正则表达式

# 原创，转载请联系

1.匹配单个字符

字符	功能
.	匹配任意1个字符（除了 ）
[ ]	匹配[ ]中列举的字符。[ ]里面有^表示取反
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

------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

2.匹配多个字符

 

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,n}	匹配前一个字符出现从m到n次

------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

3.匹配开头结尾

字符	功能
^	匹配字符串开头（这个东西很少用到，因为默认匹配开头的）
$	匹配字符串结尾

------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

4.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

 这个就稍微有点难度了。

(1) | ，表示匹配任意一个表达式。

示例： 请写出能同时验证163或者126合法邮箱的正则表达式
匹配规则:每个邮箱必须有@符号，且@符号之前需有4到20位单词字符)

import re
web_list = ["chichungceng@163.com","237320770@qq.com",
            "hfdsj@126.com.cn","hh#djsa@126.com","shdABC@126.com"]

for web in web_list:
    ret = re.match("w{4,20}@163.com$|w{4,20}@126.com$",web)
    if ret:
        print(ret.group())

输出：
chichungceng@163.com
shdABC@126.com

(2) (ab) ，将括号内的字符作为一个分组

上面的例子，都是匹配邮箱地址，只是一个是163，一个是126。正则表达式的重复部分特别多，这时候就需要用到分组了。看下示例。

示例： 请写出能同时验证163或者126或者qq合法邮箱的正则表达式
匹配规则:每个邮箱必须有@符号，且@符号之前需有4到20位单词字符)

import re

web_list = ["chichungceng@163.com","237320770@qq.com",
            "hfdsj@126.com.cn","hh#djsa@126.com","shdABC@126.com"]

for web in web_list:
    ret = re.match("w{4,20}@(163|126).com$",web)
    if ret:
        print(ret.group())

输出：
chichungceng@163.com
shdABC@126.com

当我们想拿出来邮箱的前缀163或者126的时候呢？应该怎么办呢？

答案是：ret.group(1)

为什么是1呢？

因为匹配一整个正则表达式就是0，所以ret.group(0)实际上相当于ret.group()。然后从左到右，每个分组依次是1,2......

(3) um ，引用分组num匹配到的字符串

引用的作用就是避免重复编写已经编写过的正则表达式规则，可以更加省时省力。

经常应用到网页代码的筛选中。因为网页的代码通常都是对称的，因此可以用前面编写过的正则表达式规则。

 

import re

ret1 = re.match("<(w+)>.*</\1>","<h1>jdksaljd_HJS545</h1>")

"""如果前面有r，代表原生字符串。后面的1就不需要转义了。
1要转义是因为他本来的输出不是我们所见到的1，而是其他东西。
有兴趣可以尝试输出一下。
所以如果开头不加r，1是需要转义的"""
ret2 = re.match(r"<(w+)>.*</1>","<h1>jdksaljd_HJS545</h1>")
print(ret1.group())
print(ret2.group())

输出：
<h1>jdksaljd_HJS545</h1>
<h1>jdksaljd_HJS545</h1>

(4) (?P<name>) ，起别名。(?P=name) ，引用别名

import re

ret2 = re.match(r"<(?P<p1>w+)>.*</(?P=p1)>","<h1>jdksaljd_HJS545</h1>")

print(ret2.group())

输出：
<h1>jdksaljd_HJS545</h1>

如果组太多了，很难数的时候，可以给组起别名，下面引用就可以用组的内容了。

------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

5.re模块的常用函数

(1)match

从头到尾的匹配，上面例子太多了，所以这里就不说了。

(2)search

在目标字符串里寻找符合正则表达式的内容。

import re

ret = re.search("d+","我的期末考试是111分。")
print(ret.group())

输出：
111

d+为什么不是匹配出1,11，而是111呢？

其实这是正则表达式的贪婪原则。

能匹配多点就匹配多点。

(3)findall

在目标字符串里寻找符合正则表达式的全部内容，并且返回一个列表。

import re

ret = re.findall("d+","我的语文98分，数学100分，英语60分")
print(ret)

输出：
['98', '100', '60']

(4)sub

将匹配到的数据进行替换

import re

ret = re.sub("d+","60","天啊，我的英语100分，语文100分")
print(ret)

输出：
天啊，我的英语60分，语文60分

这也是贪婪原则。

(5)split ：按规则分离字符串，返回的是分离后的列表

import re

ret = re.split(",|:","天啊，我的英语100分:语文100分")
print(ret)

输出：
['天啊，我的英语100分', '语文100分']

--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

6.解决正则表达式的贪婪问题

(1)针对单个数据

在"*","?","+","{m,n}"后面加上？，使贪婪变成非贪婪。

import re

ret1 = re.search("d+?","我的学号是123")
ret2 = re.search("d+","我的学号是123")

print(ret1.group())
print(ret2.group())

输出：
1
123

(2)针对多个数据

这时候就需要用到函数了。

import re

def add(a):
   num = int(a.group())
   num += 1
   return str(num)

content = "文章阅读数为500，点赞数为50"
ret = re.sub("d+",add,content)
print(ret)

输出：
文章阅读数为501，点赞数为51

这里需要注意一下！