正则表达式
正则表达式
正则本身和python没有什么关系,就是匹配字符串内容的一种规则.
官方定义: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
正则表达式在线测试工具:http://tool.chinaz.com/regex/
其实你要知道的是,谈到正则,就只和字符串相关了,
字符组:[字符组] 在同一个位置可能出现各种字符组成一个字符组,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这十个数字之一.
正则 | 待匹配字符 | 匹配结果 | 说明 |
[0123456789] | 8 | True | 在一个字符组李枚举合法的所有字符,字符组李任意一个字符和"待匹配字符"相同都视为可以匹配 |
[0123456789] | a | False | 由于字符组中内有"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 | 同样匹配小写字母,直接用[a-z]就可以表示 |
[A-Z] | H | True | [A-Z]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 |
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 |
[^......] | 匹配出来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 |
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 | 匹配说有"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.$" |
例; * + ? {}
正则 | 待匹配字符 | 匹配结果 | 说明 |
李.? | 李杰和李莲英和李二棍子 |
李杰 李莲 李二 |
?表示重复零次或一次,即只匹配"李"后面一个任意字符 |
李.* | 李杰和李莲英和李二棍子 | 李杰和李莲英和李二棍子 | *表示重复零次或多次,即只匹配"李"后面0或多个任意字符 |
李.+ | 李杰和李莲英和李二棍子 | 李杰和李莲英和李二棍子 | +表示重复一次或多次,即只匹配"李"后面一个霍格任意字符 |
李.{1,2} | 李杰和李莲英和李二棍子 |
李杰和 李莲英 李二棍 |
{1,2}匹配1到2次任意字符 |
注意:前面的 *, +, ? 等都是贪婪匹配,就是尽可能多的匹配,后面加?使其变成惰性匹配
正则 | 待匹配字符 | 匹配结果 | 说明 |
李.*? | 李杰和李莲英和李二棍子 |
李 李 李 |
惰性匹配 |
字符集: [] [^]
正则 | 待匹配字符 | 匹配结果 | 说明 |
李[杰莲英二棍子]* | 李杰和李莲英和李二棍子 |
李杰 李莲英 李二棍子 |
表示匹配"李"字后面[杰莲英二棍子]的字符任意次 |
李[^和*] | 李杰和李莲英和李二棍子 |
李杰 李莲英 李二棍子 |
匹配一个不是"和"的字符任意次 |
[\d] | 253sfewre3 |
2,5,3,3 |
匹配任意一个数字,匹配4个结果 |
[\d]+ | 253sfewre3 |
253 3 |
表示匹配任意个数字,匹配到2个结果 |
分组()与或 | [ ^ ]
身份证号码是一个长度为15或18个字符的字符串,如果是15位则全部🈶️数字组成,
首位不能为0;如果是18位,则前17位全部是数字,末位可能是数字或x,下面我们尝试用正则来表示:
正则 | 待匹配字符 | 匹配结果 | 说明 |
^[1-9]\d{13,16}[0-9x]$ | 110101198001017032 | 110101198001017032 | 可以匹配一个正确的身份证号 |
^[1-9]\d{13,16}[0-9x]$ | 1101011980010170 | 1101011980010170 | 可以匹配这串数字,但不是一个正确的身份证号,这是一个16为的数字 |
^[1-9]\d{14}(\d{2}[0-9x])?$ | 1101011980010170 | False |
不会匹配错误的身份证号, ()表示分组,将\d{2}[0-9x]分成一组,可以整体约束他们出现的次数为0-1 |
^([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} |
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 |
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 |
<.*> |
<script>...<script> |
<script>...<script> |
默认为贪婪匹配模式,会匹配尽量长的字符串 |
<.*?> | r'\d' |
<script> |
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 |
几个非常用的贪婪匹配pattern
*? 重复任意次,但尽可能少重复 +? 重复一次或更多次,尽可能少重复 ?? 重复0次或一次,尽可能少重复 {n,m}? 重复n到m次,尽可能少重复 {n,}?重复n次以上,尽可能少重复
. * ? 的用法
. 是任意字符 * 是取0至无限长 ? 是非贪婪模式 合在一起就是取尽量少的任意字符,一般不会这么单独写,大多用在:.*?x 就是取前面任意长度的字符,直到一个x出现