《Python》正则表达式
正则表达式：
应用场景：
1、判断某一个字符串是否符合规则 （注册时：判断手机号，身份证号，邮箱格式是否正确）
2、将符合规则的内容从一个庞大的字符串体系中提取出来 （爬虫，日志分析）
什么是正则表达式：
只和字符串打交道，是一种规则，来约束字符串的规则
字符组：
在同一个位置可能出现的各种字符组成了一个字符组，在正则表达式中用 [ ] 表示。
字符分为很多类，比如数字，字母，标点等等。
[0123456789] 表示0-9都可以匹配
[0-9] 用 – 表示范围，[0-9] 和 [0123456789] 是一样的
[a-z] 表示所有的小写字母
[A-Z] 表示所有的大写字母
[0-9a-fA-F] 可以匹配数字，大小写形式的a~f，常用来验证十六进制字符
原理是通过ASCII编码，小的一个值指向大的一个值
元字符：
\w 匹配字母或数字或下划线
\W 匹配非字母或非数字或非下划线
\s 匹配任意的空白符（空格、换行\n、制表符\t）
\S 匹配非空白符
\d 匹配数字
\D 匹配非数字
\n 匹配一个换行符
\t 匹配一个制表符
\b 匹配一个单词的边界
\A 匹配以什么开头，与 ^ 的功能一样 （\A匹配内容）
\Z 匹配以什么结尾，与 $ 的功能一样 （匹配内容\Z）
. 匹配除换行符以外的任意字符
^ 匹配字符串的开始
$ 匹配字符串的结尾
a|b 匹配字符a或字符b （把长的放前面，如 abc|ab）
() 匹配括号内的表达式，也表示一个组
[…] 匹配字符组中的字符
[^…] 匹配除了字符组中字符的所有字符
量词：
* 重复零次或更多次
+ 重复一次或更多次
？ 重复零次或一次
{n} 重复n次
{n,} 重复n次货更多次
{n,m} 重复n到m次
.^$
*+?{}
注意：前面的 *，+，？ 等都是贪婪匹配，也就是尽可能多的匹配，后面加？使其变成惰性匹配
字符集 [ ] [ ^ ]
分组 ()与 或 | [ ^ ]
身份证号码是一个长度为15或18个字符的字符串，如果是15位则全部由数字组成，首位不能为0；如果是18位的，则前17位全部是数字，末位可以是数字或x
转义符 \
在正则表达式中，有很多有特殊意义的是元字符，比如\n和\s等，如果要在正则中匹配正常的”\n”而不是”换行符”就需要对”\”进行转义，变成\’\\\’。
贪婪匹配
贪婪匹配：在满足匹配时，匹配尽可能长的字符串，默认情况下，采用贪婪匹配
几个常用的非贪婪匹配
*? 重复任意次，但尽可能少重复
+? 重复1次或更多次，但尽可能少重复
?? 重复0次或1次，但尽可能少重复
{n,m}? 重复n到m次，但尽可能少重复
{n,}? 重复n次以上，但尽可能少重复
. * ?
. 是任意字符
* 是取 0 至 无限长度
? 是非贪婪模式
合在一起就是，取尽量少的任意字符，一般不会这么单独写，大多用在：
. * ? x 就是取前面任意长度的字符，直到一个 x 出现
import re # \w与\W print(re.findall(\'\w\', \'hello egon 123\')) # [\'h\', \'e\', \'l\', \'l\', \'o\', \'e\', \'g\', \'o\', \'n\', \'1\', \'2\', \'3\'] print(re.findall(\'\W\', \'hello egon 123\')) # [\' \', \' \'] # \s与\S print(re.findall(\'\s\', \'hello egon 123\')) # [\' \', \' \'] print(re.findall(\'\S\', \'hello egon 123\')) # [\'h\', \'e\', \'l\', \'l\', \'o\', \'e\', \'g\', \'o\', \'n\', \'1\', \'2\', \'3\'] # \n与\t都是空，都可以被\s匹配 print(re.findall(\'\s\', \'hello \n egon \t 123\')) # [\' \', \'\n\', \' \', \' \', \'\t\', \' \'] # \n与\t print(re.findall(r\'\n\', \'hello egon \n123\')) # [\'\n\'] print(re.findall(r\'\t\', \'hello egon \t 123\')) # [\'\t\'] # \d与\D print(re.findall(\'\d\', \'hello egon 123\')) # [\'1\', \'2\', \'3\'] print(re.findall(\'\D\', \'hello egon 123\')) # [\'h\', \'e\', \'l\', \'l\', \'o\', \' \', \'e\', \'g\', \'o\', \'n\', \' \'] # \A与\Z print(re.findall(\'\Ahe\', \'hello egon 123\')) # [\'he\'] print(re.findall(\'123\Z\', \'hello egon 123\')) # [\'123\'] # ^与$ print(re.findall(\'^he\', \'hello egon 123\')) # [\'he\'] print(re.findall(\'123$\', \'hello egon 123\')) # [\'123\'] # 重复匹配：. * ? .* .*? + {n,m} | # . print(re.findall(\'a.b\', \'a1b\')) # [\'a1b\'] print(re.findall(\'a.b\', \'a1b a*b a b aaab\')) # [\'a1b\', \'a*b\', \'a b\', \'aab\'] print(re.findall(\'a.b\', \'a\nb\')) # [] # * print(re.findall(\'ab*\', \'bbbbbbb\')) # [] print(re.findall(\'ab*\', \'a\')) # [\'a\'] print(re.findall(\'ab*\', \'abbbbbb\')) # [\'abbbbbb\'] # ? print(re.findall(\'ab?