应用场景
-
特定规律字符串的查找替换切割等
-
邮箱格式、url等格式的验证
-
爬虫项目，提取特定的有效内容
-
很多应用的配置文件
使用原则
-
只要能够通过字符串等相关函数能够解决的，就不要使用正则
-
正则的执行效率比较低，会降低代码的可读性
-
世界上最难读懂的三样东西：医生的处方、道士的神符、码农的正则
-
提醒：正则是用来写的，不是用来读的，不要试着阅读别人的正则；不懂功能时必要读正则。
基本使用
-
说明：正则是通过re模块提供支持的
-
相关函数：
-
match：从开头进行匹配，找到就立即返回正则结果对象，没有就返回None
-
search：匹配全部内容，任意位置，只要找到，立即返回正则结果对象，没有返回None
# python依赖次模块完成正则功能import re# 从开头进行匹配，找到一个立即返回正则结果对象，没有返回Nonem = re.match('abc', 'abchelloabc')# 匹配全部内容，任意位置，只要找到，立即返回正则结果对象，没有返回Nonem = re.search('abc', 'helloabcshsjsldj')if m: print('ok') # 获取匹配内容 print(m.group()) # 获取匹配位置 print(m.span()) -
findall：匹配所有内容，返回匹配结果组成的列表，没有的返回一个空列表
# 匹配所有内容，返回匹配结果组成的列表，没有返回Nonef = re.findall('abc', 'abcsdisuoiabcsjdklsjabc')if f: print(f) -
compile：根据字符串生成正则表达式的对象，用于特定正则匹配，通过match、search、findall匹配
# 根据字符串生成正则表达式的对象，用于正则匹配c = re.compile('abc')# 然后进行特定正则匹配# m = c.match('abcdefghijklmn')m = c.search('abcdefghijklmn')if m: print(m)print(c.findall('abcueywiabcsjdkaabc'))将re模块中的match、search、findall方法的处理过程分为了两步完成。
-
正则规则
-
单个字符
普通字符：就是一对一的完全匹配 []：中间的任意一个字符 [a-z]：表示a到z的任意字符 [0-9]：表示0到9的任意字符 [^abc]：除abc之外的字符 . ：匹配'\n'以外的任意字符 \d：所有的数字字符，等价于[0-9] \D：所有的非数字字符，等价于[^0-9] \w：所有的数字、字母、中文、下划线等 (就是字的意思) \W：\w之外的所有字符 \s：所有的空白字符，如：空格、\t、\n、\r \S：\s之外的所有字符 \b：词边界，如：开头、结尾、标点、空格等 \B：非词边界
-
次数控制
*：前面的字符可以是任意次 +：前面的字符至少出现一次 ?：至多一次，0次或1次 {m}：匹配固定的m次 {m,}：至少m次 {m,n}：m到n次正则的匹配默认是贪婪的
-
边界限定
-
^：以指定内容开头
-
$：以指定内容结尾
import re# 以指定内容开头# c = re.compile(r'^abc')# 以指定内容结尾# c = re.compile(r'abc$')# 同时限制开头和结尾c = re.compile(r'^abc$')s = c.search('abc')if s: print('ok') print(s.group()) -
-
分组匹配
-
|：表示或，具有最低的优先级
-
()：用于表示一个整体，可以确定优先级
import re# | 表示或，具有最低的优先级# () 用于表示一个整体，可以确定优先级c = re.compile(r'a(hello|world)d')s = c.search('aworldd')if s: print('ok') print(s.group())()还有分组匹配的作用，下次再讲。
-
练习：
-
若匹配有特殊正则含义的字符怎么办，如：\d
-
友情提示：转义问题（python中转义一次、正则解析转义一次）
-
-
import rec=re.compile(r'\\d')s=c.search('\d1sfcef\d')if s: print('ok') print(s.group()) -
验证一个字符串是否是正确的邮箱格式
-
import rec=re.compile(r'\w+@(\w+\.)+\w+')string='lijie@163.com's=c.search(string)if s: print('ok') print(s.group()) -
验证一个字符串是否是正确的url格式
-
import rec=re.compile(r'(http|http)://(\w+\.){2,}\w+(:\d+)?(\?(&?\w+=\w+)+)?')s=c.match('http://www.baidu.com:80?name=xiaoming&age=10')if s: print('ok') print(s.group())
思路
-
以功能为导向
-
写出符合规则的若干字符串
-
写一点测一点，不断的调整
-
最终完成功能
转义字符
-
在匹配所有正则中有特殊含义的字符时，都需要转义。
-
正则字符串需要被处理两次，python中处理，正则解析时处理一次。
-
通常在写正则字符串时，前面都加一个'r'，表示原始字符，让所有的字符失去意义。
-
在匹配有如：'\'的字符时，前面再添加一个'\'就可以了，如果没有添加'r'，通常要写好几个。
贪婪匹配
-
贪婪：最大限度的匹配，正则的匹配默认是贪婪的。
-
非贪婪：只要满足匹配条件，能少匹配就少匹配，通常使用'?'取消贪婪
-
示例：
import re# c = re.compile(r'a.*?c')c = re.compile(r'a.+?c')s = c.search('abcjsdhfkdkc')if s: print('ok') print(s.group())
分组匹配
-
()：可以表示作为一个整体，也可以用来分组匹配
-
示例：
import rec = re.compile(r'(\d+)([a-z]+)(\d+)')s = c.search('sda123ksdak456sdk')if s: print('ok') print(s.group()) # 等价于上式 print(s.group(0)) # 里面的数字表示第几个分组，也就是第几个小括号匹配的结果 print(s.group(1)) print(s.group(2)) print(s.group(3)) -
示例：
import re# 正则中的\1:表示前面第一个小阔号匹配的结果# c = re.compile(r'<([a-z]+)><([a-z]+)>\w* ')# c = re.compile(r'<(?P
[a-z]+)><(?P [a-z]+)>\w* ')# 可以给指定的分组起个名字c = re.compile(r'<(?P [a-z]+)><(?P [a-z]+)>\w* ')s = c.search('xxx yyy')if s: print('ok') print(s) print(s.group())
匹配模式
-
说明：可以对匹配的模式作出整体的修饰处理，如：忽略大小写等
-
示例：
import re# 忽略大小写# c = re.compile(r'hello', re.I)# 多行匹配# c = re.compile(r'^hello', re.M)# 作为单行处理 或 让 . 匹配 '\n'c = re.compile(r'
.*?', re.S)string = 'hello'string = '''hello'''s = c.search(string)if s: print('ok') print(s.group())
字符串切割 - 说明：某些情况下，无法通过字符串函数进行切割，可以使用正则的方式处理，如：按照数字切割 - 示例： ```python
import re c = re.compile(r'\d') string = '正则1其实不难2但是学完发现自己写不出来3是这样吧' # 按照正则进行切割，可以指定切割次数，默认不限制，等价于：re.split() ret = c.split(string, maxsplit=1) print(ret) print(type(ret))
字符串替换
-
说明：简单的替换可以自己处理，要按照正则规律进行替换就需要使用专门的函数
示例：
import re'''# 简单的正则替换，不需要人为干预替换过程c = re.compile(r'\d')string = 'daeuo1iwuabca3sdalksjabcd2askabc'ret = c.sub('yyy', string)print(ret)'''def deal(s): # 参数是每一个匹配整个的正则结果对象 ret = int(s.group()) # 会使用该函数返回的字符串替换对应的匹配 return str(ret * 2) 可以干预正则替换的过程，传递一个函数
ret = re.sub(r'\d', deal, 'sdh1askj2dlk3saj')print(ret)