#事先说一下
- re模块本身是用来操作正则表达式,与正则本身没有关系
- 正则表达式是指一规则,匹配字符串的规则
1.正则表达式regex
- 正则表达式regex是指一规则,匹配字符串的规则,应用:
- 匹配字符串
- 表单验证
- 爬虫:从网页源码获取一些链接,重要数据
- 元字符
- 量词
1.规则
1.1 基本匹配: 本身是哪一个字符,就匹配字符换中的哪一个字符
1.2 字符组匹配[字符1字符2]规则: 一个字符组就匹配一个字符,只要这个字符出现在字符组内就会被匹配到
- 字符组可以使用范围,所有的范围必须遵循ascii码从小到大来指定
- 常用字符组范围[0-9]/[a-z]/[A-Z]/[a-zA-Z0-9]
1.3 [0-9]==d 所有的数字
1.4 d 与 [0-9] 与 [d]无区别
2.元字符
- []字符组 只要在中括号之内的所有字符都符合匹配规则
- [^]非字符组 只要在中括号之内的所有字符都不符合匹配规则
- d 数字(digit)
- w 标识符(word)表示大小写字母,数字,下划线
- s 空格(space),表示空格,换行符,table制表符
- (table) 仅仅制表符
- (next) 仅仅换行符
- D 匹配非数字
- w 匹配非大小写字母,数字,下划线
- S 匹配非空格,换行符,table
- . 表示除了换行符的任意内容
- 取消转义, .表示只匹配 .
- [dD] 匹配任意字符
- 表示一个字符的开始:s表示只匹配开头的s
- $表示一个字符的结束:$e表示只匹配结束的e
- ^abc$ 同时出现字符串只能是abc
- | 表示或,注意如果两个规则有重叠部分,总是长的在前面,短的在后面
- (|)括号限制|的作用域, 例 :www.(baidu|google).com,只会作用域括号内
#帮助记忆#
d w s (table)
(next)
D W S
.
[] [^]
^ $
| ()
3.量词
-
d{n} 数字n表示该原字符执行次数,且只能匹配这么多次
-
d{n,}数字n表示该原字符至少出现n次
-
d{n,m}数字n表示该原字符至少出现n次,至多出现m次
-
d? ?表示匹配0次或者1次 ,比如小数点
-
d+ +表示匹配1次或多次
-
d * *表示匹配0次或多次 ,比如匹配整数或者小数
-
匹配小数
d+(.d+)? #例: 12.3432
3.1 默认贪婪匹配 ,总是在符合匹配规则的范围内尽可能多的匹配
3.2 非贪婪匹配,(惰性匹配):总是在符合匹配规则的范围内尽可能少的匹配
-
元字符 量词 ? x
表示按照元字符规则在量词范围内匹配,一旦遇到x就停止
- .*?x 匹配任意字符,碰见x立即停止.
-
? 出现在量词之后表示非贪婪匹配
身份证小练习
# 身份证号
# 15位 全数字 首位不为0
# 18位 前17位全数字 首位不为0 最后一位可能是x和数字
[1-9](d{14}|d{16}(d|x))
[1-9](d{16}[dx]|d{14})
[1-9]d{14}(d{2}[dx])?