正则表达式、元字符、量词、贪婪匹配、转义符
# 知识点回顾
# 元字符 : \d \w \s \n \t \b \W \D \S . ^ $ [] [^] () |
# 放在字符组中的元字符会现原形 ( ) [不能成对出现] . | ? + * -号在中括号中有特殊的意义,需要转义
# 量词 : + * ? {n} {n,} {n,m}
# 贪婪匹配/惰性匹配 :
# 默认是贪婪匹配 : 回溯算法
# 改成惰性匹配 : 量词?
# 在范围内 尽量少的匹配
# ? (0-1) 尽量少就是匹配0次
#分组
取消分组优先(?:正则表达式)
分组命名 (?P<这个组的名字>正则表达式)
# 转义符 :
# 在正则中有特殊意义的字符想让它表示它本来的意义,就在这个字符前加上\
# 在正则中一些没有特殊意义的字符加上\,可能就变成有特殊意义的字符
1、匹配整数或者小数（包括正数和负数） -？\d+(\.\d+)? 2、匹配年月日日期 格式2018-12-6 ^[1-9]\d{0,3}-(1[0-2]|0?[1-9])-(3[01]|[12]\d|0?[1-9])$ 1-9 10-19 20-29 30-31 3、匹配qq号 [1-9]\d{4,11} 4、11位的电话号码 1[3-9]\d{9} 5、长度为8-10位的用户密码 ： 包含数字字母下划线 \w{8,10} 6、匹配验证码：4位数字字母组成的 [0-9a-zA-Z]{4} 7、匹配邮箱地址 [0-9a-zA-Z][\w\-.]+@[0-9a-zA-Z\-]+(\.[0-9a-zA-Z\-]+)*\.[0-9a-zA-Z]{2,6} 8、从类似 <a>wahaha</a> <b>banana</b> <h1>qqxing</h1> 这样的字符串中， 1）匹配出wahaha，banana，qqxing内容。 import re s=<a>wahaha</a> <b>banana</b> <h1>qqxing</h1> re.compile("(<\w+>)(\w+)(</\w+>)") print(re.search(s).group(2)) 2）匹配出a,b,h1这样的内容 print(re.search(s).group(1)) 9、1-2*((60-30+(-40/5)*(9-2*5/3+7/3*99/4*2998+10*568/14))-(-4*3)/(16-3*2)) 1）从上面算式中匹配出最内层小括号以及小括号内的表达式 \([^()]+\) 10、从类似9-2*5/3+7/3*99/4*2998+10*568/14的表达式中匹配出从左到右第一个乘法或除法 \d+[*/]\d+
\w 表示0-9a-bA-B及下划线
\d 表示0-9
\s 表示 \n \t 及空格
\b 表示单词边界
\W \D \S 与\w \d \s 相反
. 表示除了换行符\n的说有字符
^ 表示字符的开头
$ 表示字符的结尾
[ ] 中的内容都可以匹配到
[^ ]中的内容都不可被匹配到
{ } 里可以放连续重复的次数 \d{2} = \d\d
{n， } 取值n-无穷
{n,m} 取值n-m
() 分组 表示给几个字符加上量词约束的需求的时候,就给这些量词分在一个组
* 匹配量词之前的字符出现0或者多次
+ 匹配量词之前的字符出现1或者多次
？匹配量词之前的字符出现0或者1次
判断是否是身份证号(15位、17位+数字、17位+X)
第一种方法[1-9]\d{14}(\d{2}[\dX])?
第二种方法[1-9]\d{16}[\dX]|[1-9]\d{14}
一丶简介
正则表达式本身是一种小型的丶高度专业化的编程语言,而在python中,通过内嵌集成re模块,程序猿们可以直接调用用来实现正则匹配.正则表达式模式被编译成一系列的字节码,然后由用C编写的匹配引擎执行.
