正则表达式，看完这篇应该八九不离十了吧
Posted rocknuo
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，看完这篇应该八九不离十了吧相关的知识，希望对你有一定的参考价值。
提起正则表达式，新手可能都会脑袋一懵，什么呀！完全不懂呀，别急，静下心来，看完这篇你应该就八九不离十了
首先我们得清楚正则表达构成
第一部分，基础部分，包含正则表达的几个基本函数和最底层的方法，话不多说，上码
import re s = ‘许诺正在使用python学习正则表达式‘ result = re.match(‘许诺‘, s) # .match表示从头开始匹配，这里可以实现 print(result) result = re.match(‘python‘, s) # .match表示从头开始匹配，这里可以不能实现 print(result) result = re.search(‘python‘, s) # .search表示全局匹配，这里可以实现 但是需要注意search只要找到一个就会停止 print(result) # 返回匹配结果 print(result.span()) # 返回匹配结果位置 print(result.group()) # 返回匹配内容 # 从msg中找到类似a7s这种两个字母中间一数字的字符串 msg = ‘non34non324tn2pin5in5io3ni5uo5np5n‘ result = re.search(‘[a-z][0-9][a-z]‘, msg) # .search只要找到一个就会停止，不再进行检索 print(result) result = re.findall(‘[a-z][0-9][a-z]‘, msg) # .findall会找到所有匹配内容 print(result) # a7e a77u a998t 检索这三种 msg = ‘a7essa77uu8hy99ia998t‘ result = re.findall(‘[a-z][0-9]+[a-z]‘, msg) # 注意[0-9]后面的+ 这个+表示大于等于1 利用这个特点匹配到相应内容 print(result) # QQ号码验证 5-11位数字，首位不为0 qq = ‘342452563‘ result = re.match(‘^[1-9][0-9]{4,10}$‘, qq) print(result) ‘‘‘ ^[1-9][0-9]{4,10}$ ^ $ 匹配首尾，验证整个匹配内容 [1-9] 限制首位不为0 [0-9] 其他位是数字即可 {4,10} 限制[0-9]只能出现4-10次 ‘‘‘ # 用户名验证，要求6个字符以上，首位不能位数字 username = ‘admin123%‘ result = re.match(‘[a-zA-Z][a-zA-Z0-9]{5,}‘, username) # {5,}表示至少5位 print(result) username = ‘admin123%‘ result = re.match(‘[a-zA-Z][a-zA-Z0-9]{5,}$‘, username) # {5,}表示至少5位 $符号用于匹配整个字符串，不会出现上面那种直接选择性匹配的情况 print(result) username = ‘admin123‘ result = re.match(‘[a-zA-Z]\w{5,}$‘, username) # {5,}表示至少5位 $符号用于匹配整个字符串，不会出现上面那种直接选择性匹配的情况 print(result) # 检索所有py文件名 msg = ‘a.py sd.txt kk.py pyg.dot cc.py‘ result = re.findall(‘\w*\.py\b‘, msg) print(result) ‘‘‘ . 任意字符出（ ） ^$开头结尾 []范围，内部规定访问内容 正则预定义 s 空白（空格） 边界 d 数字 w word [0-9a-zA-Z] W 非w ‘‘‘
第二部分 进阶篇之量词
import re # 匹配0-100的数字 n = ‘98‘ result = re.match(r‘[1-9]?d‘, n) # [1-9]? ？表示第一位可以没有 print(result) n = ‘09‘ result = re.match(r‘[1-9]?d$‘, n) # [1-9]? ？表示第一位可以没有 print(result) n = ‘100‘ result = re.match(r‘[1-9]?d?$|100$‘, n) print(result) ‘‘‘ [1-9]?d?$|100$ [1-9]? 表示第一位可以没有 或者是1-9的数字 d?$ 表示第二位可以没有或者是任意数字 并检索整个字符串 | 或 匹配前面的或者后面的 100$ 匹配100 并检索整个字符串 ‘‘‘ # 验证邮箱输入要求必须是163 或 126或 qq 的 至少5位以上 email = ‘1171977478@qq.com‘ result = re.match(r‘w{5,20}@(163|126|qq).(com|cn)$‘, email) print(result) ‘‘‘ (163|126|qq) 区分（）和[] （）表示整体判断[]表示单个字母进行判断 .转义符 (com|cn)$ 末尾$符表示整体判断 ‘‘‘ # 手机号验证 不是以4或7结尾的手机号 phone = ‘17809878765‘ result = re.match(r‘1d{9}[0-35689]$‘, phone) print(result) phone = ‘17809878767‘ result = re.match(r‘1d{9}[0-35689]$‘, phone) print(result) # 分组检索验证 phone = ‘0326-17809878765‘ result = re.match(r‘(d{3}|d{4})-(1d{9}[0-35689])$‘, phone) # ()分组验证 print(result) print(result.group()) # 利用group分组提取内容 print(result.group(1)) print(result.group(2)) # 标签验证 需要提取标签中间的内容 也就是这里的abc msg = ‘<html><h1>abc</h1></html>‘ result = re.match(r‘<(?P<name1>w+)><(?P<name2>w+)>(.+)</(?P=name2)></(?P=name1)>‘, msg) print(result) print(result.group(3)) msg = ‘<html><h1>abc</h1></html>‘ result = re.match(r‘<([0-9a-zA-Z]+)><([0-9a-zA-Z]+)>(.