正则表达式
一、正则表达式
正则表达式本身和python没有关系，他就是匹配字符串内容的一种规则。官方定义是：正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。
先给大家推荐一个在线测试工具：http://tool.chinaz.com/regex/
首先你要知道的是，谈到正则，就只和字符串相关了，在上面的测试工具中，我们输入的每一个字都是一个字符串。其次，如果在一个位置的一个值，不会出现什么变化，那么是不需要规则的，比如你要用“1”去匹配“1”，或者用“2”去匹配“2”，直接就可以匹配上。这连python的字符串操作都可以轻松做到。那么在之后我们更多要考虑的是在同一个位置上可以出现的字符的范围。
1，字符组：[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；
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 |
待匹配的字符 |
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 |
由于字符组里没有“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 |
|
[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 |
元字符 |
匹配内容 |
|
\w |
匹配字母或数字或下划线 |
\W |
匹配非字母或数字或下划线 |
|
\d |
匹配数字 |
\D |
匹配非数字 |
|
\s |
匹配任意空白（含换行，制表符，空格） |
\S |
匹配非空白符 |
|
\n |
匹配一个换行符 |
. |
匹配除换行符以外的任意字符 |
|
\t |
匹配一个制表符 |
a|b |
匹配字符a或字符b |
|
\b |
匹配一个单词的边界 |
() |
匹配括号内的表达式，也表示一个组 |
|
^ |
匹配字符串的开始 |
[…] |
匹配字符组中的字符 |
|
$ |
匹配字符串的结尾 |
[^…] |
匹配除了字符组中字符的所有字符 |
注意：1，有一些有特殊意义的元字符进入字符组中会恢复它本来的意义：有 . | ( ) [ ] 。
2，a|b表示符合a规则的或者b规则的都可以被匹配（如果a规则是b规则的一部分,且a规则比b规则要苛刻/要更长，就把a规则写在前面，即将更复杂的\更长的规则写在最前面）。
3，() 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。
4，量词跟在字符组或元字符后边用，放在字符组中没有意义，所以不需要转义；- 在字符组中有特殊意义，所以在字符组中需要转义。
3，量词
|
量词 |
用法说明 |
量词 |
用法说明 |
|
{n} |
这个量词之前的字符重复n次 |
? |
这个量词之前的字符重复0次或1次 |
|
{n,} |
这个量词之前的字符重复n次或更多次 |
+ |
这个量词之前的字符重复1次或更多次 |
|
{n,m} |
这个量词之前的字符重复n到m次 |
* |
这个量词之前的字符重复0次或更多次 |
4，练习题
1) 匹配整数 \d+
2) 匹配小数 \d+\.\d+
3) 匹配小数或者整数 \d+\.\d+|\d+ 或 \d+(\.\d+)?
4) 匹配身份证号码（18位最后一位是数字或者x，15位数字）
[1-9]\d{16}[\dx]|[1-9]\d{14} 或 [1-9]\d{14}(\d{2}[\dX])?
5，正则表达式的匹配特点：贪婪匹配
贪婪匹配就是在满足匹配时，匹配尽可能长的字符串，默认情况下，采用贪婪匹配（回溯算法）。
非贪婪模式（也叫惰性匹配）则需要在量词的后面加上量词？
|
正则 |
待匹配字符 |
匹配结果 |
说明 |
|
<.*> |
<script>…<script> |
<script>…<script> （一条结果） |
默认为贪婪模式，会匹配尽量长的字符串 |
|
<.*?> |
<script>…<script> |
<script> <script> （两条结果） |
加上？会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：
*? 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。
放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（只用.*?没什么意义，一般后边还会跟个其他条件）。
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 |
关于字符串挪到python中的转义的问题 : 只需要在工具中测试完毕，确认可以匹配上之后，挪到python中在字符串的外面加上r（r””）即可。
注意：正则表达式中的’\’到了python中都会变成’\\’；
r’\w’在python当中\不转义了，在python中就是一个普通的’\’，但是在正则表达式中它还是表示一个转义符。
7，总结：
普通字符就表示一个正常的字符；
元字符表示它特殊的意义 如果转义元字符,那么这个元字符就失去了特殊意义；
几个字符的组合关系：
字符/元字符 只约束一个字符
字符+量词 约束一个字符连续出现的次数
字符+量词+? 约束一个字符连续出现的最少次数
字符+量词+?+x 约束一个字符连续出现量词范围内的最少次数,遇到x就立即停止
示例：
|
.^$ |
|||
|
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.$" |
|
*+？{ } |
|||
|
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 |
|
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 |
4 |
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 |