二丶正则表达式中常用的字符含义
1.字符组
在同一个位置可能出现的各种字符组成了一个字符组,在正则表达式中用[]表示
正则 |
待匹配字符 |
匹配结果 |
说明 |
[0123456789] |
8 |
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,所以不能匹配 |
[0-9] |
7 |
True |
也可以用-表示范围,[0-9]就和[0123456789]是一个意思 |
[a-z] |
s |
True |
同样的如果要匹配所有的小写字母,直接用[a-z]就可以表示了 |
[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,大小写形式的a-f,用来验证十六进制字符 |
2.元字符
元字符 |
匹配内容 |
\w |
匹配字母或数字或下划线 |
\s |
匹配任意的空白符 |
\d |
匹配数字 |
\n |
匹配一个换行符 |
\t |
匹配一个制表符(TAB) |
\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 |
匹配非字母或数字或下划线 |
\S |
匹配非空白符 |
\D |
匹配非数字 |
a|b |
匹配字符a或字符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 |
. |
匹配除换行符以外的任意字符 |
3.量词
量词 |
用法说明 |
* |
重复零次或更多次 |
+ |
重复一次或更多次 |
? |
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到m次 |
.^$
正则 |
待匹配字符 |
匹配结果 |
说明 |
海. |
海燕海角海东 |
海燕海角海东 |
匹配所有"海."的字符 |
^海 |
海燕海角海东 |
海燕 |
只从开头匹配"海." |
海.$ |
海燕海角海东 |
海东 |
只匹配结尾的"海.$" |
*+?{}
正则 |
待匹配字符 |
匹配结果 |
说明 |
李.? |
李安和李莲英和李大傻子 |
李安李莲李大 |
?表示重复零次或一次,即只匹配"李"后面一个任意字符 |
李.* |
李安和李莲英和李大傻子 |
李安和李莲英和李大傻子 |
*表示重复零次或多次,即匹配"李"后面0或多个任意字符 |
李.+ |
李安和李莲英和李大傻子 |
李安和李莲英和李大傻子 |
+表示重复一次或多次,即只匹配"李"后面1一个或多个任意字符 |
李.{1,2} |
李安和李莲英和李大傻子 |
李安和李莲英李大傻 |
{1,2}匹配1到2次任意字符 |
注意:前面的*,+,?等都是贪婪匹配.也就是尽可能匹配,后面加?号使其变成惰性匹配
4.字符集 [] [^]
正则 |
待匹配字符 |
匹配结果 |
说明 |
李[杰莲英二棍子]* |
李杰和李莲英和李二棍子 |
李杰李莲英李二棍子 |
表示匹配"李"字后面[杰莲英二棍子]的字符任意次 |
李[^和]* |
李杰和李莲英和李二棍子 |
李杰李莲英李二棍子 |
表示匹配一个不是"和"的字符任意次 |
[\d] |
456bdha3 |
4563 |
表示匹配任意一个数字,匹配到4个结果 |
[\d]+ |
456bdha3 |
4563 |
表示匹配任意个数字,匹配到2个结果 |
5.分组与或 | [^]
身份证号码是一个长度为15或18个字符的字符串，如果是15位则全部由数字组成，首位不能为0；如果是18位，则前17位全部是数字，末位可能是数字或x，下面我们尝试用正则来表示：
正则 |
待匹配字符 |
匹配结果 |
说明 |
^[1-9]\d{13,16}[0-9x]$ |
110101198001017032 |
110101198001017032 |
表示可以匹配一个正确的身份证号 |
^[1-9]\d{13,16}[0-9x]$ |
1101011980010170 |
110101198001017032 |
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,他是一个16位的数字 |
^[1-9]\d{14}(\d{2}[0-9x])?$ |
1101011980010170 |
False |
现在不会匹配错误的身份证号了()表示分组,将\d{2}[0-9x]分成一组,就可以整体约束他们出现的次数为0-1次 |
^([1-9]\d{16}[0-9x]|[1-9]\d{14})$ |
110105199812067023 |
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} |
6.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\d和\s等，如果要在正则中匹配正常的"\d"而不是"数字"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"\d",字符串中要写成'\\d'，那么正则里就要写成"\\\\d",这样就太麻烦了。这个时候我们就用到了r'\d'这个概念，此时的正则是r'\\d'就可以了。
正则 |
待匹配字符 |
匹配结果 |
说明 |
\d |
\d |
False |
因为在正则表达式中\是由特殊意义的字符,所以要匹配\d本身,用表达式\d无法匹配 |
\\d |
\d |
True |
转义\之后变成\\,即可匹配 |
"\\\\d" |
"\\d" |
True |
如果python中,字符串中的"\"也需要转移,所以每一个字符串"\"又需转义一次 |
r"\\d" |
r"\d" |
True |
在字符串之前加r,让整个字符串不转义 |
7.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 |
<.*?> |
r"\d" |
<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 |
| 字符 | 描述 |
|---|---|
| \ |
将下一个字符标记为一个特殊字符、或一个原义字符、或一个 向后引用、或一个八进制转义符。例如，'n' 匹配字符 "n"。'\n' 匹配一个换行符。序列 '\\' 匹配 "\" 而 "\(" 则匹配 "("。 |
| ^ |
匹配输入字符串的开始位置。如果设置了 RegExp 对象的 Multiline 属性，^ 也匹配 '\n' 或 '\r' 之后的位置。 |
| $ |
匹配输入字符串的结束位置。如果设置了RegExp 对象的 Multiline 属性，$ 也匹配 '\n' 或 '\r' 之前的位置。 |
| * |
匹配前面的子表达式零次或多次。例如，zo* 能匹配 "z" 以及 "zoo"。* 等价于{0,}。 |
| + |
匹配前面的子表达式一次或多次。例如，'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等价于 {1,}。 |
| ? |
匹配前面的子表达式零次或一次。例如，"do(es)?" 可以匹配 "do" 或 "does" 。? 等价于 {0,1}。 |
| {n} |
n 是一个非负整数。匹配确定的 n 次。例如，'o{2}' 不能匹配 "Bob" 中的 'o'，但是能匹配 "food" 中的两个 o。 |
