python基础（正则表达式）

一、正则表达式：

　　使用场景：

　　　　检测某一段字符串是否符合规则

　　　　从某一段文字中找到符合规则的内容

　　1.1 字符组：

　　　　1.1.1 表示方式：　

　　　　　　字符组 ： [字符组]

　　　　1.1.2 定义：

　　　　　　匹配的是一个字符的内容

　　　　　　字符组内所有的范围都是根据ascii码来进行排序

　　　　　　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 字符分为很多类，比如数字、字母、标点等等。

　　　　　　假如你现在要求一个位置"只能出现一个数字",那么这个位置上的字符只能是0、1、2...9这10个数之一

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 不能从大到小来规定字符组范围
[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
[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
[\-]	-	True	在字符组当中 -是有特殊意义的，需要使用\作为转义符
A-Z0-9a-z_	_	True	在字符组内匹配下划线
[\D\d]		True	匹配所有
[\W\w]		True	匹配所有
[\S\s]		True	匹配所有

　　1.2 字符：

元字符	匹配内容
.	匹配除换行符以外的任意字符
\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
\b	匹配一个单词的边界，位置可以是开头或者结尾
^	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
\D	匹配非数字
\S	匹配非空白符
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
空格	本身匹配(空格)

 

　　1.3 量词：

　　　　1.3.1 特点：

　　　　　　表示的是匹配的次数

　　　　　　在量词的范围内尽可能多的匹配

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

　　1.4 常用用法：

　　　　.^$ 用法：

 

正则	待匹配字符	匹配 结果	说明
海.	海燕海娇海东	海燕海娇海东	匹配所有"海."的字符
^海.	海燕海娇海东	海燕	只从开头匹配"海."
海.$	海燕海娇海东	海东	只匹配结尾的"海.$"

　　　　*+？{} 用法：

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	+表示重复一次或多次，即只匹配"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

　　　　[] [^] 用法：

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 | [^] 用法：

　　　　　　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位则全部有数字组成，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	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])?$	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}

　　　　　　匹配一个整数或者小数:整数不能多个零组成

正则	待匹配字符	匹配 结果	说明
[1-9]\d*|0	123	123	匹配整数
\d+\.\d+	0.233	0.233	匹配小数
\d+\.\d+|([1-9]\d*|0)	123或者0.233	123或者0.233	匹配一个整数或者小数， 默认贪婪匹配：永远把相对长的规则放在左侧

　　　　转义符 \ 用法：

　　　　　　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
<.*?>	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

　　　　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。
　　　　　　  和在一起就是 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