正则表达式 正则表达式：一种字符串匹配的规则 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
正则表达式
正则表达式：一种字符串匹配的规则
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]
6
True
在一个字符组里枚举合法的所有字符，字符组的任意一个字符和"待匹配字符"相同都视为可匹配
[0123456789]
a
False
由于字符组中没有“a”，所以不能匹配
[0-9]
7
True
匹配0-9中的任意数字；等于[0123456789]
[a-z]
s
True
匹配a-z中任意小写字母。
[A-Z]
B
True
匹配A-Z中任意大写字母。
[0-9a-zA-Z]
e
True
匹配任意数字、大小写字母。
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：空格、tab、换行;等于[\f\n\r\t]
\d
匹配数字;等于[0-9]
\W
匹配非字母或数字或下划线，也就是说除了字母、数字、下划线以外的
\S
匹配非任意的空白符，也就是说除了空格、tab、换行以外的;等于[^ \f\n\r\t]
\D
匹配非数字，也就是说除了数字以外的
\t
匹配一个制表符，tab
\n
匹配一个换行符
^
匹配字符串以什么开头的
$
匹配字符串以什么结尾的
a|b
匹配字符a或者字符b，| 或者的关系
()
匹配括号内的表达式，也表示一个组
[...]
匹配字符组中的字符
[^...]
匹配非字符组中的所有字符
\b
匹配一个单词的边界
注意这三种的结果都表示匹配所有：[\d\D]、[\s\S]、[\w\W]
量词
量词
用法说明
*
重复零次或者多次。例如，zo* 能匹配 "z" 以及 "zoo"。* 等价于{0,}。
+
重复一次或者多次。例如，'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等价于 {1,}。
?
重复零次或者一次。例如，"do(es)?" 可以匹配 "do" 、 "does" 中的 "does" 、 "doxy" 中的 "do" 。? 等价于 {0,1}。
{n}
重复n次。例如，'o{2}' 不能匹配 "Bob" 中的 'o'，但是能匹配 "food" 中的两个 o。
{n,}
重复n次或多次。例如，'o{2,}' 不能匹配 "Bob" 中的 'o'，但能匹配 "foooood" 中的所有 o。'o{1,}' 等价于 'o+'。'o{0,}' 则等价于 'o*'。
{n,m}
重复n次到m次。例如，"o{1,3}" 将匹配 "fooooood" 中的前三个 o。'o{0,1}' 等价于 'o?'。请注意在逗号和两个数之间不能有空格。
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
<.*>
<abcdefg>2<hijklmn>
<abcdefg>2<hijklmn>
默认为贪婪模式，会匹配尽量长的字符串
<.*?>
<abcdefg>2<hijklmn>
<abcdefg>
加上? 为了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
re模块
在python中用来提供正则表达式匹配的模块就是re模块
在re模块中的匹配语法有以下几种
- re.match：从头开始匹配，匹配成功返回正则匹配成功的对象，匹配失败返回None
- re.search：匹配包含的所有，匹配成功返回正则匹配成功的对象，匹配失败返回None
- re.findall：将所有匹配到的字符以一个列表的形式返回，匹配失败返回一个空列表
- re.finditer：和findall类似，将匹配到的所有字符作为一个迭代器返回
- re.split：按照能够匹配的子串将字符串分割后返回列表
- re.sub：匹配字符并替换
- re.compile：编译正则表达式，生成一个正则表达式（ Pattern ）对象，供 match() 和 search() 这两个函数使用。
re.findall函数 *****
- 格式：re.findall(pattern, string, flags=0)
- 参数：
string：要匹配的字符串
flags：标志位，用于控制正则表达式的匹配方式，可有可无
标志位常见取值如下：re.I 忽略大小写
re.L 作本地户识别
re.M 多行匹配，影响^和$
re.S 使.匹配包括换行符在内的所有字符
re.U 根据Unicode字符集解析字符，影响\w \W \b \B
re.X 使我们以更灵活的格式理解正则表达式
- 示例：
print(ret)
# 结果>>> ['45', '1', '00', '3']
ret = re.findall(r'[a-z]{3}', 'Today is a Good day, Day') # 匹配任意连续三个小写字母
print(ret)
# 结果>>> ['oda', 'ood', 'day']
ret = re.findall(r'[a-z]{3}', 'Today is a Good day, Day', flags=re.I) # 匹配任意连续三个字母，不区分大小写；flags=re.I表示不区分大小写
print(ret)
# 结果>>> ['Tod', 'Goo', 'day', 'Day']
- findall的优先级查询：
ret = re.findall('www.(baidu|souhu).com', 'www.baidu.com')
print(ret)
# 结果>>> ['baidu'] 这是因为findall会优先把匹配到的结果,组里的内容返回；如果想要匹配结果,取消权限即可
ret = re.findall('www.(?:baidu|souhu).com', 'www.baidu.com')
print(ret)
# 结果>>> ['www.baidu.com']
re.search函数 *****
- 格式：re.search(pattern, string, flags=0)
- 参数：
string：要匹配的字符串
flags：标志位，用于控制正则表达式的匹配方式
- 示例：
print(ret)
# 结果>>> <_sre.SRE_Match object; span=(2, 3), match='d'>
print(ret.group())
# 结果>>> d
ret = re.search(r'j', 'Today is a Good day, Day')
print(ret)
# 结果>>> None
re.match函数 ***
- 格式：re.match(pattern, string, flags=0)
- 参数：
string：要匹配的字符串
flags：标志位，用于控制正则表达式的匹配方式
- 示例：
print(ret)
# 结果>>> <_sre.SRE_Match object; span=(0, 3), match='www'>
print(ret.group())
# 结果>>> www
ret = re.match(r'www', 'ww.baidu.com')
print(ret)
# 结果>>> None
re.sub函数 ***
- 格式：re.sub(pattern, repl, string, count=0)
