re的模块和正则表达式
re模块:是python提供的操作正则表达式的模块
示例:
import re
phone_number = input('please input your phone number : ')
if re.match('^(13|14|15|18)[0-9]{9}$',phone_number):
print('是合法的手机号码')
else:
print('不是合法的手机号码')
正则表达式:匹配字符串内容的一种规则
字符集 [ ] [里面必须是从小到大]
正则 | 待匹配字符 | 匹配结果 | 说明 |
[1234567789] | 8 | True | 在一个字符组里每组合法的所有字符,字符组里的任意一个和‘待匹配字符’相同视为 可以匹配。 |
[0123456789] | a | Flase | 由于字符组中没有‘a’字符,所有不匹配 |
[0-9] | 7 | True | 也可以用—表示范围,[0-9]就是和[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 | 表示所有大写字母 |
[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 |
. | 匹配除了换行符以外的任意字符 |
\w (\W)
|
匹配字母或数字或下划线 (匹配非字母数字或数字或下划线)
|
\s \S |
匹配任意的空白符 匹配非空白符 |
\d \D |
匹配数字 匹配非数字 |
\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 |
a|b | 匹配字符a或字符b |
() | 匹配括号内的表达式,也可以表示一个组 |
[...] | 匹配字符组中的字符 |
[^...] | 匹配除了字符组中字符的所有字符 |
量词:
量词 | 用法说明 |
* | 重复零次或更多次 |
+ | 重复一次货更多次 |
? | 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 |
量词:
1.每一个量词只控制前一个字符的出现
2.这个两次的匹配为贪婪匹配模式
3.非贪婪匹配在量词后面加?
正则贪婪匹配就是回溯算法
PS:红色部分为常用的
re模块
import re # ret = re.findall('<.*?>','<script>xxxxxxx<script>') #直接返回匹配的列表 # print(ret) # ret2 = re.search('<.*?>','safasf<script>xxxxxxx<script>') #匹配找到的第一个结果 # print(ret2.group()) # ret3 = re.match('<.*?>','adfsd<script>xxxxxxx<script>') # print(ret3)
在调用的角度上看,没有区别。
接受两个参数按照位置传,正则表达式的字符串和待匹配的字符串
返回值的区别:
findall:列表,匹配到的所有内容都会出现在列表中,如果没匹配到结果返回空列表
search:如果匹配到结果返回第一个匹配到的,如果没匹配到返回None
匹配到的结果用group()方法获取
match:如果从头开始匹配到了就返回结果,否则返回None
匹配到的结果用group()方法获取
示例:
ret = re.findall('a', 'eva egon yuan') # print(ret) # ret = re.search('a', 'eva egon yuan').group() # print(ret) # # ret = re.match('b', 'abc').group() # print(ret) # ret = re.split('[bc]', 'abcd') # print(ret) # ret = re.sub('\d', 'H', 'eva3egon4yuan4',1)#将数字替换成'H',参数1表示只替换1个 # print(ret) #evaHegon4yuan4 # ret = re.subn('\d', 'H', 'eva3egon4yuan4')#将数字替换成'H',返回元组(替换的结果,替换了多少次) # print(ret) # obj = re.compile('\d{3}') #将正则表达式编译成为一个 正则表达式对象,规则要匹配的是3个数字 # ret = obj.search('abc123eeee') #正则表达式对象调用search,参数为待匹配的字符串 # print(ret.group()) #结果 : 123 import re ret = re.finditer('\d', 'ds3sy4784a') #finditer返回一个存放匹配结果的迭代器 for i in ret: print(i.group()) # print(next(ret).group()) #查看第一个结果 # print(next(ret).group()) #查看第二个结果 # print([i.group() for i in ret]) #查看剩余的左右结果
re进阶:
findall的优先级查询
# import re # ret = re.findall('www.(baidu|oldboy).com', 'www.oldboy.com') # print(ret) # ['oldboy'] 这是因为findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可 # ret = re.findall('www.(?:baidu|oldboy).com', 'www.oldboy.com') # print(ret) # ['www.oldboy.com']
split的优先级查询 # import re # ret=re.split("\d+","eva3egon4yuan") # print(ret) #结果 : ['eva', 'egon', 'yuan'] # ret=re.split("(\d+)","eva3egon4yuan") # print(ret) #结果 : ['eva', '3', 'egon', '4', 'yuan'] # import re # ret = re.search("<\w+>(?P<content>\w+)</\w+>","<h1>hello</h1>") # print(ret.group()) # print(ret.group('content'))
分组:
对多个字符进行整体的量词约束
对于一条匹配的正则,只对其中我需要的内容进行分组
. ^ $
正则 | 待匹配字符 | 匹配结果 | 说明 |
海. | 海鸥海水海带 | 海鸥海水海带 | 匹配所有的‘海.’的字符 |
^海. | 海鸥海水海带 | 海鸥 | 只从头开始匹配‘海’ |
海.$ | 海鸥海水海带 | 还带 | 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 |
PS:前面*,+,?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 |
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
|
几个常用的非贪婪匹配Pattern
*? 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。
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