1，认识正则表达式
- 正则表达式：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。
2 字符组
- 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|由于字符组中没有"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|
3 元字符
| 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 |
4 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 |
|
重复n次 |
|
重复n次或更多次 |
|
重复n到m次 |
5 . ^ $
| 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.$" |
6 * + ?
| 正则 |
待匹配字符 |
匹配 结果 |
说明 |
| 李.? |
李杰和李莲英和李二棍子 |
李杰 李莲 李二 |
?表示重复零次或一次，即只匹配"李"后面一个任意字符 |
| 李.* |
李杰和李莲英和李二棍子 |
李杰和李莲英和李二棍子 |
*表示重复零次或多次，即匹配"李"后面0或多个任意字符 |
| 李.+ |
李杰和李莲英和李二棍子 |
李杰和李莲英和李二棍子 |
+表示重复一次或多次，即只匹配"李"后面1个或多个任意字符 |
| 李. |
李杰和李莲英和李二棍子 |
李杰和 李莲英 李二棍 |
{1,2}匹配1到2次任意字符 |
- 注意：前面的*,+,?等都是贪婪匹配，也就是尽可能匹配，后面加?号使其变成惰性匹配
| 正则 |
待匹配字符 |
匹配 结果 |
说明 |
| 李.*? |
李杰和李莲英和李二棍子 |
李 李 李 |
惰性匹配 |
7 字符集［］［^］
| 正则 |
待匹配字符 |
匹配 结果 |
说明 |
| 李[杰莲英二棍子]* |
李杰和李莲英和李二棍子 |
李杰 李莲英 李二棍子 |
表示匹配"李"字后面[杰莲英二棍子]的字符任意次 |
| 李[^和]* |
李杰和李莲英和李二棍子 |
李杰 李莲英 李二棍子 |
表示匹配一个不是"和"的字符任意次 |
| [\d] |
456bdha3 |
4 5 6 3 |
表示匹配任意一个数字，匹配到4个结果 |
| [\d]+ |
456bdha3 |
456 3 |
表示匹配任意个数字，匹配到2个结果 |
8 分组 ()与 或 ｜［^］
- 身份证号码是一个长度为15或18个字符的字符串，如果是15位则全部由数字组成，首位不能为0；如果是18位，则前17位全部是数字，末位可能是数字或x，下面我们尝试用正则来表示：
| 正则 |
待匹配字符 |
匹配 结果 |
说明 |
| \d{13,16}[0-9x]$ |
110101198001017032 |
110101198001017032 |
表示可以匹配一个正确的身份证号 |
| \d{13,16}[0-9x]$ |
1101011980010170 |
1101011980010170 |
表示也可以匹配这串数字，但这并不是一个正确的身份证号码，它是一个16位的数字 |
| \d{14}(\d{2}[0-9x])?$ |
1101011980010170 |
False |
现在不会匹配错误的身份证号了()表示分组，将\d{2}[0-9x]分成一组，就可以整体约束他们出现的次数为0-1次 |
| ^([1-9]\d{16}[0-9x] |
[1-9]\d{14})$ |
110105199812067023 |
110105199812067023 |
9 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\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'\'。
- 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。
| 正则 |
待匹配字符 |
匹配 结果 |
说明 |
| \n |
\n |
False |
因为在正则表达式中\是有特殊意义的字符，所以要匹配\n本身，用表达式\n无法匹配 |
| \n |
\n |
True |
转义\之后变成\，即可匹配 |
| "\\n" |
'\n' |
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'\n' |
r'\n' |
True |
在字符串之前加r，让整个字符串不转义 # "r" "real" |
10 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> |
<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 |
*? 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
. 是任意字符
* 是取 0 至 无限长度
? 是非贪婪模式。
何在一起就是 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
