python-正则表达式

Posted 2020-12-04 zxh1297

正则表达式，又称规则表达式（Regular Expression）

1.正则在任何语言中都占据这相当重要的一块，什么是正则表达式？

　　正则表达式即是按照某些规定了的规则来进行寻找或者过滤合适的字符串的一种方式（个人总结）

2.正则表达式也有相对应的语法,正则表达式的模块为re

　　re.match(正则表达式，需要匹配的字符串) 当然正则表达式的规则都是由开发人员进行书写所得。

3.^和$

　　在flask和django框架中使用的颇多，主要用来匹配路由，^是以某某开头，$是以某某结尾，一旦二者同时使用，那么就意味着只单单的匹配^和$中间的那部分

4. ^在分组括号内部代表的意思是取反，在外部代表的意思是按照某某开头

5.（?P<name>）分组，将括号中的作为一组，P要绝对的大写

6.提取区号和号码：ret = re.match("([^-]*)-(d+)","010-12345678")

7.前端标签匹配时，前后标签要保持一致，后面的标签可以使用示例方式来进行匹配： 

re.match(r"<(w*)><(w*)>.*</2></1>", label)

8.re模块的高级用法：

　　group：re.group() 能够输出正则表达式匹配的内容

　　search：匹配出匹配字符串中的数字部分（re.match(r ‘ d+ ‘ ， ‘ 阅读次数为9999 ‘）

　　findall：是search的加强版，能够匹配出符合正则表达式的所有内容 ：

re.findall(r"d+", "python = 9999, c = 7890, c++ = 12345")

　　sub：按照正则表达式的匹配规则将对应的字符串做出替换：

re.sub(r"<[^>]*>|&nbsp;| ", "", test_str)

　　split：对待匹配的字符串按照相对应的匹配规则来进行切割，并将切割的值放在一个列表中返回：

re.split(r":| ","info:xiaoZhang 33 shandong")

