python开发模块基础：正则表达式&re模块

Posted 2020-10-02

一，正则表达式

1.字符组：[0-9][a-z][A-Z]

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。
可以写成这种 [0-5a-eA-Z] 取范围的匹配

2.字符

 1 #!/usr/bin/python env
 2 #_*_coding:utf-8_*_
 3 
 4 .   匹配除换行符以外的任意字符
 5 \w  匹配字母或数字或下划线
 6 \s  匹配任意的空白符
 7 \d  匹配数字
 8 \n  匹配一个换行符
 9 \t  匹配一个制表符
10 \b  匹配一个单词的结尾
11 ^   匹配字符串的开始
12 $   匹配字符串的结尾
13 \W  匹配非字母或数字或下划线
14 \D  匹配非数字
15 \S  匹配非空白符
16 a|b 匹配字符a或字符b
17 ()  匹配括号内的表达式，也表示一个组
18 [...]   匹配字符组中的字符
19 [^...]  匹配除了字符组中字符的所有字符

 

3.量词

 1 #!/usr/bin/python env
 2 #_*_coding:utf-8_*_
 3 
 4 量词  用法说明
 5 *   重复零次或更多次
 6 +   重复一次或更多次
 7 ?   重复零次或一次
 8 {n} 重复n次
 9 {n,}    重复n次或更多次
10 {n,m}   重复n到m次

 

4. .^$

1 #!/usr/bin/python env
2 #_*_coding:utf-8_*_
5 正则      待匹配字符       匹配结果           说明
6 海.       海燕海娇海东     海燕海娇海东        匹配所有"海."的字符
7 ^海.      海燕海娇海东     海燕               只从开头匹配"海."
8 海.$      海燕海娇海东     海东               只匹配结尾的"海.$"

 

5.*+?{}

 1 #!/usr/bin/python env
 2 #_*_coding:utf-8_*_
 3 正则      待匹配字符                   匹配结果                说明
 4 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 
 5 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
 6 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
 7 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
 8 
 9 注意：前面的*,+,?等都是贪婪匹配，也就是尽可能匹配，后面加?号使其变成惰性匹配
10 正则      待匹配字符                   匹配结果        说明
11 李.*?     李杰和李莲英和李二棍子       李/李/李         惰性匹配

 

 6.字符集[][^]

1 #!/usr/bin/python env
2 #_*_coding:utf-8_*_
3 
4 正则                   待匹配字符                  匹配结果                说明
5 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]的字符任意次 
6 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
7 [\d]                   456bdha3                   4/5/6/3                  表示匹配任意一个数字，匹配到4个结果
8 [\d]+                  456bdha3                   456/3                    表示匹配任意个数字，匹配到2个结果

 

7.分组()或|和[^]

 1 #!/usr/bin/python env
 2 #_*_coding:utf-8_*_
 5 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???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：
 6 正则                                 待匹配字符                   匹配结果                  说明
 7 ^[1-9]\d{13,16}[0-9x]$              110101198001017032          110101198001017032      表示可以匹配一个正确的身份证号
 8 ^[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
 9 ^[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
10 ^([1-9]\d{16}[0-9x]|[1-9]\d{14})$   110105199812067023          110105199812067023      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}

 

8.转义符\

 1 #!/usr/bin/python env
 2 #_*_coding:utf-8_*_
 3 
 4 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‘\\‘。
 5 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。
 6 正则                   待匹配字符                  匹配结果                说明
 7 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
 8 \\d                    \d                          True                    转义\之后变成\\，即可匹配
 9 "\\\\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
10 r‘\\d‘                  r‘\d‘                     True                    在字符串之前加r，让整个字符串不转义

 

9,贪婪匹配

 1 #!/usr/bin/python env
 2 #_*_coding:utf-8_*_
 3 
 4 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
 5 正则                   待匹配字符                  匹配结果                说明
 6 <.*>                   <script>...<script>         <script>...<script>     默认为贪婪匹配模式，会匹配尽量长的字符串
 7 <.*?>                   r‘\d‘                       <script>/<script>      加上？为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
 8 
 9 几个常用的非贪婪匹配Pattern
10 *? 重复任意次，但尽可能少重复
11 +? 重复1次或更多次，但尽可能少重复
12 ?? 重复0次或1次，但尽可能少重复
13 {n,m}? 重复n到m次，但尽可能少重复
14 {n,}? 重复n次以上，但尽可能少重复
15 
16 .*?的用法
17 . 是任意字符
18 * 是取 0 至 无限长度
19 ? 是非贪婪模式。
20 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：
21 .*?x
22 
23 就是取前面任意长度的字符，直到一个x出现