正则表达式
Posted 庆长
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。
正则表达式： 正则表达式就是记录文本规则的代码
这些具有规则的字符被称为元字符
“匹配单个字符”
|
字符
|
功能
|
|
.
|
匹配任意1个字符（除了\n）
|
|
[ ]
|
匹配[ ]中列举的字符
|
|
\d
|
匹配数字，即0-9
|
|
\D
|
匹配非数字，即不是数字
|
|
\s
|
匹配空白，即 空格，tab键
|
|
\S
|
匹配非空白
|
|
\w
|
匹配单词字符，即a-z、A-Z、0-9、_
|
|
\W
|
匹配非单词字符
|
{注1：仅占单个字符位置}
{注2：[0-9a-z]:表示匹配0-9/a-z任意一个数字/字母都行}
{注3：：[^47]:表示除了4或者7以外的数据都可以匹配}
{注4：. 必须占一个字符位置，并不是可无}
“匹配多个字符的相关格式”
| 字符 |
功能
|
| * | 匹配前一个字符出现0次或者无限次，即可有可无 |
| + | 匹配前一个字符出现1次或者无限次，即至少有1次 |
| ? | 匹配前一个字符出现1次或者0次，即要么有1次，要么没有 |
| {m} | 匹配前一个字符出现m次 |
| {m,n} | 匹配前一个字符出现从m到n次 |
{注1："?"：也可以用于贪婪模式下仅查找第一个，不再索取后面相匹配的数据}
{注2："限定符+?":多取少，尽可能少重复}
{注3：一般配合单个字符搭配使用，用在字符后面。}
“匹配开头结尾”
|
字符
|
功能
|
|
^
|
匹配字符串开头
|
|
$
|
匹配字符串结尾
|
{注1：锁死查找数据的开头和结尾，用于数据查找固定的长度框架}
“匹配分组”
|
字符
|
功能
|
|
|
|
匹配左右任意一个表达式
|
|
(ab)
|
将括号中字符作为一个分组
|
|
\num
|
引用分组num匹配到的字符串
|
|
(?P<name>)
|
分组起别名
|
|
(?P=name)
|
引用别名为name分组匹配到的字符串
|
Python中字符串前面加上 r 表示原生字符串
与大多数编程语言相同，正则表达式里使用"\"作为转义字符
r：表示原始字符串，不需要对反斜杠进行转义，也就是这个里面的反斜杠是一个真正意义上的反斜杠
r的作用：就是不需要给反斜杠进行转义了，不对其它字符进行操作
如下：
match_obj = re.match(r"c:\\a\\b\\c", my_str) if match_obj: print(match_obj.group()) else: print("匹配失败")
python贪婪和非贪婪
Python里数量词默认是贪婪的（在少数语言里也可能是默认非贪婪），总是尝试匹配尽可能多的字符；非贪婪则相反，总是尝试匹配尽可能少的字符。
在"*","?","+","{m,n}"后面加上？，使贪婪变成非贪婪。
解决方式：非贪婪操作符“？”，这个操作符可以用在"*","+","?"的后面，要求正则匹配的越少越好。
|
代码/语法
|
说明
|
|
*?
|
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
|
导入模块 ：import re
方法：re.match("参数1","参数2")
match：根据比正则表达式从头开始匹配数据
参数1：正则表达式的代码
参数2：要匹配的字符串
match_obj.group(）：返回匹配的结果
match_obj = re.match("t.o", "two123456") if match_obj: # 获取匹配的结果 print(match_obj.group()) else: print("匹配失败")
注：match只从头开始匹配，末尾另有数据（123456）也会匹配成功，只输出相对应的结果，其后面的数据不显示。
# 扩展- 匹配qq match_obj = re.match("(qq):(1\d{4,11})", "qq:10987") if match_obj: print(match_obj.group()) # 表示获取第一个分组的数据 print(match_obj.group(1)) # 表示获取第二个分组的数据 print(match_obj.group(2)) else: print("匹配失败")
注：.group(1),group(2):获取相对应的分组数据，从左往右，分组以（）定义
\num可以引用其分组。如下：
# 扩展- 匹配qq match_obj = re.match("(qq):(1\d{4,11})", "qq:10987") if match_obj: print(match_obj.group()) # 表示获取第一个分组的数据 print(match_obj.group(1)) # 表示获取第二个分组的数据 print(match_obj.group(2)) else: print("匹配失败")
(?P<name>) 分组起别名
(?P=name) 引用别名为name分组匹配到的字符串
如下：
match_obj = re.match("<(?P<name1>[a-zA-z0-9]+)><(?P<name2>[a-zA-z0-9]+)>.*</(?P=name2)></(?P=name1)>", "<html><h1>www.itcast.cn</h1></html>") if match_obj: print(match_obj.group()) else: print("匹配失败")
方法：re.search(参数1，参数2)
search：根据正则表达式查找数据
参数1：正则表达式
参数2：要匹配的字符串
match_obj = re.search("\d+", "水果有20个30") if match_obj: print(match_obj.group()) else: print("匹配失败")
方法：re.findall(参数1，参数2)
findall：根据正则表达式查找多个数据，数据以列表的方式返回
参数1：正则表达式
参数2：要匹配的字符串
result = re.findall("\d+", "苹果20个鸭梨10个总共30个水果") print(result)
方法：re.sub(参数1，参数2，参数3，count=1)
sub：根据正则表达式替换数据
参数1：正则表达式
参数2：替换的任务
参数3：要匹配的字符串
count：替换的次数，默认全部替换，可以指定换次数
result = re.sub("\d+", "200", "阅读数:10 评论数:10", count=1) print(result)
方法：re.split(参数1，参数2，maxsplit=1)
split：根据正则表达式进行分割数据
参数1：正则表达式
参数2：要匹配的字符串
maxsplit：表示最大分割次数（默认全部分割）
result = re.split(":|,", "哈哈:呵呵,嘻嘻:嘿嘿", maxsplit=1) print(result)
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
正则表达式匹配特定的 URL 片段而不是所有其他 URL 可能性