9.贪婪和非贪婪

　　首先，需要知道的是，在python中，在匹配时，数量词默认是贪婪的，总是想要匹配更多。

　　那么，在某些特定的情况下，我们需要在非贪婪的模式下来进行字符串的匹配，那么就在一些量词的后面加上？来起到限制的作用。比如"*","?","+","{m,n}"等

10.r的作用

　　Python中字符串前面加上 r 表示原生字符串

11. 附录

	将下一个字符标记符、或一个向后引用、或一个八进制转义符。例如，"\n"匹配 。 " "匹配换行符。序列"\"匹配""而"("则匹配"("。即相当于多种编程语言中都有 的"转义字符"的概念。
^	匹配输入字行首。如果设置了RegExp对象的Multiline属性，^也匹配" "或" "之后的位置。
$	匹配输入行尾。如果设置了RegExp对象的Multiline属性，$也匹配" "或" "之前的位置。
*	匹配前面的子表达式任意次。例如，zo*能匹配"z"，也能匹配"zo"以及"zoo"。*等价于{0,}。
+	匹配前面的子表达式一次或多次(大于等于1次)。例如，"zo+"能匹配"zo"以及"zoo"，但不能匹配"z"。 +等价于{1,}。
?	匹配前面的子表达式零次或一次。例如，"do(es)?"可以匹配"do"或"does"。?等价于{0,1}。
{n}	n是一个非负整数。匹配确定的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,}	n是一个非负整数。至少匹配n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}	m和n均为非负整数，其中n<=m。最少匹配n次且最多匹配m次。例如，"o{1,3}"将匹配"fooooood"中 的前三个o为一组，后三个o为一组。"o{0,1}"等价于"o?"。请注意在逗号和两个数之间不能有空格。
?	当该字符紧跟在任何一个其他限制符(*,+,?，{n}，{n,}，{n,m})后面时，匹配模式是非贪婪的。 非贪婪模式尽可能少地匹配所搜索的字符串，而默认的贪婪模式则尽可能多地匹配所搜索的字符串。 例如，对于字符串"oooo"，"o+"将尽可能多地匹配"o"，得到结果["oooo"]，而"o+?"将尽可能少 地匹配"o"，得到结果 [‘o‘, ‘o‘, ‘o‘, ‘o‘]
.点	匹配除" "和" "之外的任何单个字符。要匹配包括" "和" "在内的任何字符，请使用像"[sS]"的模式。
(pattern)	匹配pattern并获取这一匹配。所获取的匹配可以从产生的Matches集合得到，在VBScript中 使用SubMatches集合，在JScript中则使用$0…$9属性。要匹配圆括号字符，请使用"("或")"。
(?:pattern)	非获取匹配，匹配pattern但不获取匹配结果，不进行存储供以后使用。这在使用或字符"(|)" 来组合一个模式的各个部分时很有用。例如"industr(?:y|ies)"就是一个比"industry|industries" 更简略的表达式。
(?=pattern)	非获取匹配，正向肯定预查，在任何匹配pattern的字符串开始处匹配查找字符串，该匹配不需要获取供以后使用。 例如，"Windows(?=95|98|NT|2000)"能匹配"Windows2000"中的"Windows"， 但不能匹配"Windows3.1"中的"Windows"。预查不消耗字符，也就是说，在一个匹配发生后， 在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。
(?!pattern)	非获取匹配，正向否定预查，在任何不匹配pattern的字符串开始处匹配查找字符串， 该匹配不需要获取供以后使用。例如"Windows(?!95|98|NT|2000)"能匹配"Windows3.1"中的"Windows"， 但不能匹配"Windows2000"中的"Windows"。
(?<=pattern)	非获取匹配，反向肯定预查，与正向肯定预查类似，只是方向相反。例如， "(?<=95|98|NT|2000)Windows"能匹配"2000Windows"中的"Windows"， 但不能匹配"3.1Windows"中的"Windows"。 "(?<=95|98|NT|2000)Windows"目前在python3.6中re模块测试会报错， 用"|"连接的字符串长度必须一样，这里"95|98|NT"的长度都是2，"2000"的长度是4，会报错。
(?<!pattern)	非获取匹配，反向否定预查，与正向否定预查类似，只是方向相反。 例如"(?<!95|98|NT|2000)Windows"能匹配"3.1Windows"中的"Windows"， 但不能匹配"2000Windows"中的"Windows"。这个地方不正确，有问题 此处用或任意一项都不能超过2位，如"(?<!95|98|NT|20)Windows正确， "(?<!95|980|NT|20)Windows 报错，若是单独使用则无限制，如(?<!2000)Windows 正确匹配。 同上，这里在python3.6中re模块中字符串长度要一致，并不是一定为2， 比如"(?<!1995|1998|NTNT|2000)Windows"也是可以的。
x|y	匹配x或y。例如，"z|food"能匹配"z"或"food"(此处请谨慎)。"[zf]ood"则匹配"zood"或"food"。
[xyz]	字符集合。匹配所包含的任意一个字符。例如，"[abc]"可以匹配"plain"中的"a"。
[^xyz]	负值字符集合。匹配未包含的任意字符。例如，"[^abc]"可以匹配"plain"中的"plin"。
[a-z]	字符范围。匹配指定范围内的任意字符。例如，"[a-z]"可以匹配"a"到"z"范围内的任意小写字母字符。 注意:只有连字符在字符组内部时,并且出现在两个字符之间时,才能表示字符的范围; 如果出字符组的开头,则只能表示连字符本身.
[^a-z]	负值字符范围。匹配任何不在指定范围内的任意字符。例如，"[^a-z]"可以匹配任何不在"a"到"z"范围内的任意字符。
	匹配一个单词边界，也就是指单词和空格间的位置(即正则表达式的"匹配"有两种概念， 一种是匹配字符，一种是匹配位置，这里的就是匹配位置的)。例如，"er"可以 匹配"never"中的"er"，但不能匹配"verb"中的"er"。
B	匹配非单词边界。"erB"能匹配"verb"中的"er"，但不能匹配"never"中的"er"。
cx	匹配由x指明的控制字符。例如，cM匹配一个Control-M或回车符。x的值必须为A-Z或a-z之一。 否则，将c视为一个原义的"c"字符。
d	匹配一个数字字符。等价于[0-9]。grep 要加上-P，perl正则支持
D	匹配一个非数字字符。等价于[^0-9]。grep要加上-P，perl正则支持
f	匹配一个换页符。等价于x0c和cL。
	匹配一个换行符。等价于x0a和cJ。
	匹配一个回车符。等价于x0d和cM。
s	匹配任何不可见字符，包括空格、制表符、换页符等等。等价于[ f v]。
S	匹配任何可见字符。等价于[^ f v]。
	匹配一个制表符。等价于x09和cI。
v	匹配一个垂直制表符。等价于x0b和cK。
w	匹配包括下划线的任何单词字符。类似但不等价于"[A-Za-z0-9_]"，这里的"单词"字符使用Unicode字符集。
W	匹配任何非单词字符。等价于"[^A-Za-z0-9_]"。
xn	匹配n，其中n为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如， "x41"匹配"A"。"x041"则等价于"x04&1"。正则表达式中可以使用ASCII编码。
num	匹配num，其中num是一个正整数。对所获取的匹配的引用。例如，"(.)1"匹配两个连续的相同字符。
n	标识一个八进制转义值或一个向后引用。如果n之前至少n个获取的子表达式， 则n为向后引用。否则，如果n为八进制数字(0-7)，则n为一个八进制转义值。
nm	标识一个八进制转义值或一个向后引用。如果nm之前至少有nm个获得子表达式， 则nm为向后引用。如果nm之前至少有n个获取，则n为一个后跟文字m的向后引用。 如果前面的条件都不满足，若n和m均为八进制数字(0-7)，则nm将匹配八进制转义值nm。
nml	如果n为八进制数字(0-7)，且m和l均为八进制数字(0-7)，则匹配八进制转义值nml。
un	匹配n，其中n是一个用四个十六进制数字表示的Unicode字符。 例如，u00A9匹配版权符号(&copy;)。
p{P}	小写 p 是 property 的意思，表示 Unicode 属性，用于 Unicode 正表达式的前缀。 中括号内的"P"表示Unicode 字符集七个字符属性之一:标点字符。 其他六个属性: L:字母; M:标记符号(一般不会单独出现); Z:分隔符(比如空格、换行等); S:符号(比如数学符号、货币符号等); N:数字(比如阿拉伯数字、罗马数字等); C:其他字符。 *注:此语法部分语言不支持，例:javascript。
< >	匹配词(word)的开始(<)和结束(>)。例如正则表达式<the>能够 匹配字符串"for the wise"中的"the"，但是不能匹配字符串"otherwise"中的"the"。 注意:这个元字符不是所有的软件都支持的。
( )	将( 和 ) 之间的表达式定义为"组"(group)，并且将匹配这个表达式的字符保存到一个 临时区域(一个正则表达式中最多可以保存9个)，它们可以用 1 到9 的符号来引用。
|	将两个匹配条件进行逻辑"或"(Or)运算。例如正则表达式(him|her) 匹配"it belongs to him"和"it belongs to her"， 但是不能匹配"it belongs to them."。注意:这个元字符不是所有的软件都支持的。