- 参数：
repl： 指定的用来替换的字符串
string： 目标字符串
count： 最多替换次数，如果不指定，默认全部替换
- 示例：
print(ret)
# 结果>>> sjkdHHjkHHHHHHjlnHaexHHHH
ret = re.sub(r'\d', 'H', 'sjkd42jk234523jln5aex8439',count=2)
print(ret)
# 结果>>> sjkdHHjk234523jln5aex8439
# subn函数：其实和sub一样，只是返回替换了多少次
ret = re.subn(r'\d', 'H', 'sjkd42jk234523jln5aex8439')
print(ret)
# 结果>>> ('sjkdHHjkHHHHHHjlnHaexHHHH', 13)
ret = re.subn(r'\d', 'H', 'sjkd42jk234523jln5aex8439',count=2)
print(ret)
# 结果>>> ('sjkdHHjk234523jln5aex8439', 2)
re.split函数 ***
- 格式：re.split(pattern, string, maxsplit=0, flags=0)
- 参数：
string：要匹配的字符串
maxsplit : 指定分隔的次数；默认为0，不限制次数
flags：标志位，用于控制正则表达式的匹配方式
- 示例：
print(ret)
# 结果>>> ['www', 'abcdw', 'jafe', 'ad']
ret = re.split(r'\d+', 'www232abcdw3jafe32ad', maxsplit=2)
print(ret)
# 结果>>> ['www', 'abcdw', 'jafe32ad']
- split的优先级查询
print(ret)
# 结果>>> ['sdjkfl', 'sdjl', 'jskd', 'dsf']
ret = re.split('(\d+)', 'sdjkfl3sdjl5jskd2dsf')
print(ret)
# 结果>>> ['sdjkfl', '3', 'sdjl', '5', 'jskd', '2', 'dsf']
'''
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。
'''
re.compile函数 *****
- 格式：re.compile(pattern)
- 参数：
- 示例：
ret = re.findall(my_re, 'jdla2jd2462jskdf234546')
print(ret)
# 结果>>> ['246', '234', '546']
ret = re.search(my_re, 'jdla2jd2462jskdf234546').group()
print(ret)
# 结果>>> 246
ret = re.match(my_re, '43423sjdkfljaj24234').group()
print(ret)
# 结果>>> 434
# 编译后的，都可以使用re模块的其他方法，如：findall、search、match、sub、split等
re.finditer函数 *****
- 格式：re.finditer(pattern, string, flags=0)
- 参数：
string：要匹配的字符串
flags：标志位，用于控制正则表达式的匹配方式
- 示例：
for i in ret:
print(i.group())
# 结果>>>
'''
3
9
2
3
4
7
5
'''
分组 *****
除了简单地判断是否匹配之外，正则表达式还有提取子串的强大功能。用()表示的就是要提取的分组
str3 = "010-52365561"m = re.match(r"(\d{3})-(\d{8})", str3)
c = re.match(r"(?P<first>\d{3})-(\d{8})", str3) # ?P<>给组起名
print(m)
# 打印结果：<_sre.SRE_Match object; span=(0, 12), match='010-52365561'>
print(m.group(0)) #使用序号获取对应组的信息，group(0)--代表原始的字符串
# 打印结果：010-52365561
print(m.group(1))
# 打印结果：010
print(m.group(2))
# 打印结果：52365561
print(m.groups()) #查看匹配的各组的情况
# 打印结果：('010', '52365561')
print(c.group("first"))
# 打印结果：010
扩展
匹配标签
ret = re.search(r'<(?P<tag_name>\w+)>.+</(?P=tag_name)>', '<h1>Hello World</h1>')'''
还可以在分组中利用?<name>的形式给分组起名字
获取的匹配结果可以直接用group('名字')拿到对应的值
'''
print(ret.group())
# 结果>>> <h1>Hello World</h1>
print(ret.group('tag_name'))
# 结果>>> h1
ret = re.search(r'<(\w+)>.+</(\1)>', '<h1>Hello World</h1>')
'''
如果不给组起名字，也可以用\序号来找到对应的组，表示要找的内容和前面的组内容一致
获取的匹配结果可以直接用group(序号)拿到对应的值
'''
print(ret.group())
# 结果>>> <h1>Hello World</h1>
print(ret.group(1))
# 结果>>> h1
匹配整数
ret = re.findall('\d+', "1-2*(60+(-40.35/5)-(-4*3))")print(ret)
# 结果>>> ['1', '2', '60', '40', '35', '5', '4', '3']
ret = re.findall('-?\d+\.\d+|(-?\d+)', "1-2*(60+(-40.35/5)-(-4*3))")
print(ret) # 结果>>> ['1', '-2', '60', '', '5', '-4', '3']
ret.remove('')
print(ret) # 结果>>> ['1', '-2', '60', '5', '-4', '3']
数字匹配
1、 匹配一段文本中的每行的邮箱http://blog.csdn.net/make164492212/article/details/51656638
2、 匹配一段文本中的每行的时间字符串，比如：‘1990-07-12’；
分别取出1年的12个月（^(0?[1-9]|1[0-2])$）、
一个月的31天：^((0?[1-9])|((1|2)[0-9])|30|31)$
3、 匹配qq号。(腾讯QQ号从10000开始) ［1,9］[0,9]{4,}
4、 匹配一个浮点数。 ^(-?\d+)(\.\d+)?$ 或者 -?\d+\.?\d*
5、 匹配汉字。 ^[\u4e00-\u9fa5]{0,}$
人生是条无名的河，是浅是深都要过； 人生是杯无色的茶，是苦是甜都要喝； 人生是首无畏的歌，是高是低都要唱。