正则表达式

一、概述

1.概念

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，组成串”，这个 “规则字符串” 用来表达对字符串的一种过滤逻辑。

2.目的

给定一个正则表达式和另—个字符串，我们可以达到如下的目的:

a.给定的字符串是否符合正则表达式的过滤逻辑（称作“匹配”);

　　　　例如：邮箱匹配，电话号码匹配

b.可以通过正则表达式，从字符串中获取我们想要的特定部分。

　　　　爬虫中解析html数据

3.特点

a.灵活性、逻辑性和功能性非常的强；

b.可以迅速地用极简单的方式达到字符串的复杂控制。

c.对于刚接触的人来说，比较晦涩难懂。

4.学习方法

a.做好笔记，不要死记硬背
b.大量练习

　　python 中通过系统库 re 实现正则表达式的所有功能

二、正则表达式符号

1.普通字符

下面的案例使用 re 模块的 findall() 函数，函数参考如下:

re.findall(pattern, string, flag)
- 在字符串中找到正则表达式所匹配的所有子串，并返回列表，如果没有找到返回空列表
- pattern : 正则表达式
- string：被匹配的字符串
- flag：标志位用来控制正则表达式匹配方式

在最简单的情况下，一个正则表达式看上去就是一个普通的查找串

import re

s1 = "testing123"
s2 = "Testing123"
r = re.findall("test", s1)  # 表示在s1中找到字符串 "test"
print(r)    # 结果：['test']

r1 = re.findall("test", s2)  # 默认情况下大小写敏感
print(r1)    # 结果：[]

r2 = re.findall("test", s2, re.I)  # 修饰符re.I :使匹配对大小写不敏感（ignore）
print(r2)    # 结果：['Test']

2.元字符

. ” $ * ＋ ? { } [ ] | ( ) \

2.1通配符．

默认情况下匹配除 \n （换行符）之外的任何单个字符，依次匹配

import re

s1 = "testing123"
s2 = "testing123\n"
s3 = "马保国"

r = re.findall(".", s1)  # 表示在s1中找到字符串 "."
print(r)    # 结果：['t', 'e', 's', 't', 'i', 'n', 'g', '1', '2', '3']

r1 = re.findall(".", s2)  # 除"\n"，换行不匹配
print(r1)    # 结果：['t', 'e', 's', 't', 'i', 'n', 'g', '1', '2', '3']

r2 = re.findall("..", s1)  # 匹配两个字符
print(r2)    # 结果：['te', 'st', 'in', 'g1', '23']

r3 = re.findall("马..", s3)  # 匹配两个字符
print(r3)    # 结果：['马保国']

修饰符 re.S 使 "." 匹配包括换行在内的所有字符

r4 = re.findall(".", s2, re.S)  # 同 re.DOTALL
print(r4)    # 结果：['t', 'e', 's', 't', 'i', 'n', 'g', '1', '2', '3', '\n']

2.2 脱字符 ^

匹配输入字符串的开始位置

s1 = "testing\nTesting\ntest"

r = re.findall("^test", s1)  # 匹配开始是否是 test，默认只匹配单行
print(r)     # 结果：['test']

r_1 = re.findall("t", s1, re.I)  # 所有的 t
print(r_1)       # 结果：['t', 't', 'T', 't', 't', 't']

r_2 = re.findall("^t", s1, re.I)  # 字符串开始的 t
print(r_2)       # 结果：['t']

修饰符 re.M 表示 ^ 可以多行匹配

r1 = re.findall("^test", s1, re.M)    # 修饰符re.M:多行匹配
print(r1)     # 结果：['test', 'test']

"|"可以将多个修饰符结合起来使用

r2 = re.findall("^test", s1, re.I | re.M)
print(r2)     # 结果：['test', 'Test', 'test']

2.3 美元符 $

匹配输入字符串的结束位置

s4 = "testtesting\ntestTesting\ntest"

r = re.findall("testing$", s4)   # 默认匹配单行
print(r)  # 输出：[]

r1 = re.findall("testing$", s4, re.M)    # 修饰符re.M:多行匹配
print(r1)  # 输出：['testing’]

r2 = re.findall("testing$", s4, re.I | re.M)  # 多个修饰符通过oR(|）来指定
print(r2)  # 输出：['testing', 'Testing']

2.4 重复元字符 *，+，?

