正则表达式

Posted wxj1129549016

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了正则表达式相关的知识,希望对你有一定的参考价值。

1>概念:正则表达式是对字符串操作的一种逻辑公式,就是用事先定义好的一些特定字符、及这些特定字符的组合,组成一个“规则字符串”,这个“规则字符串”用来表达对字符串的一种过滤逻辑。正则表达式就是记录文本规则的代码。
     所以正则表达式并不是python中特有的功能,它是一种通用的方法。python中的正则表达式库,所做的事情是利用正则表达式来搜索文本。要使用它,你必须会自己用正则表达式来描述文本规则

2>给定一个正则表达式和另一个字符串,我们可以达到如下的目的:
  1. 给定的字符串是否符合正则表达式的过滤逻辑(称作“匹配”);
  2. 可以通过正则表达式,从字符串中获取我们想要的特定部分。
3>正则表达式的特点是:
  1. 灵活性、逻辑性和功能性非常的强;
  2. 可以迅速地用极简单的方式达到字符串的复杂控制。
  3. 对于刚接触的人来说,比较晦涩难懂。

4>字符匹配(普通字符,元字符):

  普通字符:大多数数字和字母的任意集合

  元字符:在正则表达式中具有特殊意义的专用字符

5>元字符

.          :匹配除换行符以外的任意字符

^         :匹配字符串的开始(从字符串开头开始匹配)…………放到集合中的时候表示“非”

$         : 匹配字符串的结尾(从字符串的结尾开始匹配)

*         : 匹配前面的子表达式零次或多次…………po*等价于子表达式可能是p、po、poo、pooo.......

+         :匹配前面的子表达式一次或多次…………po+等价于子表达式可能是po、poo、pooo.......

?          :匹配前面的子表达式零次或一次…………po?等价于子表达式可能是p、po

|          :将俩个匹配条件进行逻辑“或”运算

          :反斜杠后面跟元字符去除其特殊功能

        反斜杠后面跟普通字符实现特殊功能

        引用序号所对应的字组所匹配的字符串…………re.search(r"(alex)(eric)com2","alexericcomeric")

d   :匹配任意一个数字字符…………相当于[0-9]

D    :匹配任意一个非数字字符………相当于[^0-9]

s   :匹配任意一个不可见字符,包括空格、制表符、换页符等等…………等价于[ fv]

S   :匹配任意一个可见字符…………等价于[^ fv]

w    :匹配任意一个字母或数字或下划线或汉字…………等价于[a-zA-Z0-9_]

W   :匹配任意一个非字母或数字或下划线或汉字…………等价于[^a-zA-Z0-9_]

    :匹配一个单词边界,也就是指单词和空格间的位置。

    :匹配一个换行符

f   :匹配一个换页符

     :匹配一个回车符 

[a-z]    :匹配括号中所包含的任意一个字符………-表示范围

[^a-z]  :匹配任何不在指定范围内的字符…………其中^表示非得意思

[]   :表示一个字符集,特殊字符在字符集中会失去其特殊意义(“^” 在字符集中是非得意思  “-”在字符集中是至的意思  “d”  "w"等等还保留其原有意义)

{n}     :n是一个非负整数 ,匹配整数n次

{n,}    :n是一个非负整数,至少匹配n次

{n,m} :m,n均为非负整数,m>n,最少匹配n次,最多匹配m次

()     :表示分组,利用findall匹配时,只输出的组里面的内容,并组成一个新组放到列表中

     利用search和match匹配时,输出全部内容,可以用group方法取出来各个组的内容

 

 

1,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

待匹配的字符

匹配结果

说明

[0123456789]

8

True

在一个字符组里枚举合法的所有字符,字符组里的任意一个字符和“待匹配字符”相同都视为可以匹配

[0123456789]

a

False

由于字符组里没有“a”字符,所以不能匹配

[0-9]

