19 正则表达式
19.1 正则基础
正则表达式： 字符串处理工具
应用场景
- html查询
- 验证字符串是否符合规则
re 模块
match方法
# 通过正则表达式对字符串进行匹配
import re
# 使用match方法进行匹配操作
# re.match() 从字符串的开始位置进行匹配，
# 匹配成功，返回match对象。
# 匹配失败，返回None
# res = re.match(正则表达式,要匹配的字符串)
# 匹配到数据，使用group方法提取数据
# print(res.group())
# 例子,判断字符串是否满足正则表达式。 只会从开头进行匹配
name = re.match("卡","卡夫卡")
print(name) #打印match对象
print(name.group()) #打印匹配到的数据
name = re.match("卡","夫卡")
print(name) # None
name = re.match("fire","firefox")
print(name.group()) #返回fire
19.1.2 匹配单个字符
| 字符 | 功能 |
|---|---|
| . | 匹配任意1个字符(\n除外) |
| [ ] | 匹配[ ]中列举的字符 |
| \d | 匹配数字0,1,2,3,4,5,6,7,8,9 |
| \D | 匹配非数字，即不是数字 |
| \s | 匹配空白，即 空格 和 tab键 |
| \S | 匹配非空白 |
| \w | 匹配单词字符，即a-z,A-Z,0-9,_,汉字 |
| \W | 匹配非单词字符 |
res = re.match(".","年轻人不讲武德")
print(res.group()) # 匹配第一个字符
# 年
res = re.match("..","年轻人不讲武德")
print(res.group()) # 匹配前两个字符
# 年轻
# [] 匹配 [ ]中列举的字符
res = re.match('[网东]','网上的东西都是虚拟的')
print(res.group()) # 网
# 匹配数字
res = re.match('\d','你好啊，123456')
res = re.match('[0-9]','你好啊，123456')
res = re.match('[0-46-9]','你好啊，123456') #不匹配数字5
res = re.match('[a-zA-Z]','Hello') #匹配所有的大小写字母
# 匹配数字0，1，2，3，4，5，6，7，8，9
res = re.match('\d','123456')
# 匹配非数字
res = re.match('\D','105°的蒸馏水')
# 匹配空白
res = res.match("\s","匹配空白 的字符串")
# 匹配非空白
res = res.match("\S","匹配空白 的字符串")
# 匹配单词字符
res = res.match("\w","匹配空白 的字符串")
# 匹配非单词字符
res = res.match("\W","匹配空白 的字符串")
19.1.3 匹配多个字符
| 字符 | 功能 |
|---|---|
| * | 出现0次到无限次 |
| + | 出现1次到无限次 |
| ? | 出现0次或者出现1次 |
| {m} | 出现m次 |
| {m,n} | 出现m次到n次 |
# 匹配多个字符
# 1 * 匹配前一个字符出现0次或者无限次
import re
res = re.match("\w","小白")
print(res.group())
res = re.match("\w*","小白") #\w出现0次到无限次
print(res.group())
res = re.match("\d*","小王")
print(res.group())
res = re.match("\d+","哈哈哈123")
print(res.group())
res = re.match("\s?","123456")
print(res.group())
# {m}匹配前一个字符出现m次
res = re.match("\w{6}","qwerty123") #出现6次
print(res.group())
res = re.match("\w{6,12}","qwerty123") #最少是6位，最多是12位
print(res.group())
19.1.4 匹配开头和结尾
| 字符 | 功能 |
|---|---|
| ^ | 匹配字符串开头 |
| $ | 匹配字符串结尾 |
# 1. ^ 匹配字符串开头
# ^ 表示以什么开头、表示对什么取反
import re
res = re.match("^ab","abcd") #表示以ab开头
# 注意 ^在[]中才表示不匹配
res = re.match('[^ab]','abcd') # 表示匹配不是ab的字符
print(res.group())
# [abc] 表示满足abc中的一个
# ^[abc] 开头满足abc中的一个
# [^abc] 匹配除了abc之外的字符
res = re.match(".*e$","hello") #以e结尾
print(res.group())
19.2 高级用法
19.2.1 匹配分组
| 字符 | 功能 |
|---|---|
| | | 匹配左右任意一个表达式 |
| (ab|cd) | 将括号中字符作为一个分组 |
