Day24--Python--常用模块03--正则表达式
正则表达式是对字符串操作的⼀种逻辑公式. 我们⼀般使⽤正则表达式对字符串进⾏匹配和过滤.
使⽤正则的优缺点:
优点: 灵活, 功能性强, 逻辑性强.
缺点: 上⼿难. ⼀旦上⼿, 会爱上这个东⻄
⼯具: 各⼤⽂本编辑器⼀般都有正则匹配功能. 我们也可以去
http://tool.chinaz.com/regex/进⾏在线测试.
正则表达式由普通字符和元字符组成. 普通字符包含⼤⼩写字⺟, 数字.
元字符: 元字符才是正则表达式的灵魂. 元字符中的内容太多了, 在这⾥我们只介绍⼀些
常⽤的.
1. 字符组
字符组很简单⽤[]括起来. 在[]中出现的内容会被匹配. 例如:[abc] 匹配a或b或c
如果字符组中的内容过多还可以使⽤- , 例如: [a-z] 匹配a到z之间的所有字⺟ [0-9]
匹配所有阿拉伯数字
[a-zA-Z0-9]匹配的是所有数字和大小写字母
[.] 字符组中的.就是字符. 不需要转义
2. 简单元字符 (以下均为元字符,根据功能不同又细分了量词)
基本的元字符.(常用)
. 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
3. 量词
我们到⽬前匹配的所有内容都是单⼀⽂字符号. 那如何⼀次性匹配很多个字符呢,
我们要⽤到量词
* 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
{n,m} 重复n到m次
4. 惰性匹配和贪婪匹配
在量词中的*, +,{} 都属于贪婪匹配. 就是尽可能多的匹配到结果.
str: 麻花藤昨天让英雄联盟关服了
reg: 麻花藤.*
此时匹配的是整句话
在使⽤.*后⾯如果加了? 则是尽可能的少匹配. 表⽰惰性匹配 (尽可能少的匹配)
str: 麻花藤昨天让英雄联盟关服了
reg: 麻花藤.*?
此时匹配的是 麻花藤
str: <div>胡辣汤</div>
reg: <.*>
结果: <div>胡辣汤</div>
str: <div>胡辣汤</div>
reg: <.*?>
结果:
<div>
</div>
str: <div>胡辣汤</div>
reg: <(div|/div*)?>
结果:
<div>
</div>
.*?x的特殊含义 找到下⼀个x为⽌.
str: abcdefgxhijklmn
reg: .*?x
结果:abcdefgx
5. 分组
在正则中使⽤()进⾏分组. 比如. 我们要匹配⼀个相对复杂的⾝份证号. ⾝份证号分
成两种. 老的⾝份证号有15位. 新的⾝份证号有18位. 并且新的⾝份证号结尾有可能是x.
给出以下正则: ^[1-9]\d{13,16}[0-9x]$ # 此方法有问题,16-17, 或第15位数字为X 均可能出现 ^[1-9]\d{14}(\d{2}[0-9x])?$ ^([1-9]\d{16}[0-9x]|[1-9]\d{14})$
6. 转义
在正则表达式中, 有很多有特殊意义的是元字符, ⽐如\n和\s等,如果要在正则中匹
配正常的"\n"⽽不是"换⾏符"就需要对"\"进⾏转义, 变成'\\'. \元字符
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"\n", 字符串中要写成'\\n', 那么正则⾥就要写成"\\\\n",这样就太麻烦了.
这个时候我们就⽤到了r'\n'这个概念, 此时的正则是r'\\n'就可以了.
*
\1 需要配合 ( ) 使用，表示() 中的内容，例如 s/\(abc\)/[\1]/ 表示将 "abc" 变成 "[abc]"
例如日期格式：
String REGEX_DATE="^\\d{4}(\\-|\\/|\\.)\\d{1,2}\\1\\d{1,2}$";
其中，\1表示第一个括号里的内容(注意:此处是匹配结果,不是正则表达式,比如括号中.匹配了m,则后面只能是m)，以此类推，\2则可以表示第二个括号里的内容, ()可以套(),里面括号排序在后面
2，
^\d{6}.[\u2E80-\u9FFF]+$
匹配 110228 北京市密云县 这种形式
匹配空行 ^(\s*)\r\n
*
正则表达式练习 # 完成手机号匹配 reg: ^1[3-9]\d{9}$ # 以数字1开头,第二位是3-9之间的一个数字,后面取9位数字 # 完成网址的匹配 (https|http)://\w+\.\S+ # 以https或http://开头,数字字母下划线重复一次或更多次.除了\n以外的所有字符重复一次或更多次 ((https|http|ftp|[a-zA-Z])://)?\w*\.[^\u4e00-\u9fa5| ]* # 此处刨除中文 # 完成电话号匹配 ^((010|02\d)-)?[1-9]\d{7}$ # 010或02加任意数字,区号可有可无,后面第一位1-9之间的数字,加7位数字 ^(0[3-9]\d{2}-)?[1-9]\d{6,7}$ #0加 3-9之间的数字加两位数字,区号可有可无,后面第一位1-9之间的数字,加6-7位数字 ^(\d{3}(\s|-))?\d{8}$|^(\d{4}(\s|-))?\d{7,8}$ # 3位区号-或空白,可有可无, # 匹配一个日期 ^\d{4}-\d{2}-\d{2} # 匹配IP地址 ^(2[0-4]\d|25[0-5]|1\d{2}|[1-9]\d|\d)\.(2[0-4]\d|25[0-5]|1\d{2}|[1-9]\d|\d)\.(2[0-4]\d|25[0-5]|1\d{2}|[1-9]\d|\d)\.(2[0-4]\d|25[0-5]|1\d{2}|[1-9]\d|\d) # 匹配家庭住址. # xxxx市xxx区xxx街道xxx小区xxx号楼xxx单元xxx号 ^\S+?市\S+?区\S+?街道\S+?小区\S+?号楼\S+?单元\S+?号$
