python 正则表达式
1. 检测工具
https://regex101.com/ 这个不要钱
https://www.regexbuddy.com/download.html 需要钱钱买license
是真的好用
2. 单字符匹配
. 匹配任意一个字符（除了\n） [] 匹配[]内列举的字符 \d 匹配数字0-9 \D 匹配非数字，不是数字的都行 \s 匹配空白，即 空格，\t tab键,\n 换行 \S 匹配非空白 \w 匹配单词字符，即A-Z, a-z, 0-9, _ \W 匹配非单词字符, 即非字母，非数字，非下划线
[hr] 即可以匹配单个字符h，又可以匹配单个字符r, [a-h] 可以匹配单个a , 可以匹配单个b, 可以匹配单个c, 可以匹配单个d, 可以匹配单个e, 可以匹配单个f, 可以匹配单个g, 可以匹配单个h [A-Z0-9] 匹配所有的大写字母和所有的数字
3. 匹配多个字符
* 匹配前一个字符任意次，即可有可无
+ 匹配前一个字符1次或者无限次，即至少一次
? 匹配前一个字符出行1次或者0次，即要么有1次，要么没有
{m} 匹配前一个字符m次
{m,n} 匹配前一个字符出现从m次到n次，m<n
举个栗子
^[a-zA-Z_]+\w* 匹配变量名
[0-9]?[0-9] 匹配0-99
\d{3} 连续出现4次数据
\d{8,20} 连续8到20位数字
\. 只能匹配. \代表转义字符，如果只写.，代表匹配任意字符
4. 匹配开头
^ 匹配后面一个字母开头；在中括号内 [^a]取反， 匹配不是a的字符 $ 匹配前面一个字母结尾 ^[a-z]\d$ 以小写字母开头，以数字结尾 [^he] 匹配不包含h，不包含e的单个字母
5. re模块
在python中需要通过正则表达式对字符串进行匹配的时候，可以使用re模块，这个模块里面有match(pattern,String,flag)方法, 如果匹配成功，返回object对象，如果匹配不成功，返回None。
举个栗子
import re
if __name__ == '__main__':
str = 'ddddffffff%'
patobj = re.match('\w+', str)
# group() 返回匹配的内容,这里返回ddddffffff
print(patobj.group())
str2 = 'hekkko@163.com'
patobj2 = re.match('^\w{4,20}@163\.com$', str2)
print(patobj2.group())
执行结果
PycharmProjects/pythonProject/p3/repat.py
ddddffffff
hekkko@163.com
Process finished with exit code 0
6.匹配分组之 |
|匹配左右任意一个表达式
#匹配0-100 ^[0-9]?[0-9]$|^100$
import re
if __name__ == '__main__':
str3 = '100'
patobj3 = re.match('^[0-9]?[0-9]$|^100$', str3)
print(patobj3.group())
str4 = '99'
patobj4 = re.match('^[0-9]?[0-9]$|^100$', str4)
print(patobj4.group())
result
PycharmProjects/pythonProject/p3/repat.py
100
99
Process finished with exit code 0
7.匹配分组之()
（）看成一个整体，进行整体匹配， (ab)将括号中字符ab作为一个分组
import re
if __name__ == '__main__':
str5 = 'helll@163.com'
patobj5 = re.match('^\w{4,20}@(163|126|qq)\.(com)$', str5)
print(patobj5.group())
print(patobj5.group(1)) #正则表达式里面第一个小括号的匹配内容
print(patobj5.group(2)) #正则表达式里面第二个小括号的匹配内容
C:\Users\GINAGZLI\.virtualenvs\p3-uIsbL7fV\Scripts\python.exe C:/Users/‘’‘’‘’/PycharmProjects/pythonProject/p3/repat.py
helll@163.com
163
com
Process finished with exit code 0
import re
if __name__ == '__main__':
str6 = '010-11111111'
str7 = '1234-2222222'
patobj6 = re.match('(\d{3,4})-(\d{7,8})', str6)
patobj7 = re.match('(\d{3,4})-(\d{7,8})', str7)
print('qu hao', patobj6.group(1))
print('dian hua hao ma', patobj6.group(2))
print('qu hao', patobj7.group(1))
print('dian hua hao ma', patobj7.group(2))
C:\Users\GINAGZLI\.virtualenvs\p3-uIsbL7fV\Scripts\python.exe C:/Users/uuuuu/PycharmProjects/pythonProject/p3/repat.py
qu hao 010
dian hua hao ma 11111111
qu hao 1234
dian hua hao ma 2222222
Process finished with exit code 0
8. 匹配分组之 \
\num 表示引用第num个()里面的pattern
\1 表示引用第一个()里面的pattern
import re
if __name__ == '__main__':
str8 = "<html>testPattern</html>"
# \1表示引用()里面的pattern 也就是这串([a-zA-Z0-9]+)，这里需要用转义字符\\1机器才能按\1办事儿
patobj8 = re.match("<([a-zA-Z0-9]+)>.*</\\1>", str8)
print(patobj8.group())
C:/Users/oooo/PycharmProjects/pythonProject/p3/repat.py
<html>testPattern</html>
Process finished with exit code 0
import re
if __name__ == '__main__':
str9 = "<html><h1>testPattern</h1></html>"
# patobj9 = re.match("<([a-zA-Z0-9]+)><\\1>.*</\\1></\\1>", str9) 我不清楚这个错在哪里， 这个匹配不到，不能多次引用同一个么？ 拜托能为我解惑的朋友给留言
patobj9 = re.match("<([a-zA-Z0-9]+)><([a-zA-Z0-9]+)>.*</\\2></\\1>", str9) 这个能匹配到
print(patobj9.group())
9. 匹配分组之别名
import re
if __name__ == '__main__':
str10 = "<html><h1>testPattern</h1></html>"
#?P<name1>是[a-zA-Z0-9]+的别名 ，(?P=name1)代表引用name1
patobj10 = re.match("<(?P<name1>[a-zA-Z0-9]+)><(?P<name2>[a-zA-Z0-9]+)>.*</(?P=name2)></(?P=name1)>", str10)
print(patobj10.group())
