正则表达式是什么？
他是约束字符串匹配某种形式的规则
正则表达式的作用
1.检测某个字符串是否符合规则，比如手机号，身份证号，邮箱等等
2.提取网页字符串中想要的数据，比如爬虫中，提取网站天气，股票代码，星座运势等具体关键字
#在线测试工具 http://tool.chinaz.com/regex/
正则表达式由一些[普通字符]和一些[元字符]组成
（1）普通字符包括大小字母和数字
(2)元字符具有特殊的含义，大体种类分为如下：
1.预定义字符集，字符组
2.量词
3.边界符
4.分组
(一) 匹配单个字符 => [元字符] 预定义字符集
| 预定义字符集 |
匹配内容 |
| . |
匹配任意字符，除了换行符\n |
| \d |
匹配数字 |
| \D |
匹配非数字 |
| \w |
匹配字母或数字或下划线 (正则函数中,支持中文的匹配) |
| \W |
匹配非字母或数字或下划线 |
| \s |
匹配任意的空白符 |
| \S |
匹配任意非空白符 |
| \n |
匹配一个换行符 |
| \t |
匹配一个制表符 |
| [] |
匹配中括号内列举的字符 |
| 字符组格式 |
说明 [默认必须从字符组中选一个] |
| [...] |
匹配字符组中的字符 |
| [^...] |
匹配除了字符组内所有内容,之外的所有字符 |
| 字符组内容 |
待匹配字符 |
匹配结果 |
说明 |
| [0123456789] |
8 |
True |
字符组里枚举的各种字符,必须满足一个,否则返回假,不匹配 |
| [abcdefg] |
9 |
False |
由于字符组中没有"9"字符，所以不匹配 |
| [0-9] |
7 |
True |
可用 - 表示范围,[0-9] 和 [0123456789]是一个意思 |
| [a-z] |
s |
True |
[a-z]匹配所有的小写字母 |
| [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. 该正则可验证十六进制 |
(二) 匹配多个字符 => [元字符] 量词符号
| 量词 |
用法说明 |
| ? |
重复0次或1次 |
| + |
重复1次或多次 (至少1次) |
| * |
重复0次或多次 (任意次) |
| {n} |
重复n次 |
| {n,} |
重复n次或更多次 (至少n次) |
| {n,m} |
重复n到m次 |
| .* .+ |
贪婪模式匹配 |
| .*? .+? |
非贪婪模式匹配 |
# 贪婪匹配: 默认向更多次数匹配 (底层用的是回溯算法)
# 非贪婪匹配: 默认向更少次数匹配 (量词的后面加?号)
(1)量词( * ? + {} )加上问号？表示非贪婪 惰性匹配
(2)例:.*?w 表示匹配任意长度任意字符遇到一个w就立即停止
(三) 匹配开头结尾 => [元字符] 边界符号
| 边界符 |
说明 |
| \b |
匹配一个字符的边界 |
| ^ |
匹配字符串的开始 |
| $ |
匹配字符串的结尾 |
(四) 匹配分组 => [元字符] 分组符号
| 分组 |
用法说明 |
| a|b |
匹配字符a 或 字符b (如果两个当中有重合部分,把更长的那个放前面) |
| (ab) |
匹配括号内的表达式 ，将()作为一个分组 |
| \num |
引用分组num匹配到的字符串 |
| (?P<name>) |
给分组命名 |
| (?P=name) |
引用别名： 把name分组所匹配到的内容引用到这里 |
# ###分组
# 1.正常分组 （）
1) 正常情况下用()圆括号进行分组 可以用\1 反向引用第一个圆括号匹配的内容。
2) (?:正则表达式) 表示取消优先显示的功能
(正则表达式) 代表分组 findall 把所有分组的内容显示到列表里
(?:正则表达式) 代表分组 findall 把所有分组的内容不显示到列表里
# 2.命名分组
3) (?P<组名>正则表达式) 给这个组起一个名字
4) (?P=组名) 引用之前组的名字,把该组名匹配到的内容放到当前位置
(五) 正则表达式修饰符
| 常用修饰符 |
说明 |
| re.I |
使匹配对大小写不敏感 |
| re.M |
使每一行都能够单独匹配(多行匹配)，影响 ^ 和 $ |
| re.S |
使 . 匹配包括换行在内的所有字符 |
正则相关函数
findall 匹配字符串中相应内容,返回列表 [用法: findall("正则表达式","要匹配的字符串")]
search 通过正则匹配出第一个对象返回，通过group取出对象中的值
match 验证用户输入内容
split 切割
sub 替换
subn 替换
finditer 匹配字符串中相应内容,返回迭代器
compile 指定一个统一的匹配规则
练习
# 字符组练习
# print(re.findall('a[abc]b','aab abb acb adb'))
# print(re.findall('a[0123456789]b','a1b a2b a3b acb ayb'))
# print(re.findall('a[abcdefg]b','a1b a2b a3b acb ayb adb'))
# print(re.findall('a[ABCDEFG]b','a1b a2b a3b aAb aDb aYb'))
# print(re.findall('a[0-9a-zA-Z]b','a-b aab aAb aWb aqba1b'))
# print(re.findall('a[0-9][*#/]b','a1/b a2b a29b a56b a456b'))
# print(re.findall('a[^-+*/]b',"a%b ccaa*bda&bd"))
# 量词练习
'''1) ? 匹配0个或者1个a '''
print(re.findall('a?b','abbzab abb aab'))
'''2) + 匹配1个或者多个a '''
print(re.findall('a+b','b ab aaaaaab abb'))
'''3) * 匹配0个或者多个a '''
print(re.findall('a*b','b ab aaaaaab abbbbbbb'))
'''4) {m,n} 匹配m个至n个a '''
print(re.findall('a{1,3}b','aaab ab aab abbb aaz aabb'))
# 贪婪匹配 与 非贪婪匹配 [语法:量词的后面加?号]
print(re.findall('a.*b','aab ab aaaaab a!!!@#$bz'))
print(re.findall('a.*?b','aab ab aaaaab a!!!@#$bz')) #
# 边界符练习 \b ^ $
strvar = "大哥大嫂大爷"
print(re.findall('大.',strvar))
print(re.findall('^大.',strvar))
print(re.findall('大.$',strvar))
print(re.findall('^大.$',strvar))
print(re.findall('^大.*?$',strvar))
print(re.findall('^大.*?大$',strvar))
print(re.findall('^大.*?爷$',strvar))
print(re.findall('^g.*? ' , 'giveme 1gfive gay'))
print(re.findall('five$' , 'aassfive'))
print(re.findall('^giveme$' , 'giveme'))
# print(re.findall('^giveme$' , 'giveme giveme'))
# print(re.findall('giveme' , 'giveme giveme'))
# print(re.findall("^g.*e",'giveme 1gfive gay'))
# 分组练习（用圆括号）
print(re.findall('.*?_good','wusir_good alex_good secret男_good'))
print(re.findall('(.*?)_good','wusir_good alex_good secret男_good'))
print(re.findall('(?:.*?)_good','wusir_good alex_good secret男_good'))
# | 代表或 , a|b 匹配字符a 或者 匹配字符b . 把字符串长的写在前面,字符串短的写在后面
# 匹配小数
# 匹配小数和整数
# 匹配135或171的手机号
# 匹配www.baidu.com 或者 www.oldboy.com
# "5*6-7/3" 匹配 5*6 或者 7/3