Python正则表达式与re模块************> »转到****思维导图************************************> »转到********博客园****
正则表达式与re模块的关系
1.正则表达式是一门独立的技术，任何语言均可使用
2.python中要想使用正则表达式需要通过re模块
正则表达式应用场景
推荐书籍：正则指引
1.爬虫
2.数据分析
字符组概念
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(一个字符组每次只能匹配一个字符)
小例子
匹配0-9数字([0123456789]也支持简写[0-9])(如果想匹配横杠,转义即可)
匹配A-Z字母(依据上面的简写规则[A-Z])
匹配a-z字母(依据上面的简写规则[a-z])
ps:这种上面到上面的范围必须是从小到大[a-Z]不行，[A-z]可以(但是内部有几个特殊符号)，因为内部对应的asicc码A在所有字母里面最小，z在所有字母里面最大
| 正则 | 待匹配字符 | 匹配结果 | 说明 |
|---|---|---|---|
| [0123456789] | 8 | True | 在一个字符组里枚举合法的所有字符，字符组里的任意一个字符 |
| 和"待匹配字符"相同都视为可以匹配 | |||
| [0123456789] | a | False | 由于字符组中没有"a"字符，所以不能匹配 |
[0-9]| 7| True| 也可以用-表示范围,[0-9]就和[0123456789]是一个意思
[a-z]| s| True| 同样的如果要匹配所有的小写字母，直接用[a-z]就可以表示
[A-Z]| B| True| [A-Z]就表示所有的大写字母
[0-9a-fA-f]| e| True| 可以匹配数字，大小写形式的a～f，用来验证十六进制字符
字符
元字符
| 匹配内容
—|—
. | 匹配除换行符以外的任意字符
\w| 匹配字母或数字或下划线
\s| 匹配任意的空白符
\d| 匹配数字
\n| 匹配一个换行符
\t| 匹配一个制表符
\b| 匹配一个单词的结尾
^| 匹配字符串的开始
$| 匹配字符串的结尾
\W| 匹配非字母或数字或下划线
\D| 匹配非数字
\S| 匹配非空白符
a|b| 匹配字符a或字符b
()| 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
^:以什么什么开头
$:以什么什么结尾
ps:^与$连用能够精准匹配固定长度的目标字符,^只能出现在开头()，$只能出现结尾
|:或
ab|abc优先匹配前面的正则表达式ab，匹配上就不再用后面的abc，可以通过调换顺序修改优先级
^:出现在[]中的^表示除了^后面的其他都匹配
[^a]除了a其他都匹配[^a-z]除了小写字母a-z其他都匹配
量词
量词
| 用法说明
—|—
*| 重复零次或更多次
+| 重复一次或更多次
?| 重复零次或一次
{n}| 重复n次
{n,}| 重复n次或更多次
{n,m}| 重复n到m次
.^$
| 正则 | 待匹配字符 | 匹配结果 | 说明 |
|---|---|---|---|
| 海. | 海燕海娇海东 | 海燕海娇海东 | 匹配所有"海.“的字符 |
| ^海. | 海燕海娇海东 | 海燕 | 只从开头匹配"海.” |
| 海.$ | 海燕海娇海东 | 海东 | 只匹配结尾的"海.$" |
.+?{}
| 正则 | 待匹配字符 | 匹配结果 | 说明 |
|---|---|---|---|
| 李.? | 李杰和李莲英和李二棍子 | 李杰 | |
| 李莲 | |||
| 李二 | ?表示重复零次或一次，即只匹配"李"后面一个任意字符 |
李.*| 李杰和李莲英和李二棍子| 李杰和李莲英和李二棍子| *表示重复零次或多次，即匹配"李"后面0或多个任意字符
李.+| 李杰和李莲英和李二棍子| 李杰和李莲英和李二棍子| +表示重复一次或多次，即只匹配"李"后面1个或多个任意字
李.{1,2}| 李杰和李莲英和李二棍子| 李杰和
李莲英
李二棍| {1,2}匹配1到2次任意字符
字符集[] [^]
| 正则 | 待匹配字符 | 匹配结果 | 说明 |
|---|---|---|---|
| 李[杰莲英二棍子]* | 李杰和李莲英和李二棍子 | 李杰 | |
| 李莲英 | |||
| 李二棍子 | 表示匹配"李"字后面[杰莲英二棍子]的字符任意次 |
李[^和]*| 李杰和李莲英和李二棍子| 李杰
李莲英
李二棍子| 表示匹配一个不是"和"的字符任意次
[\d]| 456bdha3| 4
5
6
3| 表示匹配任意一个数字，匹配到4个结果
[\d]+| 456bdha3| 456
3| 表示匹配任意个数字，匹配到2个结果
分组 ()与 或 | [^]
身份证号码是一个长度为15或18个字符的字符串，如果是15位则全部?️数字组成，首位不能为0；如果是18位，则前17位全部是数字，末位可能是数字或x，下面我们尝试用正则来表示：
| 正则 | 待匹配字符 | 匹配结果 | 说明 |
|---|---|---|---|
| ^[1-9]\d{13,16}[0-9x]$ | 110101198001017032 | 110101198001017032 | 表示可以匹配一个正确的身份证号 |
| ^[1-9]\d{13,16}[0-9x]$ | 1101011980010170 | 1101011980010170 | 表示也可以匹配这串数字，但这并不是一个正确的身份证号码，它是一个16位的数 |
^[1-9]\d{14}(\d{2}[0-9x])?$| 1101011980010170| False| 现在不会匹配错误的身份证号了
()表示分组，将\d{2}[0-9x]分成一组，就可以整体约束他们出现的次数为0-1次
^([1-9]\d{16}[0-9x]|[1-9]\d{14})$| 110105199812067023| 110105199812067023| 表示先匹配[1-9]\d{16}[0-9x]如果没有匹配上就匹配[1-9]\d{14}
*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’\'。
在python中，无论是正则表达式，还是待匹配的内容，都是以字符串的形式出现的，在字符串中\也有特殊的含义，本身还需要转义。所以如果匹配一次"\n",字符串中要写成’\\n’，那么正则里就要写成"\\\\n",这样就太麻烦了。这个时候我们就用到了r’\n’这个概念，此时的正则是r’\\n’就可以了。
| 正则 | 待匹配字符 | 匹配结果 | 说明 |
|---|---|---|---|
| \n | \n | False | 因为在正则表达式中\是有特殊意义的字符，所以要匹配\n本身，用表达式\n无法匹 |
\\n| \n| True| 转义\之后变成\\，即可匹配
“\\\\n”| ‘\\n’| True| 如果在python中，字符串中的’'也需要转义，所以每一个字符串’'又需要转义一
r’\\n’| r’\n’| True| 在字符串之前加r，让整个字符串不转义
贪婪匹配与非贪婪匹配(惰性匹配)
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
| 正则 | 待匹配字符 | 匹配结果 | 说明 |
|---|---|---|---|
| <.*> |