+)</2></1>$‘, msg) # 也可以用这种方式实现分组 print(result) print(result.group(3)) ‘‘‘ (?P<name1>w+) 分组检索 ([0-9a-zA-Z]+) (?P=name1) 调用分组 /1 分组检索（） 只要正则中分了组 后期就可以用result.group()拿到分组的内容 ‘‘‘ ‘‘‘ re 模块 match search findall sub 替换功能（正则，新内容，字符串） split ‘‘‘ # sub 替换 result = re.sub(r‘d+‘, ‘90‘, ‘js:99,py:100‘) print(result) # sub中间也可以是函数 def func(temp): num = temp.group() num1 = int(num) num1 += 1 return str(num1) result = re.sub(r‘d+‘, func, ‘js:99,py:100‘) print(result) # split切割 result = re.split(r‘[,:]‘, ‘js:99,py:100‘) # 查找字符串，在遇到，或：时切割 print(result) ‘‘‘ 总结 函数 re.match re.search re.findall re.sub 替换功能（正则，新内容，字符串） re.split 基础符号 . 任意字符 [] 选定范围 | 或者 () 分组 量词 * >=0 + >=1 ? 0,1 {m} =m {m,} >=m {m,n} >=m <=n 预定义 文档 分组 （） 结合group使用 贪婪与惰性 python 中的量词默认是贪婪的 想要改变直接子啊对应量词后加？ 例 + 表示获取大于1 +？表示就获取一个 ‘‘‘
看完前两部分可能还会有这个符号怎么这么用呀，要用哪个符号呀，别急 第三部分，纯纯的干货
第三部分之正则符号大全
| 字符 | 描述 |
|---|---|
| 将下一个字符标记为一个特殊字符、或一个原义字符、或一个 向后引用、或一个八进制转义符。例如，‘n‘ 匹配字符 "n"。‘ ‘ 匹配一个换行符。序列 ‘\‘ 匹配 "" 而 "(" 则匹配 "("。 | |
| ^ | 匹配输入字符串的开始位置。如果设置了 RegExp 对象的 Multiline 属性，^ 也匹配 ‘ ‘ 或 ‘ ‘ 之后的位置。 |
| $ | 匹配输入字符串的结束位置。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零次或多次。例如，zo* 能匹配 "z" 以及 "zoo"。* 等价于{0,}。 |
| + | 匹配前面的子表达式一次或多次。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" 中的"do" 。? 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。‘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的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串 "oooo"，‘o+?‘ 将匹配单个 "o"，而 ‘o+‘ 将匹配所有 ‘o‘。 |
| . | 匹配除 " " 之外的任何单个字符。要匹配包括 ‘ ‘ 在内的任何字符，请使用象 ‘[. ]‘ 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) | 匹配 pattern 但不获取匹配结果，也就是说这是一个非获取匹配，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是很有用。例如， ‘industr(?:y|ies) 就是一个比 ‘industry|industries‘ 更简略的表达式。 |
| (?=pattern) | 正向预查，在任何匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如，‘Windows (?=95|98|NT|2000)‘ 能匹配 "Windows 2000" 中的 "Windows" ，但不能匹配 "Windows 3.1" 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) | 负向预查，在任何不匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如‘Windows (?!95|98|NT|2000)‘ 能匹配 "Windows 3.1" 中的 "Windows"，但不能匹配 "Windows 2000" 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 |
| x|y | 匹配 x 或 y。例如，‘z|food‘ 能匹配 "z" 或 "food"。‘(z|f)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‘p‘。 |
| [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。 |
| [^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。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]。 |
| D | 匹配一个非数字字符。等价于 [^0-9]。 |
| 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 | 匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ f v]。 |
| S | 匹配任何非空白字符。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。等价于‘[A-Za-z0-9_]‘。 |
| 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。. |
| um | 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。 |
| 标识一个八进制转义值或一个向后引用。如果 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。 | |
| m | 标识一个八进制转义值或一个向后引用。如果 m 之前至少有 nm 个获得子表达式，则 nm 为向后引用。如果 m 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 m 将匹配八进制转义值 nm。 |
| ml | 如果 n 为八进制数字 (0-3)，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 (?)。 |
以上是关于正则表达式，看完这篇应该八九不离十了吧的主要内容，如果未能解决你的问题，请参考以下文章