10. re模块的其他用法
10.1 search 查找
re.search('hello','helloxxxx')能匹配成功，re.search('hello','xhelloxxxx')能匹配成功
match是从正则开头的才能匹配到，比如 re.match('hello','helloxxxx')能匹配成功，re.match('hello','xhelloxxxx')不能匹配成功
search的搜索范围比match大，直接在字符串里面搜索
import re
if __name__ == '__main__':
str11 = "dfgsdgad9999dddd"
patobj11 = re.search('\d+', str11)
10.2 findall() 返回一个列表
import re
if __name__ == '__main__':
str12 = "dfgsdgad9999dddd, 5555,444,fff666,777"
patobj12 = re.findall('\d+', str12)
print(patobj12)
C:\Users\GINAGZLI\.virtualenvs\p3-uIsbL7fV\Scripts\python.exe C:/Users/77777/PycharmProjects/pythonProject/p3/repat.py
['9999', '5555', '444', '666', '777']
Process finished with exit code 0
10.3 sub 替换
sub("正则pattern", new , 要替换的字符串)
返回值是替换后的字符串
import re
if __name__ == '__main__':
str13 = "dfgsdgad9999dddd, 5555,444,fff666,777"
patobj13 = re.sub('\d+','10000', str13)
print(patobj13)
C:\Users\ooooo\.virtualenvs\p3-uIsbL7fV\Scripts\python.exe C:/Users/ooooo/PycharmProjects/pythonProject/p3/repat.py
dfgsdgad10000dddd, 10000,10000,fff10000,10000
Process finished with exit code 0
三个双引号定义一个多行的字符串
strhtml = """
<p>1 src="vender.e349f038.js"</p>
<script type="text/javascript" src="runtime~app.e349f038.js"></script>
<div class="reminders Football close" style="top: 0px; left: 0px;"></div>
<script type="text/javascript" src="runtime~app.e349f038.js"></script>
<p>5 type="text/javascript" src="app.e349f038.js"</p>
"""
10.4 split
import re
if __name__ == '__main__':
str14 = "hi:hello icsics open,world"
patobj14 = re.split(':|,| ', str14)
print(patobj14)
C:\Users\66666\.virtualenvs\p3-uIsbL7fV\Scripts\python.exe C:/Users/555555/PycharmProjects/pythonProject/p3/repat.py
['hi', 'hello', 'icsics', 'open', 'world']
Process finished with exit code 0
10.5 贪婪和非贪婪
在 * ？ + {} 后面加个？会把贪婪模式变成非贪婪模式
import re
if __name__ == '__main__':
str14 = "aaa123456"
patobj14 = re.match('aaa\d+?', str14)
print(patobj14)
<re.Match object; span=(0, 4), match='aaa1'>
Process finished with exit code 0
import re
if __name__ == '__main__':
str14 = "aaa123456"
patobj14 = re.match('aaa(\d+?)', str14)
print(patobj14)
<re.Match object; span=(0, 4), match='aaa1'>
Process finished with exit code 0
import re
if __name__ == '__main__':
str14 = "aaa123456"
patobj14 = re.match('aaa[\d+?]', str14)
print(patobj14)
<re.Match object; span=(0, 4), match='aaa1'>
Process finished with exit code 0
import re
if __name__ == '__main__':
str15 = '< span id = "tournament" class ="tab-title-label" > Tournament < / span >'
#下面一句pattern中的?就是非贪婪匹配，只取第一个id的值，
patobj15 = re.search('id = \".*?\"', str15)
#这里我不太明白，我以为是下面这样写,但是这样写不对，请明白的朋友给留言解释，先谢过
#patobj15 = re.search('id = \".*\"?', str15)
print(patobj15)
<re.Match object; span=(10, 27), match='id = "tournament"'>
Process finished with exit code 0
import re
if __name__ == '__main__':
str15 = '< span id = "tournament" class ="tab-title-label" > Tournament < / span >'
patobj15 = re.search('id = \"(.*?)\"', str15)
print(patobj15.group(1))
tournament
Process finished with exit code 0
10.6 r的作用
让\只是斜杠的作用
import re
if __name__ == '__main__':
str16 = "<html><h1>testPattern</h1></html>"
patobj16 = re.match("<([a-zA-Z0-9]+)><([a-zA-Z0-9]+)>.*</\\2></\\1>", str16) #不加r就这么写 \\2 \\1 ,
patobj16r = re.match(r"<([a-zA-Z0-9]+)><([a-zA-Z0-9]+)>.*</\2></\1>", str16) #加r就这么写 \2 \1 , 只对\ 不用转义了， 其他的 比如 \. 还是跟以前一样
print(patobj16.group())
print(patobj16r.group())
<html><h1>testPattern</h1></html>
<html><h1>testPattern</h1></html>
Process finished with exit code 0
抽空写的，持续6天，写完了，应该比较全了，如果还有要补充的，麻烦朋友们留言。
