Python3基礎之正則表達式

正則表達式

在線測試工具 http://tool.chinaz.com/regex/

同一個位置上可以出現的字符的范圍。

字符組 ： [字符組]
在同一個位置可能出現的各種字符組成了一個字符組，在正則表達式中用[]表示
字符分為很多類，比如數字、字母、標點等等。
假如你現在要求一個位置"只能出現一個數字",那么這個位置上的字符只能是0、1、2...9這10個數之一。

字符：

元字符	匹配內容
.	匹配除換行符以外的任意字符
\w	匹配字母或數字或下划線
\s	匹配任意的空白符
\d	匹配數字
\n	匹配一個換行符
\t	匹配一個制表符
\b	匹配一個單詞的結尾
^	匹配字符串的開始
$	匹配字符串的結尾
\W	匹配非字母或數字或下划線
\D	匹配非數字
\S	匹配非空白符
a|b	匹配字符a或字符b
()	匹配括號內的表達式，也表示一個組
[...]	匹配字符組中的字符
[^...]	匹配除了字符組中字符的所有字符

 

量詞：

量詞	用法說明
*	重復零次或更多次
+	重復一次或更多次
?	重復零次或一次
{n}	重復n次
{n,}	重復n次或更多次
{n,m}	重復n到m次

 

. ^ $

正則	待匹配字符	匹配 結果	說明
海.	海燕海嬌海東	海燕海嬌海東	匹配所有"海."的字符
^海.	海燕海嬌海東	海燕	只從開頭匹配"海."
海.$	海燕海嬌海東	海東	只匹配結尾的"海.$"

 

* + ? { }

正則	待匹配字符	匹配 結果	說明
李.?	李傑和李蓮英和李二棍子	李傑 李蓮 李二	?表示重復零次或一次，即只匹配"李"后面一個任意字符
李.*	李傑和李蓮英和李二棍子	李傑和李蓮英和李二棍子	*表示重復零次或多次，即匹配"李"后面0或多個任意字符
李.+	李傑和李蓮英和李二棍子	李傑和李蓮英和李二棍子	+表示重復一次或多次，即只匹配"李"后面1個或多個任意字符
李.{1,2}	李傑和李蓮英和李二棍子	李傑和 李蓮英 李二棍	{1,2}匹配1到2次任意字符

注意：前面的*,+,?等都是貪婪匹配，也就是盡可能匹配，后面加?號使其變成惰性匹配

正則	待匹配字符	匹配 結果	說明
李.*?	李傑和李蓮英和李二棍子	李 李 李	惰性匹配

 

字符集［］［^］

正則	待匹配字符	匹配 結果	說明
李[傑蓮英二棍子]*	李傑和李蓮英和李二棍子	李傑 李蓮英 李二棍子	表示匹配"李"字后面[傑蓮英二棍子]的字符任意次
李[^和]*	李傑和李蓮英和李二棍子	李傑 李蓮英 李二棍子	表示匹配一個不是"和"的字符任意次
[\d]	456bdha3	4 5 6 3	表示匹配任意一個數字，匹配到4個結果
[\d]+	456bdha3	456 3	表示匹配任意個數字，匹配到2個結果

 

分組 ()與 或 ｜［^］

身份證號碼是一個長度為15或18個字符的字符串，如果是15位則全部由數字組成，首位不能為0；如果是18位，則前17位全部是數字，末位可能是數字或x，下面我們嘗試用正則來表示：

正則	待匹配字符	匹配 結果	說明
^[1-9]\d{13,16}[0-9x]$	110101198001017032	110101198001017032	表示可以匹配一個正確的身份證號
^[1-9]\d{13,16}[0-9x]$	1101011980010170	1101011980010170	表示也可以匹配這串數字，但這並不是一個正確的身份證號碼，它是一個16位的數字
^[1-9]\d{14}(\d{2}[0-9x])?$	1101011980010170	False	現在不會匹配錯誤的身份證號了 ()表示分組，將\d{2}[0-9x]分成一組，就可以整體約束他們出現的次數為0-1次
^([1-9]\d{16}[0-9x]|[1-9]\d{14})$	110105199812067023	110105199812067023	表示先匹配[1-9]\d{16}[0-9x]如果沒有匹配上就匹配[1-9]\d{14}

 

轉義符 \

在正則表達式中，有很多有特殊意義的是元字符，比如\n和\s等，如果要在正則中匹配正常的"\n"而不是"換行符"就需要對"\"進行轉義，變成'\\'。

在python中，無論是正則表達式，還是待匹配的內容，都是以字符串的形式出現的，在字符串中\也有特殊的含義，本身還需要轉義。所以如果匹配一次"\n",字符串中要寫成'\\n'，那么正則里就要寫成"\\\\n",這樣就太麻煩了。這個時候我們就用到了r'\n'這個概念，此時的正則是r'\\n'就可以了。

