第十四章 正则

# 第十四章 正则

 

## 一、正则表达式

### 1、什么是正则表达式

  一组特殊符号组成的表达式，它能帮助你方便的检查一个字符串是否与某种模式匹配。该应用场景生活中随处可见。Python 自1.5版本起增加了re 模块，re 模块为Python的内置模块，Python程序中通过这个模块来使用正则表达式，re模块拥有全部的正则表达式功能。

### 2、re模块特点

- re模块是python独有的

- 正则表达式所有编程语言都可以使用

- re模块、正则表达式是对字符串进行操作

### 2、正则表达式应用场景

- 1.用于从字符串中匹配满足某种规则的内容，多数用于爬虫应用程序

 

- 2.判断字符串串内容是否满足某种规则，多用于严重用户输入。例如密码是否规范，手机号是否正确等

### 3、元字符

  正则是一堆特殊符号组成的，我们主要学习的就是这些特殊符号，下面列举一些常见的元字符：

  

- .（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）

- \b（字母数字与非字母数字的边界）

- ^（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

### 4、量词

  正则表达式匹配的规则可以有一次，还可以多次。

  

- *（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）

### 5、简单的元字符匹配案例

  我们知道很多网站需要填写邮箱，如果你填的邮箱格式出错了，会有温馨提示，这可以使用正则进行判断，现在，我们就通过正则来判断用户提交的邮箱格式是否正确。

  

 

 

执行该代码，结果为：

 

 

 

 

在第一行出，先导入re模块；在第三行处，re.findall()是re模块常用的匹配方法之一，下一小节详细说明。

 

看这个正则表达式：r'^[a-zA-Z0-9]+@[a-zA-Z0-9]+\.com$','12345678@qq.com'，[a-zA-Z-0-9]表示所有大小写字母和0-9字母都可以匹配，^和$分别表示匹配字符串的开始和结束位置。

 

r''：表示原生字符串。与大多数编程语言相同，正则表达式里使用"\"作为转义字符，这就可能造成反斜杠困扰。假如你需要匹配文本中的字符"\"，那么使用编程语言表示的正则表达式里将需要4个反斜杠"\\"：前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。

 

结合本案例的代码，如果不加r和\，.会被是被为正则的元字符，所以加上r和\就能让原生.可以正常表示出来。

  

## 二、re的常用方法

  将正则表达式模式编译为正则表达式对象，可使用match()，search()以及下面所述的其他方法将其用于匹配。

### 1、re.match

  re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。如果字符串开头的零个或多个字符与正则表达式模式匹配，则返回相应的匹配对象。如果字符串与模式不匹配，则返回None。

  

- re.match(pattern, string, flags=0)

- pattern : 正则中的模式字符串。

- string : 要被查找替换的原始字符串。

- flags:默认为0，表示不进行特殊指定，比如忽略大小写，指定语言等

```

s=re.match('ab','abc123abde').group()

print(s)

```

执行该代码，结果为：ab。re.match规定从起始位置匹配对象，所以第二个ab是不会被匹配到的。通过group方法获取匹配的内容。

### 2、re.search

  不同于match方法的从头开始匹配，search方法用于在字符串中的进行查找（从左向右进行查找），只要找到一个匹配结果，就返回 Match 对象，若没有则返回None。

 

- re.search(pattern, string, flags=0)  

 

 

 

### 3、re.sub

  返回通过用替换repl替换字符串中最左边的不重叠模式所获得的字符串。如果找不到该模式， 则返回的字符串不变。 repl可以是字符串或函数；如果是字符串，则处理其中的任何反斜杠转义。即，将其转换为单个换行符，将其转换为回车，依此类推。count参数表示将匹配到的内容进行替换的次数。

- re.sub(pattern, repl, string, count=0, flags=0)

- repl : 替换的字符串，也可为一个函数。

- count : 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配。

 

 

 

执行该代码，结果为：

 

 

 

 

### 4、re.compile

  将正则表达式模式编译为正则表达式对象，可使用match()，search()以及下面所述的其他方法将其用于匹配。

- re.compile(pattern[, flags])

 

 

 

 

### 5、re.split

  通过出现模式来拆分字符串。如果在pattern中使用了捕获括号，那么模式中所有组的文本也将作为结果列表的一部分返回。如果maxsplit不为零，则最多会发生maxsplit分割，并将字符串的其余部分作为列表的最后一个元素返回。

 

- re.split(pattern, string[, maxsplit=0, flags=0])

- maxsplit：分隔次数，maxsplit=1 分隔一次，默认为 0，不限制次数。

 

 

 

  执行该代码，结果为：['abc', 'de', 'fgh', 'ij']。

  

### 6、re.findall

  以string列表形式返回string中pattern的所有非重叠匹配项。从左到右扫描该字符串，并以找到的顺序返回匹配项。如果该模式中存在一个或多个组，则返回一个组列表；否则，返回一个列表。如果模式包含多个组，则这将是一个元组列表。空匹配项包含在结果中。

 

- re.findall（pattern，string，flags = 0 ）

 

 

  执行该代码，结果为：['a', 'a', 'a']。

## 三、贪婪匹配和非贪婪匹配

### 1、贪婪匹配

默认情况下，正则表达式将进行贪婪匹配。所谓“贪婪”，其实就是在多种长度的匹配字符串中，选择较长的那一个。例如，如下正则表达式本意是选出人物所说的话，但是却由于“贪婪”特性，出现了匹配不当：

 

```

>>> sentence = """You said "why?" and I say "I don't know"."""

>>> re.findall(r'"(.*)"', sentence)

['why?" and I say "I don\'t know']

```

 

### 2、非贪婪匹配

当我们期望正则表达式“非贪婪”地进行匹配时，需要通过语法明确说明： 

 

- {2,5}?    捕获2-5次，但是优先次数少的匹配

 

在这里，问号?可能会有些让人犯晕，因为之前他已经有了自己的含义：前面的匹配出现0次或1次。其实，只要记住，当问号出现在表现不定次数的正则表达式部分之后时，就表示非贪婪匹配。 

 

```

>>> sentence = """You said "why?" and I say "I don't know"."""

>>> re.findall(r'"(.*?)"', sentence)

['why?', "I don't know"]

 

>>> re.findall('hi*?', 'hiiiii')

['h']

>>> re.findall('hi{2,}?', 'hiiiii')

['hii']

>>> re.findall('hi{1,3}?', 'hiiiii')

['hi']

```

 

  

  

 

## 四、课堂练习

 

#### 1、使用正则提取出字符串中的单词（s="""i love you not because of who 234 you are, 234 but 3234ser because of who i am when i am with you"""）。

#### 2、使用正则表达式匹配合法的邮件地址（s="""xiasd@163.com, sdlfkj@.com sdflkj@180.comsolodfdsf@123.comsdlfjxiaori@139.comsaldkfj.comoisdfo@.sodf.com.com"""）。

 

## 五、上一节课堂练习答案

 

#### 1、在一个模块中定义一个生成器，这个生成器可以生成斐波拉契数列，在另一个模块中使用这个生成器，得到斐波拉契数列。斐波拉契数列：数列中每一个数的值都等于前两个数相加的值。[1,1,2,3,5,8,13,21,34,55,....]