| {n,} |
n 是一个非负整数。至少匹配n 次。例如，'o{2,}' 不能匹配 "Bob" 中的 'o'，但能匹配 "foooood" 中的所有 o。'o{1,}' 等价于 'o+'。'o{0,}' 则等价于 'o*'。 |
| {n,m} |
m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。例如，"o{1,3}" 将匹配 "fooooood" 中的前三个 o。'o{0,1}' 等价于 'o?'。请注意在逗号和两个数之间不能有空格。 |
| ? |
当该字符紧跟在任何一个其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串 "oooo"，'o+?' 将匹配单个 "o"，而 'o+' 将匹配所有 'o'。 |
| . |
匹配除换行符（\n、\r）之外的任何单个字符。要匹配包括 '\n' 在内的任何字符，请使用像"(.|\n)"的模式。 |
| (pattern) |
匹配 pattern 并获取这一匹配。所获取的匹配可以从产生的 Matches 集合得到，在VBScript 中使用 SubMatches 集合，在JScript 中则使用 $0…$9 属性。要匹配圆括号字符，请使用 '\(' 或 '\)'。 |
| (?:pattern) |
匹配 pattern 但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用 "或" 字符 (|) 来组合一个模式的各个部分是很有用。例如， 'industr(?:y|ies) 就是一个比 'industry|industries' 更简略的表达式。 |
| (?=pattern) |
正向肯定预查（look ahead positive assert），在任何匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如，"Windows(?=95|98|NT|2000)"能匹配"Windows2000"中的"Windows"，但不能匹配"Windows3.1"中的"Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。 |
| (?!pattern) |
正向否定预查(negative assert)，在任何不匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如"Windows(?!95|98|NT|2000)"能匹配"Windows3.1"中的"Windows"，但不能匹配"Windows2000"中的"Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。 |
| (?<=pattern) | 反向(look behind)肯定预查，与正向肯定预查类似，只是方向相反。例如，"(?<=95|98|NT|2000)Windows"能匹配"2000Windows"中的"Windows"，但不能匹配"3.1Windows"中的"Windows"。 |
| (?<!pattern) | 反向否定预查，与正向否定预查类似，只是方向相反。例如"(?<!95|98|NT|2000)Windows"能匹配"3.1Windows"中的"Windows"，但不能匹配"2000Windows"中的"Windows"。 |
| x|y |
匹配 x 或 y。例如，'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 则匹配 "zood" 或 "food"。 |
| [xyz] |
字符集合。匹配所包含的任意一个字符。例如， '[abc]' 可以匹配 "plain" 中的 'a'。 |
| [^xyz] |
负值字符集合。匹配未包含的任意字符。例如， '[^abc]' 可以匹配 "plain" 中的'p'、'l'、'i'、'n'。 |
| [a-z] |
字符范围。匹配指定范围内的任意字符。例如，'[a-z]' 可以匹配 'a' 到 'z' 范围内的任意小写字母字符。 |
| [^a-z] |
负值字符范围。匹配任何不在指定范围内的任意字符。例如，'[^a-z]' 可以匹配任何不在 'a' 到 'z' 范围内的任意字符。 |
| \b |
匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。 |
| \B |
匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。 |
| \cx |
匹配由 x 指明的控制字符。例如， \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 'c' 字符。 |
| \d |
匹配一个数字字符。等价于 [0-9]。 |
| \D |
匹配一个非数字字符。等价于 [^0-9]。 |
| \f |
匹配一个换页符。等价于 \x0c 和 \cL。 |
| \n |
匹配一个换行符。等价于 \x0a 和 \cJ。 |
| \r |
匹配一个回车符。等价于 \x0d 和 \cM。 |
| \s |
匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。 |
| \S |
匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。 |
| \t |
匹配一个制表符。等价于 \x09 和 \cI。 |
| \v |
匹配一个垂直制表符。等价于 \x0b 和 \cK。 |
| \w |
匹配字母、数字、下划线。等价于'[A-Za-z0-9_]'。 |
| \W |
匹配非字母、数字、下划线。等价于 '[^A-Za-z0-9_]'。 |
| \xn |
匹配 n，其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，'\x41' 匹配 "A"。'\x041' 则等价于 '\x04' & "1"。正则表达式中可以使用 ASCII 编码。 |
| \num |
匹配 num，其中 num 是一个正整数。对所获取的匹配的引用。例如，'(.)\1' 匹配两个连续的相同字符。 |
| \n |
标识一个八进制转义值或一个向后引用。如果 \n 之前至少 n 个获取的子表达式，则 n 为向后引用。否则，如果 n 为八进制数字 (0-7)，则 n 为一个八进制转义值。 |
| \nm |
标识一个八进制转义值或一个向后引用。如果 \nm 之前至少有 nm 个获得子表达式，则 nm 为向后引用。如果 \nm 之前至少有 n 个获取，则 n 为一个后跟文字 m 的向后引用。如果前面的条件都不满足，若 n 和 m 均为八进制数字 (0-7)，则 \nm 将匹配八进制转义值 nm。 |
| \nml |
如果 n 为八进制数字 (0-3)，且 m 和 l 均为八进制数字 (0-7)，则匹配八进制转义值 nml。 |
| \un |
匹配 n，其中 n 是一个用四个十六进制数字表示的 Unicode 字符。例如， \u00A9 匹配版权符号 (?)。 |
浙公网安备 33010602011771号