正则表达式

Posted 2020-12-30 s593941

正则表达式

1.是一种独立的规则,独立的语言

2.正则表达式是什么,能做什么

　　1.从大段的文字中找到符合规则的内容(爬虫,日志分析...)

　　

　　　　如果要把一个文件中所有的手机号码都找出来

　　　　　　open　　打开文件　　

　　　　　　读文件　　str形式

　　　　　　从一长串的字符串中找到所有的11位数字

　　　　　　一个字符一个字符的读

　　2.判断某个字符串是否完全符合规则(表单验证:手机号,QQ号,邮箱,银行卡,身份证号,密码...)

　　　　验证这个手机号是否合法

　　　　　　给这个手机号发送一个验证码　　

　　　　　　用户收到验证码,填写验证码

　　　　　　完成注册

 

3.正则表达式的规则:

　　只和字符串相关

　　从字符串中找到符合规则的内容

　　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

正则	待匹配字符	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	由于字符组中没有"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	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.字符

 

元字符	匹配内容
.	匹配除换行符以外的任意字符
w	匹配字母或数字或下划线
s	匹配任意的空白符
d	匹配数字
	匹配一个换行符
	匹配一个制表符
	匹配一个单词的结尾
^	匹配字符串的开始
$	匹配字符串的结尾
W	匹配非字母或数字或下划线
D	匹配非数字
S	匹配非空白符
a|b	匹配字符a或字符b
()	匹配括号内的表达式,也表示一个组
[...]	匹配字符组中的字符
[^...]	匹配除了字符组中字符的所有字符

　　3.量词

量词	用法
*	重复零次或更多次
+	重复一次或更多次
?	重复零次或一次
{n}	重复n次
{n,}	重复n次或更多次
{n,m}	重复n到m次

　　　　　　　　　　　　　　　　.^$

正则	待匹配字符	匹配结果	说明
海.	海燕海娇海东	海燕海娇海东	匹配所有"海."的字符
^海.	海燕海娇海东	海燕	只从开头匹配"海."
海.$	海燕海娇海东	海东	值匹配结尾的"海.$"

　　　　　　　　　　　　　　*+?{}

正则	待匹配字符	匹配结果	说明
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
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
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
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

 

注意:前面的*,+,?等都是贪婪匹配,也就是尽可能匹配,后面加?使其变成惰性匹配

正则	待匹配字符	匹配结果	说明
李.*?	李杰和李莲英和李二棍子	李 李 李	惰性匹配

　　4.字符集[ ],[^]

 

正则	待匹配字符	匹配结果	说明
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]的任意字符次
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
[d]	456asdaf3	4 5 6 3	表示匹配任意一个数字,匹配到4个结果
[d]+	456asdaf3	456 3	表示匹配任意个数字,匹配到2个结果

　　5.分组()与或|[^]

　　　　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位则全部由数字组成,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,下面尝试用正则来表示:

 

正则	待匹配字符	匹配结果	说明
^[1-9]d{13,16}[0-9x]$	110101198001017032	110101198001017032	表示可以匹配一个正确的身份证号
^[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
^[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
^[1-9]d{16}[0-9x]|[1-9]d{14}$	1101051998012067023	1101051998012067023	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}

　　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

 

7.贪婪匹配

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

正则	待匹配字符	匹配结果	说明
<.*>	<script>...<script>	<script>...<script>	默认为贪婪匹配模式,会匹配尽量长的字符串
<.*?>	r"d"	<script> <script>	加上?为将贪婪匹配模式转为非贪婪匹配模式,会尽量匹配短的字符串

 

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次以上,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,合在一起就是取尽量少的任意字符,一般不会这么单独写,它大多用在:.*?x,就是取前面任意长度的字符,直到一个x出现