关于正则表达式的完整整理(python)

上传图片，以示清白。

正则（Regular Expression）

在python的运用当中，正则表达式可是非常重要的，无论是进行爬虫，或者是进行某些判定，都必不可少，接下来，我们谈谈正则表达式。望各位兄多多指教。

1 import re
2 result=re.match("abc",'abc.cm')
3 print(result.group())

就是这样，re 导入，来波分割线，开始进入正题。

====================================================================

首先是正则表达式的单字符匹配（字符）

关于正则表达式的完整整理(python)

示例：

1 >>> a=re.match(".","a")
2 >>> print(a.group())
3 a

1 >>> print(re.match("[bB]","beautiful").group())
2 b
3 >>> print(re.match("[bB]","Beautiful").group())
4 B

1 >>> print(re.match("今天星期\d","今天星期1").group())
2 今天星期1
3 >>>

====================================================================

原始字符串，即r

在python的正则表达式中，‘\’是转义字符（字母数字前加入‘\’后具有特殊意义？如‘\n’换行），所以就有一个问题，如何匹配'\'，如果正常使用语言来表达的话，那么就需要使用到4个反斜杠。前两个和后两个分别转义成反斜杠，然后合并两个反斜杠成为一个反斜杠。（好像挺有意思的，但是很麻烦），所以就衍生出了原生字符串，解决了这个问题。

1 >>> import re
2 >>> a='c:\\a\\b\\c'
3 >>> b=re.match(r'c:\\a',a).group()
4 >>> print(b)
5 c:\a

====================================================================

匹配多个字符（数量）

关于正则表达式的完整整理(python)

示例：

1 >>> print(re.match("[A-Z][a-z]*","Dddfefdfd").group())
2 Dddfefdfd
3 >>> 匹配第一个字母大写，第二个字母以及后面的都是或者无小写字母

1 >>> print(re.match("[A-Za-z_]+[\w_]*","hello1123").group())
2 hello1123
3 >>> 匹配

1 >>> print(re.match("[1-9]?[0-9]","98").group())
2 98
3 >>> 匹配0-99

1 >>> print(re.match("[A-Za-z0-9_]{8,20}","hellodfejkjafejls1123").group())
2 hellodfejkjafejls112
3 >>> 匹配8-20位的匹配字符

====================================================================

匹配字符的边界问题（边界）

关于正则表达式的完整整理(python)

示例：

1 >>> print(re.match("[\w]{4,20}@163\.com$","[email protected]").group())
2 [email protected].com
3 >>> $匹配结束

1 >>> print(re.match("[\w]{4,20}@163\.com$","[email protected]").group())
2 Traceback (most recent call last):
3   File "<stdin>", line 1, in <module>
4 AttributeError: 'NoneType' object has no attribute 'group'
5 >>>

1 >>> print(re.match(r".*\buti\b","bea uti ful").group())
2 bea uti
3 >>> 字母边界

====================================================================

正则表达式的分组

关于正则表达式的完整整理(python)

示例:

1 >>> print(re.match("[1-9]?\d$|100","100").group())
2 100
3 >>> print(re.match("[1-9]?\d$|100","98").group())
4 98
5 >>> |分组

1 >>> print(re.match("\w{4,20}@(163|126|qq)\.com","[email protected]").group())
2 [email protected]
3 >>> print(re.match("\w{4,20}@(163|126|qq)\.com","[email protected]").group())
4 [email protected].com
5 >>> ()分组匹配163、126、qq邮箱

1 >>> print(re.match(r"<([a-zA-Z]*)>\w*</\1>","<html>fej</html>").group())
2 <html>fej</html>
3 >>> print(re.match(r"<([a-zA-Z]*)>\w*</\1>","<html>fej</html2>").group())
4 Traceback (most recent call last):
5   File "<stdin>", line 1, in <module>
6 AttributeError: 'NoneType' object has no attribute 'group'
7 >>> 引用分组1匹配到的字符串，如果与1不匹配，则报错，如果有多个标签，不妨多个\2

1 >>> print(re.match(r"<(?P<name1>\w*)><(?P<name2>\w*)>.*</(?P=name2)></(?P=name1)>","<html><h1>www.baidu.com</h1></html>").group())
2 <html><h1>www.baidu.com</h1></html>
3 >>> 自定义分组

====================================================================

re的高级用法

1 >>> print(re.search(r"\d+","今天吃了23455顿饭").group())    
2 23455
3 >>> match改为search了

findall

1 >>> print(re.findall(r"\d+","今天吃了23455顿饭,跑了35666公里,走了313步"))
2 ['23455', '35666', '313']
3 >>> 返回list

sub

1 >>> a=re.sub(r"\d+","9999","python=123")
2 >>> print(a)
3 python=9999
4 >>>  替换

split

1 >>> print(re.split(r":| ","abc:dongguan shandong jinan"))
2 ['abc', 'dongguan', 'shandong', 'jinan']
3 >>> 切片

compile（结合findall）

1 >>> a=re.compile('[a-zA-Z]')
2 >>> b=a.findall('[email protected]#5xmd')
3 >>> print(b)
4 ['d', 'e', 'n', 'm', 's', 'c', 'm', 'm', 'd', 'x', 'm', 'd']
5 >>> 可以自行领悟

====================================================================

python的贪婪和非贪婪

python里的数量词默认是贪婪的，就是说会尝试的尽可能多的匹配字符。

在".","*","+",{m}后面加上？，可以使贪婪变成非贪婪

1 >>> print(re.match(r"aa(\d+)","aa2343ddd").group(1))
2 2343
3 >>> print(re.match(r"aa(\d+?)","aa2343ddd").group(1))
4 2
5 >>>

关于正则表达式的完整整理(python)

相关推荐