* 匹配前面的子表达式任意次
＋匹配前面的子表达式一次或多次(至少一次)
? 匹配前面的子表达式 0次或 1次

import re

s1 = "z\nzo\nzoo"

r = re.findall("zo*", s1)  # 匹配o{0,},逗号后不能空格
r1 = re.findall("zo{0,}", s1)

print(r)    # 输出：['z', 'zo', 'zoo’]
print(r1)   # 输出：['z', 'zo', 'zoo']

r2 = re.findall("zo+", s1)  # 匹配o，一次或多次{1，}
r3 = re.findall("zo{1,}", s1)

print(r2)  # 输出：['zo', 'zoo’]
print(r3)   # 输出：['zo'， 'zoo']

r4 = re.findall("zo{2}", s1)  # 匹配o，2次
print(r4)  # 输出：['zoo']

s = 'zozozozo!'
r5 = re.findall('(?:zo)+', s)  # 匹配zo，？：zo后面代表整体；没有 ？：只返回括号里面的
print(r5)  # 输出：['zozozozo']

2.5 重复元字符 { }

也是控制匹配前面的子表达式次数

import re

s1 = "z\nzo\nzoo"

r = re.findall("zo*", s1)  # 匹配o{0,},逗号后不能空格
r1 = re.findall("zo{0,}", s1)

print(r)    # 输出：['z', 'zo', 'zoo’]
print(r1)   # 输出：['z', 'zo', 'zoo']

r2 = re.findall("zo+", s1)  # 匹配o，一次或多次{1，}
r3 = re.findall("zo{1,}", s1)

print(r2)  # 输出：['zo', 'zoo’]
print(r3)   # 输出：['zo'， 'zoo']

r4 = re.findall("zo{2}", s1)  # 匹配o，2次
print(r4)  # 输出：['zoo']

2.6字符组 [ ]

表示匹配给出的任意字符

import re

s1 = "test\nTesting\nzoo"

r = re.findall("[eio]", s1)     # 匹配包含的任意字符
print(r)    # 结果：['e', 'e', 'i', 'o', 'o']

r = re.findall("[e-o]", s1)     # 匹配包含的字符范围
print(r)    # 结果：['e', 'e', 'i', 'n', 'g', 'o', 'o']

r1 = re.findall("[0-9]", "ab1234de554")     # 匹配包含的字符范围
print(r1)    # 结果：['1', '2', '3', '4', '5', '5', '4']

r = re.findall("^[eio]", s1, re.M)   # re.M:多行匹配，回忆脱字符，匹配以[eio]开头字符。
print(r)    # 结果：[]

# 脱字符^放到里面组合，表示排除给定字符串
r = re.findall("[^estio]", s1)    # 匹配未包含的任意字符
print(r)    # 结果：['\n', 'T', 'n', 'g', '\n', 'z']

2.7选择元字符 |

表示两个表达式选择一个匹配

import re

s1 = "z\nzood \nfood"

r = re.findall("z |food", s1)   # 匹配"z"或"food"
print(r)    # 结果：['food']

r = re.findall("[z|f]ood", s1)  # 匹配"zood"或"food"
print(r)    # 结果：['zood', 'food']

2.8分组元字符（）

将括号之间的表达式定义为组(group)，并且将匹配这个子表达式的字符返回

import re

s1 = "z\nzood\nfood"

r = re.findall("[zlf]o*", s1)   # 不加分组，拿到的引号内正则表达式匹配到的字符
print(r)    # 结果：['z', 'zoo', 'foo']

r = re.findall("[z/f](o*)", s1)     # 加上分组，返回的将是引号内正则表达式匹配到的字符中（）中的内容
print(r)    # 结果：['', 'oo', 'oo']

2.9 转义元字符 \

用来匹配元字符本身时的转义，和特定字符组成字符串，见预定义字符组

import re

s = '12345@qq.com'

r= re.findall('\.', s)
print(r)    # 结果：['.']

