re模塊

?

講正題之前我們先來看一個例子：https://reg.jd.com/reg/person?ReturnUrl=https%3A//www.jd.com/

?

這是京東的注冊頁面，打開頁面我們就看到這些要求輸入個人信息的提示。
假如我們隨意的在手機號碼這一欄輸入一個11111111111，它會提示我們格式有誤。
這個功能是怎么實現(xiàn)的呢？
假如現(xiàn)在你用python寫一段代碼，類似：

phone_number = input('please input your phone number ： ')

你怎么判斷這個phone_number是合法的呢？

根據(jù)手機號碼一共11位并且是只以13、14、15、18開頭的數(shù)字這些特點，我們用python寫了如下代碼： while True:phone_number = input('please input your phone number ： ')if len(phone_number) == 11 \and phone_number.isdigit()\and (phone_number.startswith('13') \or phone_number.startswith('14') \or phone_number.startswith('15') \or phone_number.startswith('18')):print('是合法的手機號碼')else:print('不是合法的手機號碼')判斷手機號碼是否合法1 判斷手機號碼是否合法1 這是你的寫法，現(xiàn)在我要展示一下我的寫法： import re phone_number = input('please input your phone number ： ') if re.match('^(13|14|15|18)[0-9]{9}$',phone_number):print('是合法的手機號碼') else:print('不是合法的手機號碼') 判斷手機號碼是否合法2

對比上面的兩種寫法，此時此刻，我要問你你喜歡哪種方法呀？你肯定還是會說第一種，為什么呢？因為第一種不用學(xué)呀！
但是如果現(xiàn)在有一個文件，我讓你從整個文件里匹配出所有的手機號碼。你用python給我寫個試試？
但是學(xué)了今天的技能之后，分分鐘幫你搞定！

今天我們要學(xué)習(xí)python里的re模塊和正則表達式，學(xué)會了這個就可以幫我們解決剛剛的疑問。正則表達式不僅在python領(lǐng)域，在整個編程屆都占有舉足輕重的地位。

不管以后你是不是去做python開發(fā)，只要你是一個程序員就應(yīng)該了解正則表達式的基本使用。如果未來你要在爬蟲領(lǐng)域發(fā)展，你就更應(yīng)該好好學(xué)習(xí)這方面的知識。 但是你要知道，re模塊本質(zhì)上和正則表達式?jīng)]有一毛錢的關(guān)系。re模塊和正則表達式的關(guān)系 類似于 time模塊和時間的關(guān)系 你沒有學(xué)習(xí)python之前，也不知道有一個time模塊，但是你已經(jīng)認識時間了 12:30就表示中午十二點半（這個時間可好，一般這會兒就該下課了）。 時間有自己的格式，年月日時分秒，12個月，365天......已經(jīng)成為了一種規(guī)則。你也早就牢記于心了。time模塊只不過是python提供給我們的可以方便我們操作時間的一個工具而已正則表達式和re模塊 正則表達式和re模塊

正則表達式本身也和python沒有什么關(guān)系，就是匹配字符串內(nèi)容的一種規(guī)則。

官方定義：正則表達式是對字符串操作的一種邏輯公式，就是用事先定義好的一些特定字符、及這些特定字符的組合，組成一個“規(guī)則字符串”，這個“規(guī)則字符串”用來表達對字符串的一種過濾邏輯。

?

正則表達式

在線測試工具?http://tool.chinaz.com/regex/

首先你要知道的是，談到正則，就只和字符串相關(guān)了。在我給你提供的工具中，你輸入的每一個字都是一個字符串。
其次，如果在一個位置的一個值，不會出現(xiàn)什么變化，那么是不需要規(guī)則的。
　　比如你要用"1"去匹配"1"，或者用"2"去匹配"2"，直接就可以匹配上。這連python的字符串操作都可以輕松做到。
那么在之后我們更多要考慮的是在同一個位置上可以出現(xiàn)的字符的范圍。 字符組 ： [字符組] 在同一個位置可能出現(xiàn)的各種字符組成了一個字符組，在正則表達式中用[]表示 字符分為很多類，比如數(shù)字、字母、標點等等。 假如你現(xiàn)在要求一個位置"只能出現(xiàn)一個數(shù)字",那么這個位置上的字符只能是0、1、2...9這10個數(shù)之一。 字符組

正則	待匹配字符	匹配 結(jié)果	說明
[0123456789]	8	True	在一個字符組里枚舉合法的所有字符，字符組里的任意一個字符 和"待匹配字符"相同都視為可以匹配
[0123456789]	a	False	由于字符組中沒有"a"字符，所以不能匹配
? [0-9]	? 7	True	也可以用-表示范圍,[0-9]就和[0123456789]是一個意思
? [a-z]	? s	? True	? 同樣的如果要匹配所有的小寫字母，直接用[a-z]就可以表示
? [A-Z]	? B	? True	? [A-Z]就表示所有的大寫字母
? [0-9a-fA-F]	? e	? True	? 可以匹配數(shù)字，大小寫形式的a～f，用來驗證十六進制字符

?

