，那么正则里就要写成"\\\\n",这样就太麻烦了。这个时候我们就用到了r'\n'这个概念，此时的正则是r'\\n'就可以了。
| 正则 | 待匹配字符 | 匹配结果 | 说明 |
| \n | \n | False |
因为在正则表达式中\是有特殊意义的字符，所以要匹配\n本身，用表达式\n无法匹配 |
| \\n | \n | True |
转义\之后变成\\，即可匹配 |
| "\\\\n" | '\\n' | True |
如果在python中，字符串中的'\'也需要转义，所以每一个字符串'\'又需要转义一次 |
| r'\\n' | r'\n' | True |
在字符串之前加r，让整个字符串不转义 |
贪婪匹配
贪婪匹配：在满足匹配时，匹配尽可能长的字符串，默认情况下，采用贪婪匹配
| 正则 | 待匹配字符 | 匹配结果 | 说明 |
| <.*> | <script>...<script> | <script>...<script> |
默认为贪婪匹配模式，会匹配尽量长的字符串 |
| <.*?> | <script>...<script> | <script> <script> |
加上？为将贪婪匹配模式转为非贪婪匹配模式，会匹配尽量短的字符串 |
几个常用的非贪婪匹配Pattern
*? 重复任意次，但尽可能少重复
+? 重复1次或更多次，但尽可能少重复
?? 重复0次或1次，但尽可能少重复
{n,m}? 重复n到m次，但尽可能少重复
{n,}? 重复n次以上，但尽可能少重复
.*?的用法
. 是任意字符 * 是取 0 至 无限长度 ? 是非贪婪模式。 何在一起就是 取尽量少的任意字符，一般不会这么单独写，他大多用在： .*?x 就是取前面任意长度的字符，直到一个x出现
re模块下的常用方法
import re ret = re.findall('a','eva egon yuan') #返回所有满足匹配条件的结果，放在列表里 print(ret) # ['a','a'] ret = re.search('a','eva egon yuan').group() print(ret) # 'a' 函数会在字符串内查找模式匹配，只找到第一个匹配然后返回一个包含匹配信息的对象，该对象可以通过调用group（）方法得到匹配的字符串，如果字符串没有匹配，则返回None ret = re.match('a','abc').group() #同search，不过仅在字符串开始出进行匹配 print(ret) # 'a' ret = re.split('[ab]','abcd') #先按'a'分割得到''和'bcd',在对''和'bcd'分别按'b'分割 print(ret) #['','','cd'] ret.subn('\d','H','eva3egon4yuan4') #将数字替换成'H',返回元组(替换的结果,替换了多少次) print(ret) ret = re.compile('\d{3}') #将正则表达式编译成为一个 正则表达式对象，规则要匹配的是3个数字 ret.obj.search('abc123eee') #正则表达式对象调用search，参数为待匹配的字符串 print(ret.group()) #123 import re ret = re.finditer('\d','ds3sy4784a') #finditer返回一个存放匹配结果的迭代器 print(ret) #<callable_iterator object at 0x10195f940> print(next(ret).group()) #查看第一个结果 print(next(ret).group()) #查看第二个结果 print([i.group() for i in ret]) #查看剩余的结果
注意：
1 findall的优先级查询：
import re ret = re.findall('www.(baidu|oldboy).com','www.oldboy.com') print(ret) # ['oldboy'] 这是因为findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可 ret = re.findall('www.(?:baidu|oldboy).com','www.oldboy.com'） print(ret) # ['www.oldboy.com']
2 split的优先级查询
ret = re.split("\d+","eva3egon4yuan4") print(ret) #结果 ： ['eva', 'egon', 'yuan'] ret = ret.split("(\d+","eva3egon4yuan4") print(ret) #结果 ： ['eva', '3', 'egon', '4', 'yuan'] #在匹配部分加上（）之后所切出的结果是不同的， #没有（）的没有保留所匹配的项，但是有（）的却能够保留了匹配的项， #这个在某些需要保留匹配部分的使用过程是非常重要的。