\', \'a\')) # [\'a\'] print(re.findall(\'ab?\', \'abbbb\')) # [\'ab\'] # 匹配所有包含小数在内的数字 print(re.findall(\'\d+\.?\d*\', \'sdfsdfs231sdsd1.123sdfsfas34jk23kj52k3jh4kj\')) # [\'231\', \'1.123\', \'34\', \'23\', \'52\', \'3\', \'4\'] # .*默认为贪婪匹配 print(re.findall(\'a.*b\', \'a1b222222222b\')) # [\'a1b222222222b\'] # .*? 为非贪婪匹配：推荐使用 print(re.findall(\'a.*?b\', \'a1b22222222b\')) # [\'a1b\'] # + print(re.findall(\'ab+\', \'a\')) # [] print(re.findall(\'ab+\', \'abbb\')) # [\'abbb\'] # {n,m} print(re.findall(\'ab{2}\', \'abbbb\')) # [\'abb\'] print(re.findall(\'ab{2,4}\', \'abbb\')) # [\'abbb\'] print(re.findall(\'ab{1,}\', \'abbbbbb\')) # [\'abbbbbb\'] print(re.findall(\'ab{0,}\', \'a\')) # [\'a\'] #[] print(re.findall(\'a[1*-]b\', \'a1b a*b a-b\')) # [\'a1b\', \'a*b\', \'a-b\'] []内的都为普通字符了，且如果-没有被转意的话，应该放到[]的开头或结尾 print(re.findall(\'a[^1*-]b\', \'a1b a*b a-b a=b\')) # [\'a=b\'] []内的^代表的意思是取反，所以结果为[\'a=b\'] print(re.findall(\'a[0-9]b\', \'a1b a*b a-b a=b\')) # [\'a1b\'] print(re.findall(\'a[a-z]b\', \'a1b a*b a-b a=b aeb\')) # [\'aeb\'] print(re.findall(\'a[a-zA-Z]b\', \'a1b a*b a-b a=b aeb aEb\')) # [\'aeb\', \'aEb\'] # 转义\ print(re.findall(\'a\\c\', \'a\c\')) # 对于正则来说a\\c确实可以匹配到a\c,但是在python解释器读取a\\c时，会发生转义，然后交给re去执行，所以抛出异常 print(re.findall(r\'a\\c\', \'a\c\')) # [\'a\\c\'] r代表告诉解释器使用rawstring，即原生字符串，把我们正则内的所有符号都当普通字符处理，不要转义 print(re.findall(\'a\\\\c\', \'a\c\')) # 同上面的意思一样，和上面的结果一样都是[\'a\\c\'] # ()分组 print(re.findall(\'ab+\', \'ababab123\')) # [\'ab\', \'ab\', \'ab\'] print(re.findall(\'(ab)+123\', \'ababab123\')) # [\'ab\']，匹配到末尾的ab123中的ab print(re.findall(\'(?:ab)+123\', \'ababab123\')) # [\'ababab123\'] findall的结果不是匹配的全部内容，而是组内的内容,?:可以让结果为匹配的全部内容
re模块下的常用方法：
import re # findall print(re.findall(\'\d\', \'sdfh34h2h423h2h23h\')) # [\'3\', \'4\', \'2\', \'4\', \'2\', \'3\', \'2\', \'2\', \'3\'] # 返回值是一个列表，里面的每个元素是所有匹配到的项 # search ret = re.search(\'\d\', \'sdfh34h2h423h2h23h\') print(ret) # <re.Match object; span=(4, 5), match=\'3\'> print(ret.group()) # 3 ret = re.search(\'\d\', \'sdhfsd\') print(ret) # None if ret: print(ret.group()) # search返回值： # 返回一个re_Match对象 # 通过group取值 # 且只包含第一个匹配到值
import re # findall 有一个特点，会优先显示分组中的内容 ret = re.findall(\'www.(baidu|oldboy).com\', \'www.baidu.com\') print(ret) # [\'baidu\'] ret = re.search(\'www.(baidu|oldboy).com\', \'www.baidu.com\') print(ret) # <re.Match object; span=(0, 13), match=\'www.baidu.com\'> print(ret.group()) # www.baidu.com