正则表达式

一丶简介

　　正则表达式本身是一种小型的丶高度专业化的编程语言,而在python中,通过内嵌集成re模块,程序猿们可以直接调用用来实现正则匹配.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.

二丶正则表达式中常用的字符含义

　　1.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

正则	待匹配字符	匹配结果	说明
[0123456789]	8	True	在一个字符组里枚举合法的所有字符,字符组里的任意一个字符和"待匹配字符"相同都视为可以匹配
[0123456789]	a	False	由于字符组中没有"a"字符,所以不能匹配
[0-9]	7	True	也可以用-表示范围,[0-9]就和[0123456789]是一个意思
[a-z]	s	True	同样的如果要匹配所有的小写字母,直接用[a-z]就可以表示了
[A-Z]	B	True	[A-Z]就表示所有的大写字母
[0-9a-fA-F]	e	True	可以匹配数字,大小写形式的a-f,用来验证十六进制字符

2.元字符

元字符	匹配内容
w	匹配字母或数字或下划线
s	匹配任意的空白符
d	匹配数字
	匹配一个换行符
	匹配一个制表符(TAB)
	匹配一个单词的结尾
^	匹配字符串的开始
$	匹配字符串的结尾
W	匹配非字母或数字或下划线
S	匹配非空白符
D	匹配非数字
a|b	匹配字符a或字符b
()	匹配括号内的表达式,也表示一个组
[...]	匹配字符组中的字符
[^...]	匹配除了字符组中字符的所有字符
.	匹配除换行符以外的任意字符

3.量词

量词	用法说明
*	重复零次或更多次
+	重复一次或更多次
?	重复零次或一次
{n}	重复n次
{n,}	重复n次或更多次
{n,m}	重复n到m次

　

.^$

正则	待匹配字符	匹配结果	说明
海.	海燕海角海东	海燕海角海东	匹配所有"海."的字符
^海	海燕海角海东	海燕	只从开头匹配"海."
海.$	海燕海角海东	海东	只匹配结尾的"海.$"

 　

　

*+?{}

正则	待匹配字符	匹配结果	说明
李.?	李安和李莲英和李大傻子	李安 李莲 李大	?表示重复零次或一次,即只匹配"李"后面一个任意字符
李.*	李安和李莲英和李大傻子	李安和李莲英和李大傻子	*表示重复零次或多次,即匹配"李"后面0或多个任意字符
李.+	李安和李莲英和李大傻子	李安和李莲英和李大傻子	+表示重复一次或多次,即只匹配"李"后面1一个或多个任意字符
李.{1,2}	李安和李莲英和李大傻子	李安和 李莲英 李大傻	{1,2}匹配1到2次任意字符

　　

　　　　注意:前面的*,+,?等都是贪婪匹配.也就是尽可能匹配,后面加?号使其变成惰性匹配

　　4.字符集 [] [^]

正则	待匹配字符	匹配结果	说明
李[杰莲英二棍子]*	李杰和李莲英和李二棍子	李杰 李莲英 李二棍子	表示匹配"李"字后面[杰莲英二棍子]的字符任意次
李[^和]*	李杰和李莲英和李二棍子	李杰 李莲英 李二棍子	表示匹配一个不是"和"的字符任意次
[d]	456bdha3	4 5 6 3	表示匹配任意一个数字,匹配到4个结果
[d]+	456bdha3	456 3	表示匹配任意个数字,匹配到2个结果

　　

　　　5.分组与或  |  [^]

 　　身份证号码是一个长度为15或18个字符的字符串，如果是15位则全部由数字组成，首位不能为0；如果是18位，则前17位全部是数字，末位可能是数字或x，下面我们尝试用正则来表示：

正则	待匹配字符	匹配结果	说明
^[1-9]d{13,16}[0-9x]$	110101198001017032	110101198001017032	表示可以匹配一个正确的身份证号
^[1-9]d{13,16}[0-9x]$	1101011980010170	110101198001017032	表示也可以匹配这串数字,但这并不是一个正确的 身份证号,他是一个16位的数字
^[1-9]d{14}(d{2}[0-9x])?$	1101011980010170	False	现在不会匹配错误的身份证号了()表示分组,将d{2}[0-9x]分成一组,就可以整体约束他们出现的次数为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]如果没有匹配上就匹配[1-9]d{14}

 　　

　6.转义符

　　　　在正则表达式中，有很多有特殊意义的是元字符，比如d和s等，如果要在正则中匹配正常的"d"而不是"数字"就需要对""进行转义，变成'\'。

　　　　在python中，无论是正则表达式，还是待匹配的内容，都是以字符串的形式出现的，在字符串中也有特殊的含义，本身还需要转义。所以如果匹配一次"d",字符串中要写成'\d'，那么正则里就要写成"\\d",这样就太麻烦了。这个时候我们就用到了r'd'这个概念，此时的正则是r'\d'就可以了。

正则	待匹配字符	匹配结果	说明
d	d	False	因为在正则表达式中是由特殊意义的字符,所以要匹配d本身,用表达式d无法匹配
\d	d	True	转义之后变成\,即可匹配
"\\d"	"\d"	True	如果python中,字符串中的""也需要转移,所以每一个字符串""又需转义一次
r"\d"	r"d"	True	在字符串之前加r,让整个字符串不转义

　7.贪婪匹配

　　贪婪匹配：在满足匹配时，匹配尽可能长的字符串，默认情况下，采用贪婪匹配

正则	待匹配字符	匹配结果	说明
<.*>	<script>...<script>	<script>...<script>	默认为贪婪匹配模式,会匹配尽量长的字符串
<.*?>	r"d"	<script> <script>	加上? 为将贪婪匹配模式转为非贪婪匹配模式,会匹配尽量短的字符串