一、基本简介:
1. 定义:即文本的高级匹配模式,提供搜索,替换等功能。其本质是由一系列字符和特殊符号构成的字串,这个字串即正则表达式。
2. 原理:通过普通字符和有特定含义的字符,来组成字符串,用以描述一定的字符串规则,比如:重复,位置等,来表达某类特定的字符串,进而匹配。
3. 目标
- 熟练掌握正则表达式元字符
- 能够读懂常用正则表达式,编辑简单的正则规则
- 能够熟练使用re模块操作正则表达式
二、元字符使用:
1.普通字符:
- 匹配规则:每个普通字符匹配其对应的字符
- 例子:re.findall('ab',"abcdefabcd")
- # ['ab', 'ab']
注意事项:正则表达式在python中也可以匹配中文
2.元字符:| (或关系)
- 匹配规则:匹配 | 两侧任意的正则表达式即可
- 例子:re.findall('com|cn',"www.baidu.com/www.tmooc.cn")
- #['com', 'cn']
3.元字符:. (匹配单个元字符)
- 匹配规则:匹配除换行外的任意一个字符
- 例子:re.findall('张.丰',"张三丰,张四丰,张五丰")
- # ['张三丰', '张四丰', '张五丰']
4.元字符: [字符集]
- 匹配规则: 匹配字符集中的任意一个字符
- 表达形式:
- [abc#!好] 表示 [] 中的任意一个字符
- [0-9],[a-z],[A-Z] 表示区间内的任意一个字符
- [_#?0-9a-z] 混合书写,一般区间表达写在后面
- 例子:re.findall('[aeiou]',"How are you!")
- # ['o', 'a', 'e', 'o', 'u']
5.元字符:[^字符集] (匹配反字符集)
- 匹配规则:匹配除了字符集以外的任意一个字符
- 例子:re.findall('[^0-9]',"Use 007 port")
- #['U', 's', 'e', ' ', ' ', 'p', 'o', 'r', 't']
6.元字符:^ A
- 匹配规则:匹配字符串开始位置
- 例子:re.findall('^Jame',"Jame,hello")
- #['Jame']
7.元字符:$
- 匹配规则:匹配目标字符串的结尾位置
- 例子:re.findall('Jame$',"Hi,Jame")
- #['Jame']
规则技巧: ^ 和 $必然出现在正则表达式的开头和结尾处。如果两者同时出现,则中间的部分必须匹配整个目标字符串的全部内容。
8.元字符:*
- 匹配规则:匹配前面的字符出现0次或多次
- 例子:re.findall('wo*',"wooooo~~w!")
- #['wooooo', 'w']
9.元字符:+
- 匹配规则:匹配前面的字符出现1次或多次
- 例子:re.findall('[A-Z][a-z]+',"Hello World")
- #['Hello', 'World']
10.元字符:?
- 匹配规则:匹配前面的字符出现0次或1次
- 例子:匹配手机号 re.findall('-?[0-9]+',"Jame,age:18, -26")
- #['18', '-26']
11.元字符:{n}
- 匹配规则:匹配前面的字符出现n次
- 例子:re.findall('1[0-9]{10}',"Jame:13886495728")
- #['13886495728']
12.元字符:{m,n}
- 匹配规则: 匹配前面的字符出现m-n次
- 例子:匹配QQ号 re.findall('[1-9][0-9]{5,10}',"Baron:1259296994")
- #['1259296994']
13.元字符:d D
- 匹配规则:d 匹配任意数字字符,D 匹配任意非数字字符
- 例子:匹配端口 re.findall('d{1,5}',"Mysql: 3306, http:80")
- #['3306', '80']
14.元字符:w W
- 匹配规则:w 匹配普通字符,W 匹配非普通字符
- 说明: 普通字符指数字,字母,下划线,汉字。
- 例子: re.findall('w+',"server_port = 8888")
- #['server_port', '8888']
15.元字符:s S
- 匹配规则:s 匹配空字符,S 匹配非空字符
- 说明:空字符指 空格 v f 字符
- 例子: re.findall('w+s+w+',"hello world")
- #['hello world']
16.元字符:s S
- 匹配规则:s 匹配空字符,S 匹配非空字符
- 说明:空字符指 空格 v f 字符
- 例子: re.findall('w+s+w+',"hello world")
- #['hello world']
17.元字符: B
- 匹配规则: 表示单词边界,B 表示非单词边界
- 说明:单词边界指数字字母(汉字)下划线与其他字符的交界位置。
- 例子:re.findall(r'is',"This is a test.")