?字符：

元字符	? 匹配內(nèi)容
.?	匹配除換行符以外的任意字符
\w	匹配字母或數(shù)字或下劃線
\s	匹配任意的空白符
\d	匹配數(shù)字
\n	匹配一個換行符
\t	匹配一個制表符
\b	匹配一個單詞的結(jié)尾
^	匹配字符串的開始
$	匹配字符串的結(jié)尾
\W	匹配非字母或數(shù)字或下劃線
\D	匹配非數(shù)字
\S	匹配非空白符
a|b	匹配字符a或字符b
()	匹配括號內(nèi)的表達式，也表示一個組
[...]	匹配字符組中的字符
[^...]	匹配除了字符組中字符的所有字符

?

量詞：

量詞	用法說明
*	重復(fù)零次或更多次
+	重復(fù)一次或更多次
?	重復(fù)零次或一次
{n}	重復(fù)n次
{n,}	重復(fù)n次或更多次
{n,m}	重復(fù)n到m次

　　

?

. ^ $

正則	待匹配字符	匹配 結(jié)果	說明
海.	海燕海嬌海東	海燕海嬌海東	? 匹配所有"海."的字符
^海.	海燕海嬌海東	海燕	只從開頭匹配"海."
? 海.$	? 海燕海嬌海東	海東	只匹配結(jié)尾的"海.$"

?

* + ? { }

正則	待匹配字符	匹配 結(jié)果	說明
李.?	李杰和李蓮英和李二棍子	李杰 李蓮 李二	? ?表示重復(fù)零次或一次，即只匹配"李"后面一個任意字符 ?
李.*	李杰和李蓮英和李二棍子	李杰和李蓮英和李二棍子	*表示重復(fù)零次或多次，即匹配"李"后面0或多個任意字符
李.+	李杰和李蓮英和李二棍子	李杰和李蓮英和李二棍子	+表示重復(fù)一次或多次，即只匹配"李"后面1個或多個任意字符
李.{1,2}	李杰和李蓮英和李二棍子	李杰和 李蓮英 李二棍	{1,2}匹配1到2次任意字符

?注意：前面的*,+,?等都是貪婪匹配，也就是盡可能匹配，后面加?號使其變成惰性匹配

正則	待匹配字符	匹配 結(jié)果	說明
李.*?	李杰和李蓮英和李二棍子	李 李 李	惰性匹配

?

字符集［］［^］

正則	待匹配字符	匹配 結(jié)果	說明
李[杰蓮英二棍子]*	李杰和李蓮英和李二棍子	李杰 李蓮英 李二棍子	? 表示匹配"李"字后面[杰蓮英二棍子]的字符任意次 ?
李[^和]*	李杰和李蓮英和李二棍子	李杰 李蓮英 李二棍子	表示匹配一個不是"和"的字符任意次
[\d]	456bdha3	4 5 6 3	表示匹配任意一個數(shù)字，匹配到4個結(jié)果
[\d]+	456bdha3	456 3	表示匹配任意個數(shù)字，匹配到2個結(jié)果

?

分組 ()與 或 ｜［^］

?身份證號碼是一個長度為15或18個字符的字符串，如果是15位則全部??數(shù)字組成，首位不能為0；如果是18位，則前17位全部是數(shù)字，末位可能是數(shù)字或x，下面我們嘗試用正則來表示：

正則	待匹配字符	匹配 結(jié)果	說明
^[1-9]\d{13,16}[0-9x]$	110101198001017032	110101198001017032	? ?表示可以匹配一個正確的身份證號
^[1-9]\d{13,16}[0-9x]$	1101011980010170	1101011980010170	表示也可以匹配這串數(shù)字，但這并不是一個正確的身份證號碼，它是一個16位的數(shù)字
^[1-9]\d{14}(\d{2}[0-9x])?$	1101011980010170	False	現(xiàn)在不會匹配錯誤的身份證號了 ()表示分組，將\d{2}[0-9x]分成一組，就可以整體約束他們出現(xiàn)的次數(shù)為0-1次
^([1-9]\d{16}[0-9x]|[1-9]\d{14})$	110105199812067023	110105199812067023	表示先匹配[1-9]\d{16}[0-9x]如果沒有匹配上就匹配[1-9]\d{14}

?

