正则表达式
# 原创，转载请联系
1.匹配单个字符
| 字符 | 功能 |
|---|---|
| . | 匹配任意1个字符（除了\n） |
| [ ] | 匹配[ ]中列举的字符。[ ]里面有^表示取反 |
| \d | 匹配数字，即0-9 |
| \D | 匹配非数字，即不是数字 |
| \s | 匹配空白，即 空格，tab键 |
| \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 |
------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
2.匹配多个字符
| 字符 | 功能 |
|---|---|
| * | 匹配前一个字符出现0次或者无限次，即可有可无 |
| + | 匹配前一个字符出现1次或者无限次，即至少有1次 |
| ? | 匹配前一个字符出现1次或者0次，即要么有1次，要么没有 |
| {m} | 匹配前一个字符出现m次 |
| {m,n} | 匹配前一个字符出现从m到n次 |
------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
3.匹配开头结尾
| 字符 | 功能 |
|---|---|
| ^ | 匹配字符串开头（这个东西很少用到，因为默认匹配开头的） |
| $ | 匹配字符串结尾 |
------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
4.匹配分组
| 字符 | 功能 |
|---|---|
| | | 匹配左右任意一个表达式 |
| (ab) | 将括号中字符作为一个分组 |
\num |
引用分组num匹配到的字符串 |
(?P<name>) |
分组起别名 |
| (?P=name) | 引用别名为name分组匹配到的字符串 |
这个就稍微有点难度了。
(1) | ，表示匹配任意一个表达式。
示例： 请写出能同时验证163或者126合法邮箱的正则表达式
匹配规则:每个邮箱必须有@符号，且@符号之前需有4到20位单词字符)
import re web_list = ["chichungceng@163.com","237320770@qq.com", "hfdsj@126.com.cn","hh#djsa@126.com","shdABC@126.com"] for web in web_list: ret = re.match("\w{4,20}@163\.com$|\w{4,20}@126\.com$",web) if ret: print(ret.group()) 输出： chichungceng@163.com shdABC@126.com
(2) (ab) ，将括号内的字符作为一个分组
上面的例子，都是匹配邮箱地址，只是一个是163，一个是126。正则表达式的重复部分特别多，这时候就需要用到分组了。看下示例。
示例： 请写出能同时验证163或者126或者qq合法邮箱的正则表达式
匹配规则:每个邮箱必须有@符号，且@符号之前需有4到20位单词字符)
import re web_list = ["chichungceng@163.com","237320770@qq.com", "hfdsj@126.com.cn","hh#djsa@126.com","shdABC@126.com"] for web in web_list: ret = re.match("\w{4,20}@(163|126)\.com$",web) if ret: print(ret.group()) 输出： chichungceng@163.com shdABC@126.com
当我们想拿出来邮箱的前缀163或者126的时候呢？应该怎么办呢？
答案是：ret.group(1)
为什么是1呢？
因为匹配一整个正则表达式就是0，所以ret.group(0)实际上相当于ret.group()。然后从左到右，每个分组依次是1,2......
(3) \num ，引用分组num匹配到的字符串
引用的作用就是避免重复编写已经编写过的正则表达式规则，可以更加省时省力。
经常应用到网页代码的筛选中。因为网页的代码通常都是对称的，因此可以用前面编写过的正则表达式规则。
import re ret1 = re.match("<(\w+)>.*</\\1>","<h1>jdksaljd_HJS545</h1>") """如果前面有r，代表原生字符串。后面的\1就不需要转义了。 \1要转义是因为他本来的输出不是我们所见到的\1，而是其他东西。 有兴趣可以尝试输出一下。 所以如果开头不加r，\1是需要转义的""" ret2 = re.match(r"<(\w+)>.*</\1>","<h1>jdksaljd_HJS545</h1>") print(ret1.group()) print(ret2.group()) 输出： <h1>jdksaljd_HJS545</h1> <h1>jdksaljd_HJS545</h1>
(4) (?P<name>) ，起别名。(?P=name) ，引用别名
import re ret2 = re.match(r"<(?P<p1>\w+)>.*</(?P=p1)>","<h1>jdksaljd_HJS545</h1>") print(ret2.group()) 输出： <h1>jdksaljd_HJS545</h1>
如果组太多了，很难数的时候，可以给组起别名，下面引用就可以用组的内容了。
------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
5.re模块的常用函数
(1)match
从头到尾的匹配，上面例子太多了，所以这里就不说了。
(2)search
在目标字符串里寻找符合正则表达式的内容。
import re ret = re.search("\d+","我的期末考试是111分。") print(ret.group()) 输出： 111
\d+为什么不是匹配出1,11，而是111呢？
其实这是正则表达式的贪婪原则。
能匹配多点就匹配多点。
(3)findall
在目标字符串里寻找符合正则表达式的全部内容，并且返回一个列表。
import re ret = re.findall("\d+","我的语文98分，数学100分，英语60分") print(ret) 输出： ['98', '100', '60']
(4)sub
将匹配到的数据进行替换
import re ret = re.sub("\d+","60","天啊，我的英语100分，语文100分") print(ret) 输出： 天啊，我的英语60分，语文60分
这也是贪婪原则。
(5)split ：按规则分离字符串，返回的是分离后的列表
import re ret = re.split(",|:","天啊，我的英语100分:语文100分") print(ret) 输出： ['天啊，我的英语100分', '语文100分']
--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
6.解决正则表达式的贪婪问题
(1)针对单个数据
在"*","?","+","{m,n}"后面加上？，使贪婪变成非贪婪。
import re ret1 = re.search("\d+?","我的学号是123") ret2 = re.search("\d+","我的学号是123") print(ret1.group()) print(ret2.group()) 输出： 1 123
(2)针对多个数据
这时候就需要用到函数了。
import re def add(a): num = int(a.group()) num += 1 return str(num) content = "文章阅读数为500，点赞数为50" ret = re.sub("\d+",add,content) print(ret) 输出： 文章阅读数为501，点赞数为51
这里需要注意一下！
