正则表达式

谈到正则,我们首先需要了解一个在线测试工具http://tool.chinaz.com/regex/

什么是正则表达式?

正则就是一种匹配字符串的规则

例如:判断input的一个数是不是QQ号码,需要知道QQ号码是5位数以上,13位数以下,不是0开头等信息

　　或者是判断输入的是不是身份证号码,需要知道身份证号码是15位或18位数,首位不是0,18位末尾有可能是X等信息.

正则表达式可以做什么?

1可以定制一个规则:确认某一个字符串是否符合规则和从大段字符串中找到符合规则的内容

2程序领域:登录注册页的表单验证.爬虫:把这个网页下载下来 从里面提取一些信息,找到我要的所有信息,做数据分析以及自动化开发,日志分析

注意:正则表达式只是一种独立的语法

字符组[ ]:

在一个字符的位置上能出现的内容

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	带匹配字符	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，所以不能匹配
[0-9]	6	True	也可以用-表示范围,[0-9]就和[0123456789]是一个意思
[a-z]	d	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]	D	True	[A-Z]就表示所有的大写字母
[0-9a-fA-F]	K	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

 

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

 

 

 

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
剑.	剑姬剑圣剑豪	剑姬剑圣剑豪	匹配所有"剑 . "的字符
^剑.	剑姬剑圣剑豪	剑姬	只从开头匹配"剑."
剑.$	剑姬剑圣剑豪	剑豪	只匹配结尾的"剑.$"

 * + ? { }

正则	待匹配字符	匹配 结果	说明
李.?	李青和李盲僧和李老瞎子	李青李盲李老	?表示重复零次或一次，即只匹配"李"后面一个任意字符
李.*	李青和李盲僧和李老瞎子	李青和李盲僧和李老瞎子	*表示重复零次或多次，即匹配"李"后面0或多个任意字符
李.+	李青和李盲僧和李老瞎子	李青和李盲僧和李老瞎子	+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}	李青和李盲僧和李老瞎子	李青和李盲僧李老瞎	{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.*?	李青和李盲僧李老瞎子	李 李 李	惰性匹配

 字符集［］［^］

 

正则	待匹配字符	匹配 结果	说明
李[青盲僧老瞎子]*	李青和李盲僧李老瞎子	李青 李盲僧 李老瞎子	表示匹配"李"字后面[青盲僧老瞎子]的字符任意次
李[^和]*	李青和李盲僧李老瞎子	李青 李盲僧 李老瞎子	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	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}

 

 

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
<.*>	<abc>as...df<abc>	<abc>...<abc>	默认为贪婪匹配模式，会匹配尽量长的字符串
<.*?>	<abc>as...df<abc>	<abc> <abc>	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组合

1.*? 重复任意次，但尽可能少重复
2.+? 重复1次或更多次，但尽可能少重复
3.?? 重复0次或1次，但尽可能少重复
4.{n,m}? 重复n到m次，但尽可能少重复
5.{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

 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\是有特殊意义的字符，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'\\d'	r'\d'	True	在字符串之前加r，让整个字符串不转义

# 正则表达式中的转义
# "\n"    # \ 转义符
# '\('  表示匹配小括号
# [()+*?/$.]   在字符组中一些特殊的字符会现出原形
# 所有的 \w \d \s(\n,\t, )  \W \D \S都表示它原本的意义
# [-]只有写在字符组的首位的时候表示普通的减号
#    写在其他位置的时候表示范围[1-9]
#    如果就是想匹配减号 [1\-9]

# python中的转义符
# 分析过程
# '\n'  # \转义符 赋予这个n一个特殊的意义 表示一个换行符
# print('\n')
# 结果:空白
# print('\\n')
# 结果:\n
# print('C:\next')
# 结果:
# C:
# ext
# print('C:\\next')
# 结果:C:\next
# print(r'C:\next')
# 结果:C:\next
# print('\\\\n')
# 结果:\\n
# print(r'\\n')
# 结果:\\n