应用场景
-
特定规律字符串的查找替换切割等
-
邮箱格式、url等格式的验证
-
爬虫项目，提取特定的有效内容
-
很多应用的配置文件
使用原则
-
只要能够通过字符串等相关函数能够解决的，就不要使用正则
-
正则的执行效率比较低，会降低代码的可读性
-
世界上最难读懂的三样东西：医生的处方、道士的神符、码农的正则
-
提醒：正则是用来写的，不是用来读的，不要试着阅读别人的正则；不懂功能时必要读正则。
基本使用
-
说明：正则是通过re模块提供支持的
-
相关函数：
-
match：从开头进行匹配，找到就立即返回正则结果对象，没有就返回None
-
search：匹配全部内容，任意位置，只要找到，立即返回正则结果对象，没有返回None
# python依赖次模块完成正则功能
import re
?
# 从开头进行匹配，找到一个立即返回正则结果对象，没有返回None
m = re.match(‘abc‘, ‘abchelloabc‘)
# 匹配全部内容，任意位置，只要找到，立即返回正则结果对象，没有返回None
m = re.search(‘abc‘, ‘helloabcshsjsldj‘)
if m:
print(‘ok‘)
# 获取匹配内容
print(m.group())
# 获取匹配位置
print(m.span()) -
findall：匹配所有内容，返回匹配结果组成的列表，没有返回None
# 匹配所有内容，返回匹配结果组成的列表，没有返回None
f = re.findall(‘abc‘, ‘abcsdisuoiabcsjdklsjabc‘)
if f:
print(f) -
compile：根据字符串生成正则表达式的对象，用于特定正则匹配，通过match、search、findall匹配
# 根据字符串生成正则表达式的对象，用于正则匹配
c = re.compile(‘abc‘)
# 然后进行特定正则匹配
# m = c.match(‘abcdefghijklmn‘)
m = c.search(‘abcdefghijklmn‘)
if m:
print(m)
?
print(c.findall(‘abcueywiabcsjdkaabc‘))将re模块中的match、search、findall方法的处理过程分为了两步完成。
-
正则规则
-
单个字符
普通字符：就是一对一的完全匹配
[]：中间的任意一个字符
[a-z]：表示a到z的任意字符
[0-9]：表示0到9的任意字符
[^abc]：除abc之外的字符
. ：匹配‘\n‘以外的任意字符
\d：所有的数字字符，等价于[0-9]
\D：所有的非数字字符，等价于[^0-9]
\w：所有的数字、字母、中文、下划线等 (就是字的意思)
\W：\w之外的所有字符
\s：所有的空白字符，如：空格、\t、\n、\r
\S：\s之外的所有字符
\b：词边界，如：开头、结尾、标点、空格等
\B：非词边界 -
次数控制
*：前面的字符可以是任意次
+：前面的字符至少出现一次
?：至多一次，0次或1次
{m}：匹配固定的m次
{m,}：至少m次
{m,n}：m到n次正则的匹配默认是贪婪的
-
边界限定
-
^：以指定内容开头
-
$：以指定内容结尾
import re
?
# 以指定内容开头
# c = re.compile(r‘^abc‘)
# 以指定内容结尾
# c = re.compile(r‘abc$‘)
# 同时限制开头和结尾
c = re.compile(r‘^abc$‘)
?
s = c.search(‘abc‘)
?
if s:
print(‘ok‘)
print(s.group()) -
-
分组匹配
-
|：表示或，具有最低的优先级
-
()：用于表示一个整体，可以确定优先级
import re
?
# | 表示或，具有最低的优先级
# () 用于表示一个整体，可以确定优先级
c = re.compile(r‘a(hello|world)d‘)
?
s = c.search(‘aworldd‘)
?
if s:
print(‘ok‘)
print(s.group())()还有分组匹配的作用，下次再讲。
-
练习：
-
若匹配有特殊正则含义的字符怎么办，如：\d
-
友情提示：转义问题（python中转义一次、正则解析转义一次）
-
-
验证一个字符串是否是正确的邮箱格式
-
验证一个字符串是否是正确的url格式
思路
-
以功能为导向
-
写出符合规则的若干字符串
-
写一点测一点，不断的调整
-
最终完成功能