正则表达式和re模块

正则表达式

正则表达式在线测试：http://tool.chinaz.com/regex/#

什么是正则表达式?#

通俗理解:#

　　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。

正则表达式的应用场景：#

　　1.爬虫

　　2.数据分析

　　只要是reg...一般情况下都与正则有关

　　匹配具体内容时，直接写要匹配的内容，不需要写正则。

正则的使用：#

元字符：#

元字符	匹配内容
.	匹配除了换行符以外的全部字符
\w	匹配字符、数字、下划线
\s	匹配任意的空白符
\d	匹配数字
\n	匹配换行符
\t	匹配制表符
\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（字符串、数字、下换线）
\D	匹配非数字
\S	匹配非空白符
a|b	匹配字符串a或b
()	匹配括号中的表达式，也表示一个组
[...]	匹配字符组中的字符
[^...]	匹配除了字符组中的所有内容

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 #

注意：#

\d+，+表示重复一次或多次，正则中默认都是贪婪匹配。

比如：想要匹配1383445224，若是用\d一次只能匹配到一个字符{n}可以明确指定个数

（*****注意****）：#

　　量词需要卸载匹配符号的后面，并且只约束紧挨着它的那个正则表达式

[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。

　　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。

^与$符连用：　#

　　会精确限制匹配的内容，他们之间字符是怎样的，匹配的字符串就必须是什么样的，多了少了都不可以。

abc|ab：#

　　用的时候需要将长的字符串放在前面。

^ 使用：#

　　直接写在外面的时候可以用来限制字符串的开头，[^]:表示除了[]中的字符，其他的都要。

贪婪匹配和惰性匹配：

　　正则在匹配的时候默认都是贪婪匹配（挑多的匹配）

　　可以通过在两次后面加?来取消贪婪匹配变成惰性匹配

量词：#

　　必须跟在正则符号的后面，且只能限制紧挨着的那个正则符号。

量词	用法说明
*	重复零次或多次
+	重复一次或多次
？	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

 

 #

 #

 #

 #

 #

 #

 #

 #

 #

 #

 

分组:#

　　当多个正则符号需要多次重复，或者需要当做一个整体进行其他操作时，可以使用。

练习：#

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	Flase	字符组中没有字符'a'所以不能匹配
[0-9]	7	True	可以用-来表示范围
[a-z]	s	True	匹配所有小写字母
[A-Z]	B	True	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

  

 

 

 

 

 

 

 

 

 

 

 #

 #

实际场景应用:#

　　身份证号码:#

　　　　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：#

re模块：#

import re

ret = re.findall('a', 'eva egon yuan') # 返回所有满足匹配条件的结果,放在列表里
print(ret) #结果 : ['a', 'a']

ret = re.search('a', 'eva egon yuan').group()
print(ret) #结果 : 'a'
# 函数会在字符串内查找模式匹配,只到找到第一个匹配然后返回一个包含匹配信息的对象,该对象可以
# 通过调用group()方法得到匹配的字符串,如果字符串没有匹配，则返回None。

ret = re.match('a', 'abc').group() # 同search,不过就在字符串开始处进行匹配
print(ret)
#结果 : 'a'

注意:#

　　1.match只会匹配字符串的开头部分
　　2.当字符串的开头不符合匹配规则的情况下 返回的也是None 调用group也会报错。

ret = re.split('[ab]', 'abcd') # 先按'a'分割得到''和'bcd',在对''和'bcd'分别按'b'分割
print(ret) # ['', '', 'cd']

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)      #('evaHegonHyuanH', 3)

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
print(ret) # <callable_iterator object at 0x10195f940>
print(next(ret).group()) #查看第一个结果# 等价于ret.__next__()

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

findall的优先级查询：#

import re

ret1 = re.findall('www.(baidu|oldboy).com', 'www.oldboy.com')
ret2 = re.findall('www.(?:baidu|oldboy).com', 'www.oldboy.com') # 忽略分组优先的机制
print(ret1,ret2) # ['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

split的优先级查询：#

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']

#在匹配部分加上（）之后所切出的结果是不同的，
#没有（）的没有保留所匹配的项，但是有（）的却能够保留了匹配的项，
#这个在某些需要保留匹配部分的使用过程是非常重要的。

给正则表达式取别名：#

import re
res = re.search('^[1-9](\d{14})(\d{2}[0-9x])?$','110105199812067023')

# 还可以给某一个正则表达式起别名：
res = re.search('^[1-9](?P<password>\d{14})(?P<username>\d{2}[0-9x])?$','110105199812067023')
print(res.group())
print(res.group('password'))
print(res.group(1))
print(res.group('username'))
print(res.group(2))