2.10 非贷婪模式

在默认情况下，元字符 *, + 和 {(n,m} 会尽可能多的匹配前面的子表达式，这叫贪婪模式。

import re

s = "abcadcaec"

r = re.findall(r"ab.*c", s)     # 贪婪模式，尽可能多的匹配字符(.*或者.+)
print(r)    # 结果：['abcadcaec']

# 当在这些元字符后面加上?时，表示非贪婪，即尽可能少的匹配前面的子表达式
r = re.findall(r"ab.*?c", s)    # 非贪婪模式，尽可能少的匹配字符
print(r)    # 结果：['abc']

r = re.findall('ab.+c', s)    # 贪婪
print(r)    # 结果：['abcadcaec']

r = re.findall('ab.+?c', s)    # 非贪婪
print(r)    # 结果：['abcadc']

r = re.findall('ab.{0,}', s)   # 贪婪
print(r)    # 结果：['abcadcaec']

r= re.findall('ab.{0,}?', s)   # 非贪婪
print(r)    # 结果：['ab']

3.预定义字符组

　　元字符 \ 与某些字符组合在一起表示特定的匹配含义

3.1 1 \d

匹配单个数字，等价于[0-9]

s = "<a href=' asdf’>1360942725</a>"

a = re.findall('\d', s)
print(a)    # 结果：['1', '3', '6', '0', '9', '4', '2', '7', '2', '5']

a= re.findall('\d+', s)
print(a)    # 结果：['1360942725']

3.2 \D

匹配任意单个非数字字符，等价于[0-9]

s = "<a href=' asdf’>1360942725</a>"

a = re.findall('\D', s)
print(a)    # 结果：['<', 'a', ' ', 'h', 'r', 'e', 'f', '=', "'", ' ', 'a', 's', 'd', 'f', '’', '>', '<', '/', 'a', '>']

3.3 \s

匹配任意单个空白符，包括空格，制表符(tab),换行符等

s = 'fdfa**68687+我怕n fdgltf_d\n'

a = re.findall('\s', s)
print(a)    # 结果：[' ', '\n']

3.4 \S

匹配任何非空白字符

s ='fdfa**68687+我怕n fdg\tf_d\n'

a = re.findall('\S', s)
print(a)    # 结果：['f', 'd', 'f', 'a', '*', '*', '6', '8', '6', '8', '7', '+', '我', '怕', 'n', 'f', 'd', 'g', 'f', '_', 'd']

3.5 \w

匹配除符号外的单个字母，数字，下划线或汉字等

s ='fdfa**68687+我怕n fdg\tf_d\n'

a = re.findall("\w", s)
print(a)    # 结果：['f', 'd', 'f', 'a', '6', '8', '6', '8', '7', '我', '怕', 'n', 'f', 'd', 'g', 'f', '_', 'd']

3.5 \W

匹配符号

s ='fdfa**68687+我怕n fdg\tf_d\n'

a = re.findall("\w", s)
print(a)    # 结果：['f', 'd', 'f', 'a', '6', '8', '6', '8', '7', '我', '怕', 'n', 'f', 'd', 'g', 'f', '_', 'd']

小案例

1.检测邮箱

s = "3003756995@qq.com"

a = re.findall('^\w+@\w+\.com$', s)
if a:
    print('s=是正确格式的邮箱')
else:
    print('s!=不是邮箱地址')

2.检测手机号

s = "13854467878"

a = re.findall('^1[3-9]\d{9}$', s)
if a:
    print('手机号格式正确')
else:
    print('手机号不格式正确')

4. re 模块常用函数

re.matc
re.search
re.sub
re.findall
re.compile

正则表达式是什么

是一串描述文本规则的代码
对文本的搜索、替换、校验，非常复杂的字符
可以进行参数化
任何编程语言基本上都支持正则表达式
绝对大多数的编辑器都是支持正则表达式

1. 可以在下面的网址对正则进行练习

在线正则表达式解析：https://regexper.com/
正则表达式在线测试：https://regex101.com/

2. 匹配单个字符

. ：匹配任意1个字符（除了\n）

[ ] ：匹配【】中列举的字符

\d ：匹配数字，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

3. 匹配多个字符

* ：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；例如：/o{2,3}

*******请大家尊重原创，如要转载，请注明出处：转载自：https://www.cnblogs.com/shouhu/ 谢谢！！*******

posted @ 2020-01-08 10:34 守护往昔阅读(390) 评论(0) 编辑收藏举报

刷新页面返回顶部

守护@往昔

守护当下，珍惜过往