正则表达式

正则表达式

一种匹配字符串的表达式，使用re模块。正则表达式是一种独立的语法，和python没有任何的关系

一、功能

• 可以制定一个规则
  • 来确认某一个字符串是否符合规则。
  • 从打断的字符串中找到符合规则的内容。
• 程序领域
  • 登陆注册页面的表单验证
  • 爬虫
• 自动化开发
  • 日志分析

二、基础的语法

(一)、元字符

• 方括号:字符组表示的是约束在一个字符的位置上能够出现哪些内容
  • 约束范围分类：
    • [A-Z]匹配字符串中所有的大写字母
    • [a-z]匹配字符串中所有的小写字母
  • 约束范围的混合使用
    • [0-9][A-Z][a-z]:
      • 首先表示的匹配的是三个字符，必须是三个，不能多也不能少。

      • 然后表示得是第一个字符必须是数字，第二个字符必须是大写字母，第三个字符必须是小写字母。

        字符组中的约束字符内在的依赖的条件是按照ASCII来进行的，每一个字符都对应一个ASCII标码，约束范围中字符的字符
        对应的ASCII码的顺序必须是从小往大，不能反过来，例如a-Z可以，但是A-z不行，因为A的编码比a的编码大。

• 元字符
  • \d:等同于0-9，表示的是0-9之间的任意数字;d的全称digit
  • \w:等同于[0-9a-zA-z_]，表示的是该字符可以是数字、大写字母、小写字母或者是下划线，其他的不能匹配, w全称word
  • \s:等同于任意制表符\t、空格和换行符\n，s的全称space
    • \n:单独的匹配换行符
    • \t:单独的匹配制表符
  • \D:匹配非数字
  • \W:匹配非数字、字母、下划线
  • \S:匹配非空白(制表符、空格和换行符)
  • [\w\W]、[\s\S]和[\d\D]都表示全集，即所有的字符都满足要求
  • \b:匹配一个单词的边界
    • 匹配单词的开头：字母\b，例如hello，匹配开头格式为：\bh
    • 匹配一个单词的结尾：\b字母, 例如hello，匹配结尾格式为：o\b
  • ^:匹配字符串的开始
  • $:匹配字符串的结尾
  • |:或关系，只能从两个中匹配一个，例如：a|b, 只能匹配a或者b
  • .:点号匹配换行符外的所有字符。如果要匹配点号必须使用转义字符，即.表示点号。
  • ?:表示的是把未匹配的字符也当作匹配上的字符，当使用?时需要注意的是当没有写任何内容的时候也表示匹配上了一个字符。
    使用?主要用在修饰的字符可有可无或者是这个字符可以选择的情况下，例如：\d.?\d里点号是可有可无的，整数和一位小数都符合要求
    

  • [^]: 匹配的是非字符组，即字符组里的字符都不能匹配。例如a[^abc]匹配第一个字符是a，第二个字符是abc以外的任意字符，^在这里起到的作用就是去反。
    除了这种情况，其他的情况^都在字符组外.

    需要注意的是：
    或关系两头如果有重合的部分，那么必须把长的一方放在'|'的前边

(二)、量词

量词限制的是字符的个数，即同一个字符出现的次数

• 量词的使用必须用{}括起来，
• 量词只能修饰前边一个字符，其他字符修饰不了，例如：[^a][\d]{4}匹配的是第一个字符是a以外的任意字符，然后是任意数字字符4个
• 在数字后加上逗号表示重复至少几次，例如：[^a][\d]{4,}匹配的是第一个字符是a以外的任意字符，然后是任意数字字符至少4个
• 在逗号后添加数值，表示最多可以重复几次。例如：[^a][\d]{4,9}匹配的是第一个字符是a以外的任意字符，然后是任意数字最少4个最多9个。
• +:加号表示重复一次或者多次
• ?:问号表示重复零次或者一次

• *:表示重复零次或者任意多次

  、？和 使用的时候不能加{}，其他的数字使用的时候必须加上{}

• ？的特殊用法：(惰性匹配/非贪婪匹配)
  在能匹配上的情况下，匹配尽量少的结果。
  • 在量词后加一个?: 例如：李.{1,3}?和，"李莲英和"符合要求，在满足上述要求的情况下匹配最少的结果
  • ?: 例如：匹配规则 <.?>， 字符串：<123214546576>dafsgfgdf<12342354>
    • 如果匹配规则不加?，会从头开始一直匹配到最后，如果最后一位是>，那么所有的字符都会匹配上，如果最后一位不是>，
      到结尾后进行回溯算法，从后往前找到最后一个>，>前的都是匹配上的。

    • 如果匹配规则加上?，那么当匹配到第一个>时就停止了，>前边的都是匹配上的。

      .*?x这种形式最为常见，匹配任意字符直到找到x

  • ??：[.??]表示的是可以匹配1到无数个点号
  • +?

(三)、分组

分组使用()把多个字符转换成一个整体的字符，这个字符可以和单字符一样使用
例如：匹配整数和小数的正则

• 使用惰性匹配正则：\d.?\d+|\d ，这里需要主要的是|前和后都分别是一个整体。
• 使用分组匹配: \d(.\d+)?，这里注意的是()内是一个整体，?修饰前一个字符，分组字符只能出现零次或者一次。

三、python中转义符''

在python中''表示的是转义符。

• 在字母n前加上，表示的是换行符，在\n前加上\表示的是普通的\n
• 在字母t前加上，表示的是制表符，在\t前加上\表示的是普通的\t
• 在\前加上\后两个\表示的是普通的
• (匹配的是普通的(，)匹配的是普通的)
• 在字符串前加上r表示的是字符串中\不进行转义，例如：r"\User\lizhi\Application"，打印的结果就是\User\lizhi\Application

四、总结

• 纯元字符
• 元字符加量词，默认进行的是贪婪匹配
• 元字符加量词?，默认进行的是非贪婪匹配
• [()+*?/.$]这些在字符组中都会现原形，都表示原有的意义。

• [-]减号只有写在首位的时候才表示减，其余部分都表示的是范围

  量词只修饰前边一个元字符