正則	待匹配字符	匹配 結果	說明
\n	\n	False	因為在正則表達式中\是有特殊意義的字符，所以要匹配\n本身，用表達式\n無法匹配
\\n	\n	True	轉義\之后變成\\，即可匹配
"\\\\n"	'\\n'	True	如果在python中，字符串中的'\'也需要轉義，所以每一個字符串'\'又需要轉義一次
r'\\n'	r'\n'	True	在字符串之前加r，讓整個字符串不轉義

 

貪婪匹配

貪婪匹配：在滿足匹配時，匹配盡可能長的字符串，默認情況下，采用貪婪匹配

正則	待匹配字符	匹配 結果	說明
<.*>	<script>...<script>	<script>...<script>	默認為貪婪匹配模式，會匹配盡量長的字符串
<.*?>	<script>...<script>	<script> <script>	加上？為將貪婪匹配模式轉為非貪婪匹配模式，會匹配盡量短的字符串

幾個常用的非貪婪匹配Pattern

*? 重復任意次，但盡可能少重復 +? 重復1次或更多次，但盡可能少重復 ?? 重復0次或1次，但盡可能少重復 {n,m}? 重復n到m次，但盡可能少重復 {n,}? 重復n次以上，但盡可能少重復

.*?的用法

. 是任意字符
* 是取 0 至 無限長度 ? 是非貪婪模式。 何在一起就是 取盡量少的任意字符，一般不會這么單獨寫，他大多用在： .*?x 就是取前面任意長度的字符，直到一個x出現

re模塊下的常用方法

import re ret = re.findall('a', 'eva egon yuan') # 返回所有滿足匹配條件的結果,放在列表里 print(ret) #結果 : ['a', 'a']  ret = re.search('a', 'eva egon yuan').group() print(ret) #結果 : 'a' # 函數會在字符串內查找模式匹配,只到找到第一個匹配然后返回一個包含匹配信息的對象,該對象可以 # 通過調用group()方法得到匹配的字符串,如果字符串沒有匹配，則返回None。  ret = re.match('a', 'abc').group() # 同search,不過僅在字符串開始處進行匹配 print(ret) #結果 : 'a'  ret = re.split('[ab]', 'abcd') # 先按'a'分割得到''和'bcd',在對''和'bcd'分別按'b'分割 print(ret) # ['', '', 'cd']  ret = re.sub('\d', 'H', 'eva3egon4yuan4', 1)#將數字替換成'H'，參數1表示只替換1個 print(ret) #evaHegon4yuan4  ret = re.subn('\d', 'H', 'eva3egon4yuan4')#將數字替換成'H'，返回元組(替換的結果,替換了多少次) print(ret) obj = re.compile('\d{3}') #將正則表達式編譯成為一個 正則表達式對象，規則要匹配的是3個數字 ret = obj.search('abc123eeee') #正則表達式對象調用search，參數為待匹配的字符串 print(ret.group()) #結果 ： 123 import re ret = re.finditer('\d', 'ds3sy4784a') #finditer返回一個存放匹配結果的迭代器 print(ret) # <callable_iterator object at 0x10195f940> print(next(ret).group()) #查看第一個結果 print(next(ret).group()) #查看第二個結果 print([i.group() for i in ret]) #查看剩余的左右結果

注意：

1 findall的優先級查詢：

import re ret = re.findall('www.(baidu|oldboy).com', 'www.oldboy.com') print(ret) # ['oldboy'] 這是因為findall會優先把匹配結果組里內容返回,如果想要匹配結果,取消權限即可  ret = re.findall('www.(?:baidu|oldboy).com', 'www.oldboy.com') print(ret) # ['www.oldboy.com']

 

2 split的優先級查詢

ret=re.split("\d+","eva3egon4yuan") print(ret) #結果 ： ['eva', 'egon', 'yuan']  ret=re.split("(\d+)","eva3egon4yuan") print(ret) #結果 ： ['eva', '3', 'egon', '4', 'yuan'] #在匹配部分加上（）之后所切出的結果是不同的， #沒有（）的沒有保留所匹配的項，但是有（）的卻能夠保留了匹配的項， #這個在某些需要保留匹配部分的使用過程是非常重要的。

正則	待匹配字符	匹配 結果	說明
[0123456789]	8	True	在一個字符組里枚舉合法的所有字符，字符組里的任意一個字符 和"待匹配字符"相同都視為可以匹配
[0123456789]	a	False	由於字符組中沒有"a"字符，所以不能匹配
[0-9]	7	True	也可以用-表示范圍,[0-9]就和[0123456789]是一個意思
[a-z]	s	True	同樣的如果要匹配所有的小寫字母，直接用[a-z]就可以表示
[A-Z]	B	True	[A-Z]就表示所有的大寫字母
[0-9a-fA-F]	e	True	可以匹配數字，大小寫形式的a～f，用來驗證十六進制字符