Python正则表达式

正则表达式

概述

　　正则表达式，又称正规表示式、正规表示法、正规表达式、规则表达式、常规表示法（英语：Regular Expression，在代码中常简写为regex、regexp或RE），是计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。在很多文本编辑器里，正则表达式通常被用来检索、替换那些匹配某个模式的文本。

　　　Regular Expression的“Regular”一般被译为“正则”、“正规”、“常规”。此处的“Regular”即是“规则”、“规律”的意思，Regular Expression即“描述某种规则的表达式”之意。

re模块操作

　　在Python中需要通过正则表达式对字符串进行匹配的时候，可以使用一个模块，名字为re

re模块的使用过程

#coding=utf-8

# 导入re模块
import re

# 使用match方法进行匹配操作
result = re.match(正则表达式,要匹配的字符串)

# 如果上一步匹配到数据的话，可以使用group方法来提取数据
result.group()

　　re.match是用来进行正则匹配检查的方法，若字符串匹配正则表达式，则match方法返回匹配对象（Match Object），否则返回None（注意不是空字符串""）。

　　匹配对象Macth Object具有group方法，用来返回字符串的匹配部分。

re模块示例(匹配以itcast开头的语句)

#coding=utf-8

import re

result = re.match("itcast","itcast.cn")

result.group()

运行结果为：

itcast

说明

• re.match() 能够匹配出以xxx开头的字符串

正则表达式的规则

表示字符

　　上节讲了通过re模块能够完成使用正则表达式来匹配字符串

　　本节讲解正则表达式的单字符匹配

字符	功能
.	匹配任意1个字符（除了 ）
[ ]	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

示例1： .

#coding=utf-8

import re

ret = re.match(".","a")
ret.group()

ret = re.match(".","b")
ret.group()

ret = re.match(".","M")
ret.group()

运行结果：

In [1]: import re

In [2]: ret = re.match('.','a')

In [3]: ret.group()
Out[3]: 'a'

In [4]: ret = re.match('.','b')

In [5]: ret.group()
Out[5]: 'b'

示例2：[ ]

>>> import re
>>> # 如果hello的首字符小写，那么正则表达式需要小写的h
>>> ret = re.match("h","hello Python")
>>> ret.group()
'h'
>>>   # 如果hello的首字符大写，那么正则表达式需要大写的H
>>> ret = re.match("H","Hello Python")
>>> ret.group()
'H'
>>> # 大小写h都可以的情况
>>> ret = re.match("[hH]","hello Python")
>>> ret.group()
'h'
>>> ret = re.match("[hH]","Hello Python")
>>> ret.group() 
'H'
>>> #匹配0到9
>>> ret = re.match("[0123456789]","7Hello Python")
>>> ret.group()
'7'
>>> ret = re.match("[0-9]","7Hello Python")
>>> ret.group()
'7'

示例3：d

    #coding=utf-8

>>> import re

>>>  # 普通的匹配方式
>>> ret = re.match("嫦娥1号","嫦娥1号发射成功")
>>> ret.group()
'嫦娥1号' 

>>> ret = re.match("嫦娥2号","嫦娥2号发射成功")
>>> ret.group()
'嫦娥2号'


>>> # 使用d进行匹配
>>> ret = re.match("嫦娥d号","嫦娥1号发射成功")
>>> ret.group()
'嫦娥1号'

>>> ret = re.match("嫦娥d号","嫦娥2号发射成功")
>>> ret.group()
'嫦娥2号'

说明：其他几个个匹配符和上面的类似就不举例了。

表示数量

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,}	匹配前一个字符至少出现m次
{m,n}	匹配前一个字符出现从m到n次

示例1：*

　　需求：匹配出，一个字符串第一个字母为大小字符，后面都是小写字母并且这些小写字母可有可无

#coding=utf-8
>>> import re

>>> ret = re.match("[A-Z][a-z]*","Mm")
>>> ret.group()
'Mm'

>>> ret = re.match("[A-Z][a-z]*","Aabcdef")
>>> ret.group()
'Aabcdef'
>>> 

示例2：+

　　需求：匹配出，变量名是否有效

#coding=utf-8
>>>import re

>>> ret = re.match("[a-zA-Z_]+[w_]*","name1")
>>> ret.group()
'name1'

>>> ret = re.match("[a-zA-Z_]+[w_]*","_name")
>>> ret.group()
'_name'

>>> ret = re.match("[a-zA-Z_]+[w_]*","2_name")
>>> ret.group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'

示例3：?

