Python基础 ：正则表达式

Posted 2020-09-27

一、前言

1.1正则表达式简述

正则表达式是一种查找以及字符串替换操作。正则表达式在文本编辑器中广泛使用，比如正则表达式被用于：

　　1.检查文本中是否含有指定的特征词

　　2.找出文中匹配特征词的位置

　　3.从文本中提取信息，比如：字符串的子串

　　4.修改文本

与文本编辑器相似，几乎所有的高级编程语言都支持正则表达式。在这样的语境下，“文本”也就是一个字符串，可以执行的操作都是类似的。一些编程语言（比如Perl，JavaScript）会检查正则表达式的语法。

 

1.2 常用的正则匹配工具 

在线匹配工具：

　　1. http://www.regexpal.com/ 

      2. http://rubular.com/ 

正则匹配软件：

      McTracer 

      用过几个之后还是觉得这个是最好用的，支持将正则导成对应的语言如java C# js等还帮你转义了，Copy直接用就行了很方便，另外支持把正则表达式用法解释，如哪一段是捕获分组，哪段是贪婪匹配等等，总之用起来 So Happy .

 

1.3正则表达式语法

　　\\w匹配字母数字及下划线

　　\\W匹配非字母数字及下划线

　　\\s匹配任意空白字符，等价于 [\\t\\n\\r\\f].

　　\\S匹配任意非空字符

　　\\d匹配任意数字，等价于 [0-9]

　　\\D匹配任意非数字

　　\\A匹配字符串开始

　　\\Z匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串

　　\\z匹配字符串结束

　　\\G匹配最后匹配完成的位置

　　\\n匹配一个换行符

　　\\t匹配一个制表符

　　^匹配字符串的开头

　　$匹配字符串的末尾。

　　.匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。

　　[...]用来表示一组字符,单独列出：[amk] 匹配 ‘a‘，‘m‘或‘k‘

　　[^...]不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。

　　*匹配0个或多个的表达式。

　　+匹配1个或多个的表达式。

　　?匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式

　　{n}精确匹配n个前面表达式。

　　{n, m}匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式

　　a|b匹配a或b

　　( )匹配括号内的表达式，也表示一个组

可能完了之后就有点晕晕的了把，不用担心，下面我们会详细讲解下一些常见的规则的用法。怎么用它来从网页中提取我们想要的信息。

 

1.4Python中使用

其实正则表达式不是Python独有的，它在其他编程语言中也可以使用，但是Python的re库提供了整个正则表达式的实现，利用re库我们就可以在Python中使用正则表达式来，在Python中写正则表达式几乎都是用的这个库。

下面我们就来了解下它的用法。

match()

在这里首先介绍第一个常用的匹配方法，match()方法，我们向这个方法传入要匹配的字符串以及正则表达式，就可以来检测这个正则表达式是否匹配字符串了。

match()方法会尝试从字符串的起始位置匹配正则表达式，如果匹配，就返回匹配成功的结果，如果不匹配，那就返回None。

我们用一个实例来感受一下：

import re

content =‘Hello 123 4567 World_This a Regex Demo‘
print (len(content))
result = re.match(‘^Hello\\s\\d\\d\\d\\s\\d{4}\\s\\w{10}‘,content)
print result
print result.group()
print result.span()

输出结果：

在这里我们首先声明了一个字符串，包含英文字母、空白字符、数字等等内容，接下来我们写了一个正则表达式^Hello\\s\\d\\d\\d\\s\\d{4}\\s\\w{10}来匹配这个长字符串。

开头的^是匹配字符串的开头，也就是以Hello开头，然后\\s匹配空白字符，用来匹配目标字符串的空格，\\d匹配数字，三个\\d匹配123，然后再写一个\\s匹配空格，后面还有4567，我们其实可以依然用四个\\d来匹配，但是这么写起来比较繁琐，所以在后面可以跟{4}代表匹配前面的字符四次，也就是匹配四个数字，这样也可以完成匹配，然后后面再紧接一个空白字符，然后\\w{10}匹配10个字母及下划线，正则表达式到此为止就结束了，我们注意到其实并没有把目标字符串匹配完，不过这样依然可以进行匹配，只不过匹配结果短一点而已。

我们调用match()方法，第一个参数传入了正则表达式，第二个参数传入了要匹配的字符串。

打印输出一下结果，可以看到结果是SRE_Match对象，证明成功匹配，它有两个方法，group()方法可以输出匹配到的内容，结果是Hello 123 4567 World_This，这恰好是我们正则表达式规则所匹配的内容，span()方法可以输出匹配的范围，结果是(0, 25)，这个就是匹配到的结果字符串在原字符串中的位置范围。

通过上面的例子我们可以基本了解怎样在Python中怎样使用正则表达式来匹配一段文字。

二、正则表达式练习

          初级练习

                   1、求非负整数 : ^\\d+$

                       Tips:需要注意的是这个匹配模式为多行模式下进行的

             

                  2、匹配正整数： ^[1-9]*[1-9][0-9]*$ 在网上也有这种写法的 ^[0-9]*[1-9][0-9]*$

                      这里截图我也不贴了，前者指能匹配123012这种整数，而后者可以匹配001230。

                       取舍就看实际的需要了

                  3、非正整数：^(-\\d+|(0+))$

                  4、负整数：^-[0-9]*[1-9][0-9]*$  

                  5、整数 ：^-?\\d+$

                  6、非负浮点数 ：^\\d+(\\.\\d+)?$

                  7、正浮点数 ：^(([0-9]+\\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\\.[0-9]+)|([0-9]*[1-9][0-9]*))$

                  8、非正浮点数 ：^((-\\d+(\\.\\d+)?)|(0+(\\.0+)?))$

                  9、负浮点数：^(-(([0-9]+\\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\\.[0-9]+)|([0-9]*[1-9][0-9]*)))$

                 10、浮点数：^(-?\\d+)(\\.\\d+)?$

                 11、有数字、26个英文字母组成的字符串：^[A-Za-z0-9]+$

          中级练习

 

                   1、长度为8-10的用户密码（以字母开头、数字、下划线）

                        ^[a-zA-Z]\\w{7,10}$

                   2、验证输入只能是汉字 ： ^[\\u4e00-\\u9fa5]{0,}$

                   3、电子邮箱验证：^\\w+([-+.]\\w+)*@\\w+([-.]\\w+)*\\.\\w+([-.]\\w+)*$

                   4、URL地址验证：^http://([\\w-]+\\.)+[\\w-]+(/[\\w-./?%&=]*)?$

                   5、电话号码的验证：请参考：http://blog.csdn.net/kiritor/article/details/8733469

                   6、简单的身份证号验证：\\d{15}|\\d{18}$

                   ..............................          

          高级练习

                  1、提取并捕获html标签内容：

                     <a(?: [^>]*)+href=([^ >]*)(?: [^>]*)*>

               

                    <OPTION\\s.*?>

               

以上练习是参考网上的。写的不好之处，请大家多多指教。