7

True

也可以用-表示范围,[0-9]就和[0123456789]是一个意思

[a-z]

s

True

同样的如果要匹配所有的小写字母,直接用[a-z]就可以表示

[A-Z]

B

True

[A-Z]就表示所有的大写字母

[0-9a-fA-F]

e

True

可以匹配数字,大小写形式的a-f,用来验证十六进制字符

2,元字符

元字符

匹配内容

元字符

匹配内容

w

匹配字母或数字或下划线

W

匹配非字母或数字或下划线

d

匹配数字

D

匹配非数字

s

匹配任意空白(含换行,制表符,空格)

S

匹配非空白符

匹配一个换行符

匹配除换行符意外的任意字符

匹配一个制表符

a|b

匹配字符a或字符b



匹配一个单词的边界

()

匹配括号内的表达式,也表示一个组

^

匹配字符串的开始

[…]

匹配字符组中的字符

$

匹配字符串的结尾

[^…]

匹配除了字符组中字符的所有字符

注意:1,有一些有特殊意义的元字符进入字符组中会恢复它本来的意义:有 . | ( ) [ ] 。

          2,a|b表示符合a规则的或者b规则的都可以被匹配(如果a规则是b规则的一部分,且a规则比b规则要苛刻/要更长,就把a规则写在前面,即将更复杂的更长的规则写在最前面)。

         3,() 分组,表示给几个字符加上量词约束的需求的时候,就给这些量词分在一个组。

3,量词

量词

用法说明

量词

用法说明

{n}

这个量词之前的字符重复n次

?

这个量词之前的字符重复0次或1次

{n,}

这个量词之前的字符重复n次或更多次

+

这个量词之前的字符重复1次或更多次

{n,m}

这个量词之前的字符重复n到m次

*

这个量词之前的字符重复0次或更多次

4,练习题

  1) 匹配整数  d+

       2) 匹配小数  d+.d+

       3) 匹配小数或者整数  d+.d+|d+     或       d+(.d+)?

       4) 匹配身份证号码(18位最后一位是数字或者x,15位数字) 

              [1-9]d{16}[dx]|[1-9]d{14}       或      [1-9]d{14}(d{2}[dX])?

5,正则表达式的匹配特点:贪婪匹配,即在满足匹配时,匹配尽可能长的字符串,默认情况下,采用贪婪匹配。

     非贪婪模式(也叫惰性匹配)则需要在量词的后面加上量词?

正则

待匹配字符

匹配结果

说明

<.*>

<script>…<script>

<script>…<script>

(一条结果)

默认为贪婪模式,会匹配尽量长的字符串

<.*?>

<script>…<script>

<script>

<script>

(两条结果)

加上?会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:

    *?     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。

    放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。

6,转义符

       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‘\\‘。

       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。

正则 待匹配字符 匹配结果 说明
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
\\d d True 转义之后变成\\,即可匹配
"\\\\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
r‘\\d‘ r‘d‘ True 在字符串之前加r,让整个字符串不转义


  关于字符串挪到python中的转义的问题 : 只需要在工具中测试完毕,确认可以匹配上之后,挪到python中在字符串的外面加上r(r””)即可。 

7,总结:

  普通字符就表示一个正常的字符;

  元字符表示它特殊的意义 如果转义元字符,那么这个元字符就失去了特殊意义;

  几个字符的组合关系:

    字符/元字符   只约束一个字符

    字符+量词    约束一个字符连续出现的次数

    字符+量词+?  约束一个字符连续出现的最少次数

    字符+量词+?+x 约束一个字符连续出现量词范围内的最少次数,遇到x就立即停止

 



以上是关于正则表达式的主要内容,如果未能解决你的问题,请参考以下文章

PHP 正则表达式总结

正则表达式

正则表达式

正则表达式“或“的使用

正则表达式 验证数字格式 非负数 小数点后保留两位 数字正则 double正则

JS正则表达式详解