正则表达式

概述

为什么要学习正则表达式

在实际开发过程中经常会有查找符合某些规则的字符串。

比如：邮箱、图片地址、手机号码等，想要匹配或者查找某些规则的字符串就可以使用正则表达式了。

正则表达式是什么

正则表达式（regular expression）描述了一种字符串匹配的模式，比如：

检索一个串是否含有某种子串（检索）
匹配的子串做替换（替换）
从一个串中取出符合某个条件的子串（提取）

**模式：**一种特定的字符串模式，这个模式是通过一些特殊的符号组成的。
正则表达式并不是Python特有的，在Java、PHP以及JavaScript等语言中都是支持正则表达式的。

正则表达式有哪些功能

功能

数据验证（表单验证，比如：手机号、邮箱、IP地址等）
数据检索（数据检索、数据抓取）=> 爬虫功能
数据隐藏（135****6235 号码隐藏）
数据过滤（论坛敏感词过滤）
...

re模块

re模块使用三步走

在python中需要通过正则表达式对字符串进行匹配时，可以使用re模块

复制代码

	 # 第一步：导入re模块
	 import re
	 # 第二步：使用match方法进行匹配操作
	 result = re.match(pattern正则表达式，string要匹配的字符串，flags=0)
	 # flags：可选，表示匹配模式，比如忽略大小写，多行模式等
	 # 第三步：如果数据匹配成功，使用group方法来提取数据
	 result.group()

正则表达式常用的函数：

用来做校验的，替换的函数

match() -》从左到右，逐个字符的匹配，不会跳过某个字符，即：全词匹配

search() -》从左到右，依次匹配，即：只要某部分满足条件即可

compile().sub() -》替换

用来获取数据值的函数

group() -》获取匹配到的第一个数据

正则表达式编写

匹配单个字符

表达式	功能
.	匹配任意1个字符（除了\n）
[]	匹配[]中列举的字符
[^指定字符]	匹配除了指定字符以外的所有字符
\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	匹配非特殊字符，即a-z、A-Z、0-9、_、汉字
\W	匹配特殊字符，即非字母、非数字、非汉字

python 复制代码

import re

# 正则表达式匹配字符
print("正则表达式匹配字符")
result = re.match(r'.it', 'ait')  # 能匹配，返回的是正则对象
print(result)  # 输出匹配结果
print("正则表达式匹配字符2")
result3 = re.match(r'.it', 'aitb')  # 能匹配，返回的是正则对象
print(result3)  # 输出匹配结果

# 校验字符串是否包含ait，bit，cit，hit，git
print("\n校验字符串是否包含ait，bit，cit，hit，git")
result4 = re.match(r'[abchg]it', 'git')
print(result4)  # 输出匹配结果

# 校验字符串第一个字符，可以是除了a,b,c外任意一个字符，后两个字符必须是hm
print("\n校验字符串第一个字符，可以是除了a,b,c外任意一个字符，后两个字符必须是hm")
result5 = re.match(r'[^abc]hm', ' dhm')
print(result5)  # 输出匹配结果

