一、什么是正则表达式
正则就是用一些具有特殊含义的符号组合到一起(称为正则表达式)来描述字符或者字符串的方法。或者说:正则就是用来描述一类事物的规则。(在Python中)它内嵌在Python中,并通过 re 模块实现。正则表达式模式被编译成一系列的字节码,然后由用 C 编写的匹配引擎执行。
二、正则表达式基础
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。
1 [1] 匹配1 2 [123] 匹配1、2、3 3 [0-9] 匹配任意一个数字 4 [a-z] 匹配任意一个小写字母 5 [A-Z] 匹配任意一个大写字母 6 [A-Za-z] 匹配任意一个字母
示例如下:
1 print(re.findall(‘[1]‘,‘Zll5201314‘)) #[‘1‘, ‘1‘] 2 print(re.findall(‘[123]‘,‘Zll5201314‘)) #[‘2‘, ‘1‘, ‘3‘, ‘1‘] 3 print(re.findall(‘[0-9]‘,‘Zll5201314‘)) #[‘5‘, ‘2‘, ‘0‘, ‘1‘, ‘3‘, ‘1‘, ‘4‘] 4 print(re.findall(‘[a-z]‘,‘Zll5201314‘)) #[‘l‘, ‘l‘] 5 print(re.findall(‘[A-Z]‘,‘Zll5201314‘)) #[‘Z‘] 6 print(re.findall(‘[a-zA-Z]‘,‘Zll5201314‘)) #[‘Z‘, ‘l‘, ‘l‘] 7 print(re.findall(‘[A-Za-z0-3]‘,‘Zll5201314‘)) #[‘Z‘, ‘l‘, ‘l‘, ‘2‘, ‘0‘, ‘1‘, ‘3‘, ‘1‘]
元字符:
1 . 匹配除换行符以外的任意字符 2 \w 匹配字母或者数字或者下划线 3 \s 匹配任意空白字符 4 \d 匹配数字 5 \n 匹配换行符 6 \t 匹配制表符tab 7 \b 匹配一个单词的结尾 8 ^ 匹配字符串的开始 9 $ 匹配字符串的结尾 10 \W 匹配非字母或下划线或数字 11 \D 匹配非数字 12 \S 匹配非空白符 13 | 匹配|前或者后的内容 14 () 匹配括号内的表达式,也表示一个组
示例如下:
1 print(re.findall(‘.‘,‘love_u 520‘)) #[‘l‘, ‘o‘, ‘v‘, ‘e‘, ‘_‘, ‘u‘, ‘ ‘, ‘5‘, ‘2‘, ‘0‘] 2 print(re.findall(‘\w‘,‘love_u 520‘)) #[‘l‘, ‘o‘, ‘v‘, ‘e‘, ‘_‘, ‘u‘, ‘5‘, ‘2‘, ‘0‘] 3 print(re.findall(‘\s‘,‘love_u 520‘)) #[‘ ‘] 4 print(re.findall(‘\d‘,‘love_u 520‘)) #[‘5‘, ‘2‘, ‘0‘] 5 print(re.findall(‘\n‘,‘love_u 520‘)) #[] 6 print(re.findall(‘\b‘,‘love_u 520‘)) #[] 7 print(re.findall(‘^l‘,‘love_u 520‘)) #[‘l‘] 8 print(re.findall(‘520$‘,‘love_u 520‘))#[‘520‘] 9 print(re.findall(‘\W‘,‘love_u 520‘)) #[‘ ‘] 10 print(re.findall(‘\D‘,‘love_u 520‘)) #[‘l‘, ‘o‘, ‘v‘, ‘e‘, ‘_‘, ‘u‘, ‘ ‘] 11 print(re.findall(‘\S‘,‘love_u 520‘)) #[‘l‘, ‘o‘, ‘v‘, ‘e‘, ‘_‘, ‘u‘, ‘5‘, ‘2‘, ‘0‘] 12 print(re.findall(‘love|u‘,‘love_u 520‘)) #[‘love‘, ‘u‘]
量词:
1 * 重复零次或者多次 2 + 重复1次或者多次 3 ? 重复零次或者一次 4 {n} 重复n次 5 {n,} 重复n次或者更多次 6 {n,m} 重复n到m次
示例如下:
1 print(re.findall(‘5*‘,‘555 5‘)) #[‘555‘, ‘‘, ‘5‘, ‘‘] 2 print(re.findall(‘5+‘,‘555 5‘)) #[‘555‘, ‘5‘] 3 print(re.findall(‘5?‘,‘555 5‘)) #[‘5‘, ‘5‘, ‘5‘, ‘‘, ‘5‘, ‘‘] 4 print(re.findall(‘5{2,3}‘,‘555 5‘)) #[‘555‘] 5 print(re.findall(‘5{2}‘,‘555 5‘)) #[‘55‘] 6 print(re.findall(‘5{3}‘,‘555 5‘)) #[‘555‘]
三、常见的正则表达式应用
1 手机号(国内):^[1-9][3478]\d{9} 2 电话号(国内):[0-9-()()]{7,18} 3 邮编:\d{6} 4 QQ:[1-9]([0-9]{5,11}) 5 身份证号:\d{17}[\d|x]|\d{15} 6 邮箱:\w[-\w.+]*@([A-Za-z0-9][-A-Za-z0-9]+\.)+[A-Za-z]{2,14} 7 网址:^((https|http|ftp|rtsp|mms)?:\/\/)[^\s]+ 8 日期:\d{4}(\-|\/|.)\d{1,2}\1\d{1,2} 9 用户名:[A-Za-z0-9_\-\u4e00-\u9fa5]+
#正则表达式在线测试网址“http://tool.chinaz.com/regex/”
四、python中如何使用正则表达式
findall()方法:
此方法是在整个字符串中匹配指定字符或者字符串,并且将所有满足条件的结果返回到一个列表中,如下:
1 ret = re.findall(‘a‘,‘abac‘) 2 print(ret) #[‘a‘, ‘a‘]
3 ret = re.findall(‘ab‘,‘abac‘) 4 print(ret) #[‘ab‘]
search()方法:
此方法是在整个字符串中查找满足匹配条件的字符或者字符串,一旦找到一个就不再继续查找,并返回包含查找值的对象,可以用.group()方法进行查看,如下:
1 ret = re.search(‘a‘,‘abac‘) 2 print(ret.group()) #a
match()方法:
此方法是用来从开头位置查找是否满足匹配条件,如果没有就会返回None,如果有,则会返回一个包含查找值的对象,可以用group()方法进行查看,如下:
1 ret = re.match(‘a‘,‘abac‘) 2 print(ret.group()) #a 3 4 ret = re.match(‘b‘,‘abac‘) 5 print(ret) #None
split()方法:
此方法用来对一个字符串进行切分,如下:
1 ret = re.split(‘[ab]‘, ‘abcd‘) # 先按‘a‘分割得到‘‘和‘bcd‘,在对‘‘和‘bcd‘分别按‘b‘分割 2 print(ret) # [‘‘, ‘‘, ‘cd‘]
sub()以及subn()方法:
1 ret = re.sub(‘\d‘, ‘*‘, ‘a1b2c3‘)#将数字替换成‘*‘,默认替换所有的数字 2 print(ret) #a*b*c* 3 4 ret = re.sub(‘\d‘, ‘*‘, ‘a1b2c3‘, 1)#将数字替换成‘*‘,参数1表示只替换1个 5 print(ret) #a*b2c3 6 7 ret = re.subn(‘\d‘, ‘*‘, ‘a1b2c3‘)#将数字替换成‘*‘,返回一个元祖(替换后的字符串,替换的次数) 8 print(ret) #(‘a*b*c*‘, 3)
compile()方法:
此方法是先把正则表达式编译好,以方便多次使用,如下:
1 obj = re.compile(‘\d{3}‘) #将正则表达式编译成为一个 正则表达式对象,规则要匹配的是3个数字 2 ret = obj.search(‘abc123eeee‘) #正则表达式对象调用search,参数为待匹配的字符串 3 print(ret.group()) #结果 : 123
finditer()方法:
此方法与findall类似,只不过返回的不是一个列表,而是一个生产器,可以用next(iter).group()来查看里面的值,如下:
1 ret = re.finditer(‘\d‘, ‘ds3sy4784a‘) #finditer返回一个存放匹配结果的迭代器 2 print(ret) # <callable_iterator object at 0x10195f940> 3 print(next(ret).group()) #查看第一个结果 4 print(next(ret).group()) #查看第二个结果 5 print([i.group() for i in ret]) #查看剩余的左右结果