python正则表达式

正则表达式

正则表达式，又称规则表达式。（英语：Regular Expression，在代码中常简写为regex、regexp或RE），计算机科学的一个概念。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。

作用

1.检测某个字符串是否符合规则.比如:判断手机号,身份证号是否合法
2.提取网页字符串中想要的数据.比如:爬虫中,提取网站天气,信息,股票代码,星座运势等具体关键字

在线测试工具

http://tool.chinaz.com/regex/

正则表达式包含的元素种类

正则表达式由一些 [普通字符] 和一些 [元字符] 组成:

　　(1)普通字符包括大小写字母和数字
　　(2)元字符具有特殊含义,大体种类分为如下:
　　　　1.预定义字符集,字符组
　　　　2.量词
　　　　3.边界符
　　　　4.分组

匹配单个字符 => [元字符] 预定义字符集

匹配多个字符 => [元字符] 量词符号

 

贪婪匹配:   默认向更多次数匹配  (底层用的是回溯算法)

非贪婪匹配: 默认向更少次数匹配 (量词的后面加?号)
　　(1)量词( * ? + {} )加上问号？表示非贪婪 惰性匹配
　　(2)例:.*?w 表示匹配任意长度任意字符遇到一个w就立即停止

匹配开头结尾 => [元字符] 边界符号

匹配分组 => [元字符] 分组符号

分组

 1.正常分组 （）
　　1) 正常情况下用()圆括号进行分组 可以用1 反向引用第一个圆括号匹配的内容。
　　2) (?:正则表达式) 表示取消优先显示的功能

 2.命名分组
　　3) (?P<组名>正则表达式) 给这个组起一个名字
　　4) (?P=组名) 引用之前组的名字,把该组名匹配到的内容放到当前位置

正则表达式修饰符

正则相关函数

findall 匹配字符串中相应内容,返回列表 [用法: findall("正则表达式","要匹配的字符串")]
search 通过正则匹配出第一个对象返回，通过group取出对象中的值
match 验证用户输入内容
split 切割
sub 替换
subn 替换
finditer 匹配字符串中相应内容,返回迭代器
compile 指定一个统一的匹配规则

 练习

字符组练习

>>> import re
>>> print(re.findall('a[abc]b','aab abb acb adb'))
['aab', 'abb', 'acb']
>>> print(re.findall('a[0123456789]b','a1b a2b a3b acb ayb'))
['a1b', 'a2b', 'a3b']
>>> print(re.findall('a[abcdefg]b','a1b a2b a3b acb ayb adb'))
['acb', 'adb']
>>> print(re.findall('a[ABCDEFG]b','a1b a2b a3b aAb aDb aYb'))
['aAb', 'aDb']
>>> print(re.findall('a[0-9a-zA-Z]b','a-b aab aAb aWb aqba1b'))
['aab', 'aAb', 'aWb', 'aqb', 'a1b']
>>> print(re.findall('a[0-9][#/]b','a1/b a2b a29b a56b a456b'))
['a1/b']
>>> print(re.findall('a[^-+/]b','a%b ccaabda&bd'))
['a%b', 'aab', 'a&b']

 量词练习

1) ? 匹配0个或者一个

>>> print(re.findall('a?b','abbzab abb aab'))
['ab', 'b', 'ab', 'ab', 'b', 'ab']

2) + 匹配一个或者多个

>>> print(re.findall('a+b','b ab aaaaaab abb'))
['ab', 'aaaaaab', 'ab']

3) * 匹配0个或者多个

>>> print(re.findall('a*b','b ab aaaaaab abbbbbbb'))
['b', 'ab', 'aaaaaab', 'ab', 'b', 'b', 'b', 'b', 'b', 'b']

4) {m,n} 匹配m个至n个

>>> print(re.findall('a{1,3}b','aaab ab aab abbb aaz aabb'))
['aaab', 'ab', 'aab', 'ab', 'aab']

贪婪匹配

>>> print(re.findall('a.*b','aab ab aaaaab a!!!@#$bz'))
['aab ab aaaaab a!!!@#$b']

 非贪婪匹配

>>> print(re.findall('a.*?b','aab ab aaaaab a!!!@#$bz'))
['aab', 'ab', 'aaaaab', 'a!!!@#$b']

 边界符练习

>>> strvar = "abacad"
>>> print(re.findall('a.',strvar))
['ab', 'ac', 'ad']
>>> print(re.findall('^a.',strvar))
['ab']
>>> print(re.findall('a.$',strvar))
['ad']
>>> print(re.findall('^a.$',strvar))
[]
>>> print(re.findall('^a.*?$',strvar))
['abacad']
>>> print(re.findall('^a.*?a$',strvar))
[]
>>> print(re.findall('^a.*?d$',strvar))
['abacad']

>>> print(re.findall('^g.*? ','giveme 1gfive gay'))
['giveme ']
>>> print(re.findall('five$','aassfive'))
['five']
>>> print(re.findall('^giveme$','giveme'))
['giveme']
>>> print(re.findall('^giveme$','giveme giveme'))
[]
>>> print(re.findall('giveme','giveme giveme'))
['giveme', 'giveme']
>>> print(re.findall('^g.*e','gimeme 1gfive gay'))
['gimeme 1gfive']

 分组练习（括号）

>>> print(re.findall('.*?_z','a_z b_z c_z'))
['a_z', ' b_z', ' c_z']
>>> print(re.findall('(.*?)_z','a_z b_z c_z'))
['a', ' b', ' c']
>>> print(re.findall('(?:.*?)_z','a_z b_z c_z'))
['a_z', ' b_z', ' c_z']

| 代表或 , a|b 匹配字符a 或者 匹配字符b . 把字符串长的写在前面,字符串短的写在后面

1. 整数或者小数：^[0-9]+([.][0-9]+){0,1}$

search函数

search函数只匹配到一个就返回，返回的是对象，可以让分组的内容和正常匹配的结果同时显示

group获取对象获取到的值

>>> obj = re.search('171[0-9]{8}|135d{8}','17188886666 13566668888')
>>> obj
<_sre.SRE_Match object; span=(0, 11), match='17188886666'>
>>> res = obj.group()
>>> res
'17188886666'

groups显示分组里所有内容

>>> obj = re.search('(www).(baidu|google).(com)','www.baidu.com wwww.google.com')
>>> obj
<_sre.SRE_Match object; span=(0, 13), match='www.baidu.com'>
>>> print(obj.group())
www.baidu.com
>>> print(obj.groups())
('www', 'baidu', 'com')