七、Python-正则表达式

一、正则式表达式语法

正则表达式是一种用来匹配字符串的强有力的武器，设计思想是一种描述性的语言来给字符串定义一个规则，烦死符合规则的字符串，就认为它匹配，否则不匹配

行定位符：用来描述字符串的边界

^：表示行的开始 $：表示行的结尾

eg：^tm #表示要匹配字符串tm的开始位置是行头

tm^ #表示要匹配字符串tm的开始位置是行尾

tm： #表示要匹配字符串tm的开始位置是任意位置

元字符：指在正则表达式中具有特殊意义的专用字符（如：^、$）

. ：匹配除换行以外的任意字符 \w：匹配字母或数字或下划线或汉字

\s：匹配任意的空白符 \d：匹配数字

\b：匹配单词的开始或结束 ^：匹配任意字符串的开始

$：匹配字符串的结束

限定符(重复)：限制匹配数量

eg：^\d{8}$ #匹配8位数的QQ号

?：匹配前面的字符零次或一次 colou?r #可匹配color或colour

+：匹配前面的字符一次或多次 go+gle #可匹配gogle到goo…gle

*：匹配前面的字符零次或多次 go*gle #可匹配ggle到goo…gle

{n}：匹配前面的字符n次 go{2}gle #可匹配google

{n,}：匹配前面字符最少n次 go{2,}gle #可匹配google到goo…gle

{n,m}：匹配前面字符最少n次最多m次 go{0,2}gle #可匹配ggle、gogle、google

字符类：定义一个字符集合，匹配集合中的字符，使用[]表示(主要针对没有预定义元字符集合)

[0-9] #等同于\d，匹配数字 [a-z0-9A-Z] #（只考虑英文时）等同于\w

[aeiuo] #匹配英文元音字母 [.?!] #匹配标点符号“.”“?”“!”

排除字符：匹配不符合指定字符集合的字符串（用^表示，但在[]中使用）

[^a-zA-Z] #不是字母的集合

选择字符：用来表示匹配一个集合或另一个集合（用|表示）

[a-z]|[0-9] #匹配a-z或0-9的字符

(^\d{15}$)|(^\d{18}$)|(^\d{17})(\d|X|x)$

#表示15位纯数字或18位纯数字或者前17位纯数字最后一位位为X或x

转义字符：使用\表示，把一个特殊字符转义成普通字符，“()”在正则表达式中也算是一个元字符

分组（子表达式）：使用（）表示

()可以改变限定字符的作用范围

(thir|four)th #表示可以匹配thirth或fourth

()可以分组

(\.[0-9]{1,3}){3} #就是对分组(\.[0-9]{1,3})进行重复三次操作

正则表达式语法：

使用正则表达式时，时将其作为模式字符串使用的（模式字符串中的\等符号需要转义）

'[a-zA-Z]' #匹配不是字母的字符

'\\bm\\w*\\b' #匹配以m开头的单词（其中一个\为转义字符）

模式字符串中含有大量特殊字符串时，可以使用原生字符串表示（在模式字符串前加R或r）

r'\bm\w*\b' #等同于'\\bm\\w*\\b'的效果，匹配以m开头的单词

在编写模式字符串时，并不是所有的反斜杠都需要转换，^\d{8}$就不需要，因为\d没有特殊意义，为了书写方便，一般使用原生字符串表示

二、使用re模块实现正则表达式操作

re模块的compile()方法将模式字符串转换成正则表达式对象，然后再使用该正则表达式对象的相关方法来操作字符串，使用re模块时，需要先用import导入（import re）

匹配字符串：使用re模块提供的match()、search()和findall()方法

• 使用match()方法匹配：用于从字符串的开始处进行匹配(起始位置匹配成功，则显示match对象，否则显示None)

re.match(pattern,string,[flags])

pattern：表示模式字符串，由要匹配的正则表达式转换而来

string：表示要匹配的字符串

flags：可选参数，表示标志位，用于控制匹配方式（如是否区分大小写）

常用标志位

• A或ASCII：对于\w、\W、\b、\B、\D、\d、\s、\S只进行ASCII匹配（仅Python3中）
• I或IGNORECASE：执行不区分字母大小写的匹配
• M或MULTILINE：将^或$用于包括整个字符串的开始和结尾的每一行（默认仅适用于整个字符串的开始处和结尾处）
• S或DOTALL：使用“.”字符匹配所有字符，包括换行符
• X或VERBOSE：忽略模式字符串中未转义的空格和注释

eg：import re

a = r'mr_\w+'

b = 'MR_SHOP mr_shop'

c = re.match(a,b,re.I)

print(c,"\n")

d = '项目名称 MR_SHOP mr_shop'

c = re.match(a,d,re.I)

print(c)

匹配以mr_开头，不区分字母大小写的字符串

• 使用search()方法匹配：在整个字符串中搜索第一个匹配的值，如起始位置匹配成功，则显示match对象，否则显示None

re.search(pattern,string,[flags])

eg：a = r'mr_\w+'

b = 'MR_SHOP mr_shop'

c = re.search(a,b,re.I)

print(c,"\n")

d = '项目名称 MR_SHOP mr_shop'

c = re.search(a,d,re.I)

print(c)

• 使用findall()方法匹配：在整个字符串中搜索所有复核正则表达式的字符串，并以列表形式返回，匹配成功者返回包含匹配结构的列表，否则返回空列表

re.findall(pattern,string,[flags])

eg：import re

a = r'mr_\w+

b = 'MR_SHOP mr_shop'

c = re.findall(a,b)

print(c,"\n")

d = '项目名称 MR_SHOP mr_shop'

c = re.findall(a,d,re.I)

print(c)

注：在指定的模式字符串中包含分组时，则返回与分组匹配的文本列表(要想获取整个模式字符串的匹配，可以将整个模式字符串用（）进行分组，然后再获取结果时，只取返回值列表的每个元素（返回元组）的第一个元素

eg：import re

a = r'[1-9]{1,3}(\.[0-9]{1,3}){3}'

b = '127.0.0.1 192.168.1.66'

c = re.findall(a,b)

print(c)

eg：import re

a = r'([1-9]{1,3}(\.[0-9]{1,3}){3})'

b = '127.0.0.1 192.168.1.66'

c = re.findall(a,b)

for d in c:

print(d[0])

替换字符串：sub()方法

re.sub(pattern,repl,string,count,flags)

pattern：表示模式字符串

repl：表示替换的字符串

string：表示要被查找替换的原始字符串

count：可选参数，表示模式匹配后替换的最大次数，默认为0，表示替换所有的匹配

flags：可选参数，表示标志位，用于控制匹配方式

eg：import re

a = r'1[34578]\d{9}' #定义11位手机号码的模式字符串

b = '中奖号码为：84978981，联系电话为13611111111'

print(re.sub(a,'1XXXXXXXXXXX',b))

使用正则表达式分割字符串：根据正则表达式分割字符，并以列表形式返回；split()方法

re.split((pattern,string,[maxsplit],[flags]))

pattern：模式字符串，有要匹配的正则表达式转换而来

string：要匹配的字符

maxslip：可选参数，表示最大的拆分次数

flags：可选参数，表示标志位

eg：import re

a = r'[?|&]'

url = 'https://www.baidu.com/s?ie=utf-8&f=8&rsv'

print(re.split(a,url))