# 匹配数字（\d）
print("\n匹配数字（\\d）")
result6 = re.match(r'\d', '1abc')
print(result6)  # 输出匹配结果

# 匹配非数字（\D）
print("\n匹配非数字（\\D）")
result7 = re.match(r'\D', 'a123')
print(result7)  # 输出匹配结果

# 匹配空白（\s）
print("\n匹配空白（\\s）")
result8 = re.match(r'\s', ' abc')
print(result8)  # 输出匹配结果

# 匹配非空白（\S）
print("\n匹配非空白（\\S）")
result9 = re.match(r'\S', 'abc ')
print(result9)  # 输出匹配结果

# 匹配非特殊字符（\w）
print("\n匹配非特殊字符（\\w）")
result10 = re.match(r'\w', 'a_1')
print(result10)  # 输出匹配结果

# 匹配特殊字符（\W）
print("\n匹配特殊字符（\\W）")
result11 = re.match(r'\W', '@a_1')
print(result11)  # 输出匹配结果

匹配多个字符

表达式	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

python 复制代码

import re
#  *：匹配前一个字符出现0次或者无限次，即可有可无
print("\n*：匹配前一个字符出现0次或者无限次，即可有可无")
result_star = re.match(r'a*', 'aaa')  # 匹配 'a' 出现0次或多次
print(result_star)  # 输出匹配结果
# +：匹配前一个字符出现1次或者无限次，即至少有1次
print("\n+：匹配前一个字符出现1次或者无限次，即至少有1次")
result_plus = re.match(r'a+', 'aaa')  # 匹配 'a' 出现1次或多次
print(result_plus)  # 输出匹配结果
# ?：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
print("\n?：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")
result_question = re.match(r'a?', 'a')  # 匹配 'a' 出现0次或1次
print(result_question)  # 输出匹配结果
result_question_none = re.match(r'a?', 'b')  # 匹配 'a' 出现0次或1次
print(result_question_none)  # 输出匹配结果
# {m}：匹配前一个字符出现m次
print("\n{m}：匹配前一个字符出现m次")
result_exact = re.match(r'a{3}', 'aaa')  # 匹配 'a' 出现3次
print(result_exact)  # 输出匹配结果
# {m,n}：匹配前一个字符出现m到n次
print("\n{m,n}：匹配前一个字符出现从m到n次")
result_range = re.match(r'a{2,4}', 'aaaa')  # 匹配 'a' 出现2到4次
print(result_range)  # 输出匹配结果

匹配开头和结尾

表达式	功能
^	匹配字符串开头
$	匹配字符串结尾

python 复制代码

# ^：匹配字符串开头
print("\n^：匹配字符串开头")
result_start = re.match(r'^a', 'abc')  # 匹配字符串以 'a' 开头
print(result_start)  # 输出匹配结果
# $：匹配字符串结尾
print("\n$：匹配字符串结尾")
result_end = re.match(r'b$', 'ab')  # 匹配字符串以 'b' 结尾
print(result_end)  # 输出匹配结果

提取分组数据

表达式	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
\num	引用分组num匹配到的字符串

python 复制代码

import re

print("\n|：匹配左右任意一个表达式")
result_or = re.match(r'a|b', 'a')  # 匹配 'a' 或 'b'
print(result_or)  # 输出匹配结果

print("\n(ab)：将括号中字符作为一个分组")
result_group = re.match(r'(ab)', 'ab')  # 将 'ab' 作为一个分组
print(result_group.group(0))  # 输出匹配结果

print("\n\\num：引用分组num匹配到的字符串")
result_ref = re.match(r'(ab)\1', 'abab')  # 引用分组1匹配到的字符串
print(result_ref)  # 输出匹配结果

扩展补充

#####正则的三种匹配方式

match匹配方式
语法格式：re.match(pattern, string, flags)
参数：
pattern：匹配的正则表达式
string：要匹配的字符串
flags：标志位(暂时忽略)
功能：尝试从字符串起始位置匹配一个正则表达式
1）如果不能从起始位置匹配成功，则返回None；
2）如果能从起始位置匹配成功，则返回一个匹配的对象
search匹配方式
语法格式：re.search(pattern, string, flags)
参数：
pattern：匹配的正则表达式
string：要匹配的字符串
flags：标志位(暂时忽略)
功能：根据正则表达式扫描整个字符串，并返回第一个成功的匹配
1）如果不能匹配成功，则返回None；
2）如果能匹配成功，则返回一个匹配对象
3.findall匹配方式
语法格式：re.findall(pattern, string, flags)
参数：
pattern：匹配的正则表达式
string：要匹配的字符串
flags：标志位(暂时忽略，后面会介绍)
功能：根据正则表达式扫描整个字符串，并返回所有能成功匹配的子串
1）如果不能匹配成功，则返回一个空列表；
2）如果能匹配成功，则返回包含所有匹配子串的列表

贪婪模式和非贪婪模式

贪婪模式

在整个表达式匹配成功的前提下，尽可能多的匹配

非贪婪模式

在整个表达式匹配成功的前提下，尽可能少的匹配

正则中的量词：和+，默认都是贪婪模式的匹配，可以在他们后面加?将其变为非贪婪模式。
常用贪婪模式如: .

常用非贪婪模式如: .*?

正则标志修饰符

正则表达式可以包含一些可选标志修饰符来控制匹配的模式

修饰符被指定为一个可选的标志,多个标志可以通过按位 OR(|) 它们来指定。

修饰符描述

re.I 匹配时不区分大小写

re.S 使 . 匹配包括换行符\n在内的所有字符