需求：匹配出，0到99之间的数字

#coding=utf-8

>>> ret = re.match("[1-9]?[0-9]","7")
>>> ret.group()
'7'
>>> ret = re.match("[1-9]?[0-9]","33")
>>> ret.group()
'33'

>>> ret = re.match("[1-9]?[0-9]","09")
>>> ret.group()
'0'

示例4：{m}

需求：匹配出，8到20位的密码，可以是大小写英文字母、数字、下划线

#coding=utf-8

>>> ret = re.match("[a-zA-Z0-9_]{6}","12a3g45678")
>>> ret.group()
'12a3g4'

>>> ret = re.match("[a-zA-Z0-9_]{8,20}","1ad12f23s34455ff66")
>>> ret.group()
'1ad12f23s34455ff66'
>>> 

表示边界

字符	功能
^	匹配字符串开头
$	匹配字符串结尾
	匹配一个单词的边界
B	匹配非单词边界

示例1：$

　　需求：匹配163.com的邮箱地址

#coding=utf-8

import re

# 正确的地址
>>> ret = re.match("[w]{4,20}@163.com", "xiaoWang@163.com")
>>> ret.group()
'xiaoWang@163.com'

# 不正确的地址
>>> ret = re.match("[w]{4,20}@163.com", "xiaoWang@163.comheihei")
>>> ret.group()
'xiaoWang@163.com'

# 通过$来确定末尾
>>> ret = re.match("[w]{4,20}@163.com$", "xiaoWang@163.comheihei")
>>> ret.group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'

示例2: 

>>> re.match(r".*ver", "ho ver abc").group()
'ho ver'

>>> re.match(r".*ver", "ho verabc").group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'

>>> re.match(r".*ver", "hover abc").group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'
>>>

示例3：B

>>> re.match(r".*BverB", "hoverabc").group()
'hover'

>>> re.match(r".*BverB", "ho verabc").group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'

>>> re.match(r".*BverB", "hover abc").group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'

>>> re.match(r".*BverB", "ho ver abc").group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'

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
um	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

示例1：|

　　需求：匹配出0-100之间的数字

#coding=utf-8

# 添加|
>>> ret = re.match("[1-9]?d$|100","8")
>>> ret.group()
'8'

>>> ret = re.match("[1-9]?d$|100","78")
>>> ret.group()
'78'

>>> ret = re.match("[1-9]?d$|100","08")
>>> ret.group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'

>>> ret = re.match("[1-9]?d$|100","100")
>>> ret.group()
'100'

示例2：( )

　　需求：匹配出163、126、qq邮箱之间的数字

#coding=utf-8

>>> ret = re.match("w{4,20}@163.com", "test@163.com")
>>> ret.group()
'test@163.com'

>>> ret = re.match("w{4,20}@(163|126|qq).com", "test@126.com")
>>> ret.group()
'test@126.com'

>>> ret = re.match("w{4,20}@(163|126|qq).com", "test@qq.com")
>>> ret.group()
'test@qq.com'

>>> ret = re.match("w{4,20}@(163|126|qq).com", "test@gmail.com")
>>> ret.group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'

示例3：　

​ 需求：匹配出<html>hh</html>

#coding=utf-8


# 能够完成对正确的字符串的匹配
>>> ret = re.match("<[a-zA-Z]*>w*</[a-zA-Z]*>", "<html>hh</html>")
>>> ret.group()
'<html>hh</html>'

# 如果遇到非正常的html格式字符串，匹配出错
>>> ret = re.match("<[a-zA-Z]*>w*</[a-zA-Z]*>", "<html>hh</htmlbalabala>")
>>> ret.group()
'<html>hh</htmlbalabala>'

# 正确的理解思路：如果在第一对<>中是什么，按理说在后面的那对<>中就应该是什么

# 通过引用分组中匹配到的数据即可，但是要注意是元字符串，即类似 r""这种格式
>>> ret = re.match(r"<([a-zA-Z]*)>w*</1>", "<html>hh</html>")
>>> ret.group()
'<html>hh</html>'

# 因为2对<>中的数据不一致，所以没有匹配出来
>>> ret = re.match(r"<([a-zA-Z]*)>w*</1>", "<html>hh</htmlbalabala>")
>>> ret.group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'

示例4： umber

​ 需求：匹配出<html><h1>www.itcast.cn</h1></html>

#coding=utf-8

>>> ret = re.match(r"<(w*)><(w*)>.*</2></1>", "<html><h1>www.itcast.cn</h1></html>")
>>> ret.group()
'<html><h1>www.itcast.cn</h1></html>'

>>> ret = re.match(r"<(w*)><(w*)>.*</2></1>", "<html><h1>www.itcast.cn</h2></html>")
>>> ret.group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'

示例5：(?P<name>) (?P=name)

​ 需求：匹配出<html><h1>www.itcast.cn</h1></html>

#coding=utf-8

>>> ret = re.match(r"<(?P<name1>w*)><(?P<name2>w*)>.*</(?P=name2)></(?P=name1)>", "<html><h1>www.itcast.cn</h1></html>")
>>> ret.group()
'<html><h1>www.itcast.cn</h1></html>'

>>> ret = re.match(r"<(?P<name1>w*)><(?P<name2>w*)>.*</(?P=name2)></(?P=name1)>", "<html><h1>www.itcast.cn</h2></html>")
>>> ret.group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'

​ 注意：(?P<name>)和(?P=name)中的字母p大写

​ python中的正则表达式基础就这些，下节就能难点了，属于高级篇了。