| \num | 引用分组num匹配到的字符串 |
| (?P |
分组起别名 |
| (?P=name) | 引用别名为name分组匹配到的字符串 |
import re
# | 匹配左右任意一个表达式
res = re.match("\d","10")
print(res.group())
# 满足\d 和 100 中任意一个即可
res = re.match("\d|100","100")
print(res.group())
res = re.match("\w*","hello@163.com")
print(res.group())
# 满足 qq 、163 、 129 满足任意一个即可
res = re.match("\w@(qq|163|129).com","hello@163.com")
print(res.group())
# (\w*) 是一个分组 ， \1则引用第一个分组，即(\w*)
# 所以<(\w*)>\w*</\1> 等价于 <(\w*)>\w*</(\w*)>
res = re.match(r"<(\w*)>\w*</\1>","<html>python</html>")
# <(\w*)>(\d*)</\2> 等价于 <(\w*)>(\d*)</(\d*)>
# res = re.match(r"<(\w*)>(\d*)</\2>","<html>python</html>")
# (?P<name>)
# 给(\w*) 起别名n1 , 通过?P=n1 引用标签n1
res = re.match(r"<(?P<n1>\w*)>\w*</?P=n1>","<html>python</html>")
举例 匹配.com 或 .cn后缀的网址
li = ["www.baidu.com","www.123.com","www.taobao.com","www.en.n"]
for each in li:
res = re.match('.*(.com|.cn)',each)
print(res.group())
19.2.2 其他函数
- match 从头开始匹配 返回object 匹配一次 ，最不常用
- search() 会扫描整个字符串并返回第一个成功的匹配， 较常用
- findall() 以列表形式返回匹配到的字符串， 最常用
- sub() 将匹配到的数据进行替换
- split() 根据匹配进行切割字符串，并返回一个列表
# search 函数 和 match函数有点类似
# match 函数： 从开始位置匹配
# search 函数：扫描全部，找到第一个匹配成功的数据
res1 = re.match("ab","12abwe")
res2 = re.search("ab","12abwe")
print(res1.group())
print(res2.group())
# findall() 以列表形式返回匹配到的字符串
# 从头到尾匹配，找到所有匹配成功的数据，返回一个列表
res = re.findall('ab','12abweabty')
print(res)
# sub() 将匹配到的数据进行替换
# sub(正则表达式，新内容，字符串，指定替换的次数)
res = re.sub("5","800","今天打了5把斗地主") #把5替换为800
print(res)
res = re.sub("\d","800","今天打了5把斗地主") #所有的数字都换成800
print(res)
res = re.sub("\d","800","今3天打了5把斗4地主",2) #只把前2个数字替换为800
print(res)
# split(正则表达式，字符串，指定的最大分割次数)
res = re.split(';','a b;c 12') #按照;进行分割
print(res)
res = re.split("\d",'das1sda2w6sq') #按照数字进行分割
print(res)
res = re.split("\d",'das1sda2w6sq',2) #只切割前2个
19.3 贪婪与非贪婪
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，采用贪婪模式
非贪婪模式：在满足匹配时，匹配尽可能短的字符串，使用？来表示非贪婪匹配
# 贪婪匹配
res = re.match("ab*","abbbbb")
print(res.group())
# 输出结果
# abbbbb
# 非贪婪匹配
# 在 * , + , {m,n} 等后面加上? ,表示使贪婪变成非贪婪
res = re.match("ab*?","abbbbb") #非贪婪匹配
print(res.group())
# 输出结果
# a
res = re.match("ab+?","abbbbb")
print(res.group())
# 输出结果
# ab
res = re.match("t{2,4}?","tttttt") #非贪婪匹配
print(res.group())
# 输出结果
# tt19.4 原生字符串
在字符串前加上r表示原生字符串
# 正则表达式中，需要匹配\那么需要用到 \\\\ 进行匹配
res = re.match('\\\\de','\def')
res = re.match(r"\\de",'\def')
res = re.match(r"c:\\","c:\a\b")