轉(zhuǎn)義符 \

在正則表達式中，有很多有特殊意義的是元字符，比如\d和\s等，如果要在正則中匹配正常的"\d"而不是"數(shù)字"就需要對"\"進行轉(zhuǎn)義，變成'\\'。

在python中，無論是正則表達式，還是待匹配的內(nèi)容，都是以字符串的形式出現(xiàn)的，在字符串中\(zhòng)也有特殊的含義，本身還需要轉(zhuǎn)義。所以如果匹配一次"\d",字符串中要寫成'\\d'，那么正則里就要寫成"\\\\d",這樣就太麻煩了。這個時候我們就用到了r'\d'這個概念，此時的正則是r'\\d'就可以了。

正則	待匹配字符	匹配 結(jié)果	說明
\d	\d	?False	因為在正則表達式中\(zhòng)是有特殊意義的字符，所以要匹配\d本身，用表達式\d無法匹配
\\d	\d	?True	轉(zhuǎn)義\之后變成\\，即可匹配
"\\\\d"	'\\d'	?True	如果在python中，字符串中的'\'也需要轉(zhuǎn)義，所以每一個字符串'\'又需要轉(zhuǎn)義一次
r'\\d'	r'\d'	?True	在字符串之前加r，讓整個字符串不轉(zhuǎn)義

?

貪婪匹配

貪婪匹配：在滿足匹配時，匹配盡可能長的字符串，默認情況下，采用貪婪匹配

正則	待匹配字符	匹配 結(jié)果	說明
<.*>	<script>...<script>	<script>...<script>	默認為貪婪匹配模式，會匹配盡量長的字符串
<.*?>	r'\d'	? <script> <script>	加上？為將貪婪匹配模式轉(zhuǎn)為非貪婪匹配模式，會匹配盡量短的字符串

幾個常用的非貪婪匹配pattern

*? 重復(fù)任意次，但盡可能少重復(fù) +? 重復(fù)1次或更多次，但盡可能少重復(fù) ?? 重復(fù)0次或1次，但盡可能少重復(fù) {n,m}? 重復(fù)n到m次，但盡可能少重復(fù) {n,}? 重復(fù)n次以上，但盡可能少重復(fù)

.*?的用法

. 是任意字符 * 是取 0 至 無限長度 ? 是非貪婪模式。 何在一起就是 取盡量少的任意字符，一般不會這么單獨寫，他大多用在： .*?x就是取前面任意長度的字符，直到一個x出現(xiàn)

re模塊下的常用方法

import reret = re.findall('a', 'eva egon yuan') # 返回所有滿足匹配條件的結(jié)果,放在列表里 print(ret) #結(jié)果 : ['a', 'a'] ret = re.search('a', 'eva egon yuan').group() print(ret) #結(jié)果 : 'a' # 函數(shù)會在字符串內(nèi)查找模式匹配,只到找到第一個匹配然后返回一個包含匹配信息的對象,該對象可以 # 通過調(diào)用group()方法得到匹配的字符串,如果字符串沒有匹配，則返回None。 ret = re.match('a', 'abc').group() # 同search,不過盡在字符串開始處進行匹配 print(ret) #結(jié)果 : 'a' ret = re.split('[ab]', 'abcd') # 先按'a'分割得到''和'bcd',在對''和'bcd'分別按'b'分割 print(ret) # ['', '', 'cd'] ret = re.sub('\d', 'H', 'eva3egon4yuan4', 1)#將數(shù)字替換成'H'，參數(shù)1表示只替換1個 print(ret) #evaHegon4yuan4 ret = re.subn('\d', 'H', 'eva3egon4yuan4')#將數(shù)字替換成'H'，返回元組(替換的結(jié)果,替換了多少次) print(ret)obj = re.compile('\d{3}') #將正則表達式編譯成為一個 正則表達式對象，規(guī)則要匹配的是3個數(shù)字 ret = obj.search('abc123eeee') #正則表達式對象調(diào)用search，參數(shù)為待匹配的字符串 print(ret.group()) #結(jié)果 ： 123import re ret = re.finditer('\d', 'ds3sy4784a') #finditer返回一個存放匹配結(jié)果的迭代器 print(ret) # <callable_iterator object at 0x10195f940> print(next(ret).group()) #查看第一個結(jié)果 print(next(ret).group()) #查看第二個結(jié)果 print([i.group() for i in ret]) #查看剩余的左右結(jié)果

注意:

1 findall的優(yōu)先級查詢:

import reret = re.findall('www.(baidu|oldboy).com', 'www.oldboy.com') print(ret) 這是因為findall會優(yōu)先把匹配結(jié)果組里內(nèi)容返回,如果想要匹配結(jié)果,取消權(quán)限即可 ret = re.findall('www.(?:baidu|oldboy).com', 'www.oldboy.com') print(ret)

2 split的優(yōu)先級查詢:

ret=re.split("\d+","eva3egon4yuan") print(ret) #結(jié)果 ： ['eva', 'egon', 'yuan'] ret=re.split("(\d+)","eva3egon4yuan") print(ret) #結(jié)果 ： ['eva', '3', 'egon', '4', 'yuan']#在匹配部分加上（）之后所切出的結(jié)果是不同的， #沒有（）的沒有保留所匹配的項，但是有（）的卻能夠保留了匹配的項， #這個在某些需要保留匹配部分的使用過程是非常重要的。

?

轉(zhuǎn)載于:https://www.cnblogs.com/129TL/p/9487440.html

總結(jié)

以上是生活随笔為你收集整理的Python re模块,正则表达式的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。