正则表达式

正则表达式

正则表达式就是用一些特殊的符号去筛选想要的数据，简称正则

字符组

[0123456789]  
[0-9]
\d     # 匹配0到9之间的数字
[a-z]   # 匹配a-z之间的字母    
[A-Z]   # 匹配A-Z之间的字母

字符

.     # 匹配除换行符之外的任意字符

\w   # 匹配字母、数字、下划线

\W   # 匹配除字母、数字、下划线之外的字符

\d    # 匹配0-9之间的数字

\D    # 匹配除数字之外的字符

\n    # 匹配一个换行符

^     # 匹配字符串的开始

$     # 匹配字符串的结尾

a|b   #匹配字符a或字符b

[...]   # 匹配字符组中的字符

[^...]  # 匹配除了字符组中的字符

 

量词

1.量词只能影响前面的一个字符

2.量词不能单独使用，必须配合其他字符串使用

*　　重复零次或更多次

+　　重复一次或者更多次

？　　重复零次或者一次

{n}　　重复n次

{n，}　　重复n次或者更多次

{n，m}　　重复n到m次

贪婪匹配和非贪婪匹配

贪婪匹配：在满足匹配时，匹配尽可能长的字符串（默认采用贪婪匹配）

非贪婪匹配：.*？，在满足匹配时，匹配尽可能短的字符串

<script>123</script>   # 待匹配字符
# 正则表达式是：<.*>
匹配结果为：<script>123</script>  #贪婪匹配



<script>123</script>   # 待匹配字符
# 正则表达式是：<.*？>
匹配结果为：<script>    # 非贪婪匹配

转义字符

一个斜杠 '\' 只能转义一个字符

待匹配字符：\n
正则表达式：\n
匹配结果：False

待匹配字符：\n
正则表达式：\\n
匹配结果：True

待匹配字符：'\\n'
正则表达式："\\\\n"
匹配结果：True

在python中转义字符推荐使用：r'\n'   '\\n'

 

re模块

1.re模块是内置的模块，可以直接使用的

2.在python中，要想使用正则需要借助re模块：import re

re.findall:返回所有满足匹配条件的结果，放在列表里，如果匹配不到就返回空列表[ ]

re.search：只会找到第一个匹配值，然后通过group（）进行匹配，如果找不到就返回None
re.match：与search用法相同，但是只有匹配值在第一个才能输出，不然会报错
re.split('[ab]', 'abcd') ：这个先按a进行分割，得到bcd后，按b进行分割，得到cd，最终的结果 ['', '', 'cd']

 # 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']

 

分组

无名分组

# 对于findall，它具有分组优先展示, 也称之为是无名分组
res = re.findall('^[1-9]\d{14}(\d{2}[0-9x]?)$','110105199812067023')
print(res)  # ['023']

# 当加了？：会取消优先展示
res = re.findall('^[1-9]\d{14}(?:\d{2}[0-9x]?)$','110105199812067023')
print(res)  # ['110105199812067023']

有名分组

res = re.search('^[1-9]\d{14}(?P<month>\d{2}[0-9x]?)$','110105199812067023')
print(res) #  <_sre.SRE_Match object; span=(0, 18), match='110105199812067023'>
# print(res.group(1))
print(res.group()) # 110105199812067023
print(res.group(1))   # 023
print(res.group('month'))   # 023