正则表达式

1.是一种独立的规则,独立的语言

2.正则表达式是什么,能做什么

  1.从大段的文字中找到符合规则的内容(爬虫,日志分析…)

  

    如果要把一个文件中所有的手机号码都找出来

      open  打开文件  

      读文件  str形式

      从一长串的字符串中找到所有的11位数字

      一个字符一个字符的读

  2.判断某个字符串是否完全符合规则(表单验证:手机号,QQ号,邮箱,银行卡,身份证号,密码…)

    验证这个手机号是否合法

      给这个手机号发送一个验证码  

      用户收到验证码,填写验证码

      完成注册

 

3.正则表达式的规则:

  只和字符串相关

  字符串中找到符合规则的内容

2.正则表达式是什么。  1.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
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 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

  2.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
[^…] 匹配除了字符组中字符的所有字符

  3.量词

量词 用法
* 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

                .^$

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 值匹配结尾的"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

2.正则表达式是什么。 

注意:前面的*,+,?等都是贪婪匹配,也就是尽可能匹配,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

惰性匹配

  4.字符集[2.正则表达式是什么。 ]2.正则表达式是什么。,[^]

 

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]的任意字符次
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] 456asdaf3

4

5

6

3

表示匹配任意一个数字,匹配到4个结果
[\d]+ 456asdaf3

456

3

表示匹配任意个数字,匹配到2个结果

2.正则表达式是什么。  5.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 表示可以匹配一个正确的身份证号
^[1-9]\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
^[1-9]\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}$ 1101051998012067023 1101051998012067023 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}

  6.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

 

7.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,会尽量匹配短的字符串

 

几个常用的非贪婪匹配

*?    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次以上,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,合在一起就是取尽量少的任意字符,一般不会这么单独写,它大多用在:.*?x,就是取前面任意长度的字符,直到一个x出现

 

相关文章