- #['is']
三、普通字符集的替换
正则 | 扩充表达式 | 匹配 |
d |
[0-9] |
数字字符 |
D |
[^0-9] |
非数字字符 |
w |
[a-zA-Z0-9] |
数字字母下划线 |
W |
[^w] |
相反 |
s |
[_ f] |
表格,换行等空白区域 |
S |
[^s] |
非空白区域 |
四、计数符
正则 |
匹配 |
* + ? {n} {n,m} {n,} |
零或多 一或多 零或一 出现n次 n到m次 至少n次 |
五、正则表达式的转义
1. 如果使用正则表达式匹配特殊字符则需要加 表示转义。
- 特殊字符: . * + ? ^ $ [] () {} |
- 匹配特殊字符 . 时使用 . 表示本身含义
- 例子1:re.findall('-?d+.?d*',"123,-123,1.23,-1.23")
- #['123', '-123', '1.23', '-1.23']
- 例子2:s="1992年5月2日出生于中国,中国内地影视女演员-12,12.34,1/0,40%,-1.6"
- r=re.findall('-?d+.?/?d*%?',s)
- #['1992', '5', '2', '-12', '12.34', '1/0', '40%', '-1.6']
2. 在编程语言中,常使用原生字符串书写正则表达式避免多重转义的麻烦。
- python字符串 --> 正则 --> 目标字符串
- "\$\d+" 解析为 $d+ 匹配 "$100"
- "\$\d+" 等同于 r"$d+"
六、贪婪模式和非贪婪模式
贪婪模式: 默认情况下,匹配重复的元字符总是尽可能多的向后匹配内容。比如: * + ? {m,n}
非贪婪模式(懒惰模式): 让匹配重复的元字符尽可能少的向后匹配内容。
贪婪模式转换为非贪婪模式
在匹配重复元字符后加 '?' 号即可
* : *? #1
+ : +? #1
? : ?? #0
{m,n} : {m,n}? #n
- 例子: re.findall(r'(.+?)',"(abcd)efgh(higk)")
- # ['(abcd)', '(higk)']
七、正则表达式分组
1.定义:
在正则表达式中,以()建立正则表达式的内部分组,子组是正则表达式的一部分,可以作为内部整体操作对象。
2.作用:
(1)可以别作为整体操作,改变元字符的操作对象。
#(1)改变 +号 重复的对象 re.search(r'(ab)+',"ababababab").group() #'ababababab' #(2)改变 |号 操作对象 re.search(r'(王|李)w{1,3}',"王者荣耀").group() #'王者荣耀'
(2)可以通过编程语言某些借口获取陪陪内容中子组对应的内容部分
#获取url协议类型 re.search(r'(https|http|ftp|file)://S+',"https://www.baidu.com").group(1)
3.捕获组:
可以给正则表达式的子组起一个名字,表达该子组的意义。这种有名称的子组即为捕获组
格式:"(?P<name>pattern)"
#给子组命名为 "pig" re.search(r'(?P<pig>ab)+',"ababababab").group('pig') #'ab'
4.注意事项:
- 一个正则表达式中可以包含多个子组
- 子组可以嵌套,但是不要重叠或者嵌套结构复杂
- 子组序列号一般从外到内,从左到右计数
八、正则表达式原则
1.正确性,能够正确的匹配出目标字符串。
2.排他性,除了目标字符串意外尽可能少的匹配其他内容。
3.全面性,尽可能考虑到目标字符串的所有情况,不遗漏。