正则表达式,又称规则表达式(Regular Expression),是使用单个字符串来描述、匹配某个句法规则的字符串,常被用来检索、替换那些符合某个模式(规则)的文本。
简单来说,正则表达式就是使用:字符串定义规则,并通过规则去验证字符串是否匹配。
比如,验证一个字符串是否是符合条件的电子邮箱地址,只需要配置好正则规则,即可匹配任意邮箱。
比如通过正则规则: (^[\w-]+(\.[\w-]+)*@[\w-]+(\.[\w-]+)+$) 即可匹配一个字符串是否是标准邮箱格式
但如果不使用正则,使用if else来对字符串做判断就非常困难了。
正则的三个基础方法
Python正则表达式,使用re模块,并基于re模块中三个基础方法来做正则匹配。
分别是:match、search、findall 三个基础方法
re.match(匹配规则, 被匹配字符串)
从被匹配字符串开头进行匹配, 匹配成功返回匹配对象(包含匹配的信息),匹配不成功返回空。
re.search(匹配规则, 被匹配字符串)
搜索整个字符串,找出匹配的。从前向后,找到第一个后,就停止,不会继续向后
整个字符串都找不到,返回None
re.findall(匹配规则, 被匹配字符串)
匹配整个字符串,找出全部匹配项
找不到返回空list: []
元字符匹配
正则最强大的功能在于元字符匹配规则。 单字符匹配:
|-----------|--------------------------------|
| 字符 | 功能 |
| . | 匹配任意1个字符 (除了\n),\. 匹配点本身 |
| [ ] | 匹配[ ]中列举的字符 |
| \d | 匹配数字,即0 - 9 |
| \D | 匹配非数字 |
| \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 |
[单字符匹配]
示例:
字符串 s = "itheima1 @@python2 !!666 ##itcast3"
- 找出全部数字: re.findall(r'\d', s)
字符串的r标记,表示当前字符串是原始字符串,即内部的转义字符无效而是普通字符
- 找出特殊字符:
re.findall(r'\W', s)
- 找出全部英文字母:
re.findall(r'[a-zA-Z]', s)
[]内可以写:[a-zA-Z0-9] 这三种范围组合或指定单个字符如
[aceDFG135]
|-----------|------------------------|
| 字符 | 功能 |
| * | 匹配前一个规则的字符出现0至无数次 |
| + | 匹配前一个规则的字符出现1至无数次 |
| ? | 匹配前一个规则的字符出现0次或无数次 |
| {m} | 匹配前一个规则的字符出现m次 |
| {m,} | 匹配前一个规则的字符出现最少m次 |
| {m,n} | 匹配前一个规则的字符出现m到n次 |
[数量匹配]
|---------|---------------|
| 字符 | 功能 |
| ^ | 匹配字符串开头 |
| $ | 匹配字符串结尾 |
| \b | 匹配一个单词的边界 |
| \B | 匹配非单词边界 |
[边界匹配]
|--------|------------------|
| 字符 | 功能 |
| | | 匹配左右任意一个表达式 |
| () | 在括号中字符作为一个分组 |
[分组匹配]
案例
- 匹配账号,只能由字母和数字组成,长度限制6到10位
规则为: ^[0-9a-zA-Z]{6, 10}$
- 匹配QQ号,要求纯数字,长度5-11,第一位不为0
规则为:^[1-9][0-9]{4, 10}&
[1-9]匹配第一位,[0-9]匹配后面4到10位
- 匹配邮箱地址,只允许qq、163、gmail这三种邮箱地址
规则为:^[\w-]+(\.[\w-]+)*@(qq|163|gmail)(\.[\w-]+)+&
- [\w-]+ 表示出现a-z A-Z 0-9 _ 和 - 字符最少一个,最多不限
- (\.[\w-]+)*,表示出现组合 . 和 a-z A-Z 0-9 _ -的组合最少0次,最多不限
用于匹配:abc.ced.efg@123.com中的ced.efg这部分
- @表示匹配@符号
- (qq|163|gmail)表示只匹配这3个邮箱提供商
- (\.[\w-]+)+表示a-z A-Z 0-9 _ -的组合最少1次,最多不限
用于匹配abc.ced.efg@123.com.cn中的.com.cn这种
最后使用+表示最少一次,即比如:.com
多了可以是:.com.cn.eu这样