Python正则表达式入门详解（字符串前有个r，在第六章标题下）文末福利视频讲解

正则表达式（有疑问请留言，及时回复）

一：首先了解什么是正则表达式，当我们注册邮箱时，会提示输入手机号，当我们输入如下所示的内容后，会提示输入正确的手机号

那么，如何知道输入的内容（字符串）不是正确的手机号呢？服务器有一个校验手机号的规则，如手机号必须11位数字，不能包含字母的规则，如何把这个规则描述出来，即让计算机能读懂这个规则，这种描述的语法就是正则表达式。正则表达式就是描述了一个规则的表达式。
例如，linux中的命令 ls *.txt 是列出当前目录下的所有的以 .txt 结尾的文件，这个星号描述的就是一种规则：任意文件名，只要是以 .txt 结尾的文件都要列出。
二：正则表达式又称正规表示式等，是计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。在很多文本编辑器里，正则表达式通常被用来检索、替换哪些匹配某个模式的文本。

一：re模块

在Python中需要通过正则表达式对字符串进行匹配的时候，可以使用一个模块：re

二：re模块的使用过程

re.match 是用来进行正则匹配检查的方法，若字符串匹配正则表达式，则match方法返回匹配对象（Match Object），否则返回None。
匹配对象Match Object具有group方法，用来返回字符串的匹配部分。

# 导入re模块
import re

# 使用match方法进行匹配操作
# 应用到手机号的情景上，括号内的参数“正则表达式”就是服务器对于手机号的规则
# 参数“要匹配的字符串”就是输入框中你输入的内容
result = re.match(正则表达式, 要匹配的字符串)

# 如果要匹配的字符串满足正则表达式，则match方法返回匹配对象（Match Object），赋给对象变量result，由对象变量 result 调用group方法
result.group()

三：练习使用re模块

import re
# pattern是模式，规则的意思，定义正则表达式规则
# 定义规则是一个普通的字符串
pattern = "itcast"
# 定义一个要匹配规则的字符串
s = "itheima"
# 调用match方法,用变量result接收
result = re.match(pattern, s)
print(result)
# 因为不匹配，所以输出None

import re
pattern = "itcast"
s = "itcast"
result = re.match(pattern, s)
# result.group()返回符合规则的字符串
print(result.group())
# 输出 itcast

import re
result = re.match("itcast", "itcastitheima")
# result.group() 返回符合规则的字符串，但 itcastitheima 后边有多处的字母，我们也称这样的情况为符合规则的，只不过输出的是 itcast
print(result.group())
# 输出 itcast

re模块的match方法也可以通过下方的代码来实现

"itcastitheima".startswith("itcast") 

四：表示字符

字符	功能
.	匹配任意一个字符（除了\n）
[]	匹配[]中列举的字符
\d	匹配数字，即0-9
\D	匹配非数字，即不是数字（若是匹配中文，用\D）
\s	匹配空白，即空格，tab键
\S	匹配非空白
\w	匹配单词字符，即a-z、A-Z、0-9、…
\W	匹配非单词字符

注意：手机号的 re.match(“1[34578]\d\d\d\d\d\d\d\d\d”, “13456789012”)
中的\d重复了九次，那么有没有一种可以表示数量的字符呢。

五：表示数量

字符	功能
*	匹配前一个字符出现0次或者无限次（指的是无穷多个数字，不是11111…出现即重复1无限次）
+	匹配前一个字符出现1次或者无限次，即至少有1次
?	匹配前一个字符出现1次或者0次，即要么有1次，要么没有
{m}	匹配前一个字符出现m次
{m,}	匹配前一个字符至少出现m次
m,n}	匹配前一个字符出现从m到n次

可以用{m}的方式来规定具体重复的次数：


到现在为止，我们已经简化了输入手机号的规则：

六：原始字符串（以后所有的正则表达式的规则都使用 r）

当字符串中包含转义字符时，要匹配规则的转义字符就要加倍：可以使用原始字符串的 r

加上 r，原样输出字符串：

注意：r 只是使\n、\t等转义字符失去作用，并不会将 \w、\d等表示字符失去作用

七：表示边界

字符	功能
^	匹配字符串开头（在match方法中体现不出来，因为match本身就是从左向右匹配）
$	匹配字符串结尾
\b	匹配一个单词的边界
\B	匹配非单词边界

注意：^和$在linux中有类似的应用，在vi编辑文件时，不进入编辑模式，只是让光标跳到尾部或者首部，首部用^，尾部用$
一般我们在用正则表达式规则时，要用^开头和$结尾。

介绍\b：

介绍\B：

八：匹配分组

字符	功能
	匹配左右任意一个表达式
(ab)	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	给分组起别名，用在分组()中，不单独为?P加()了,如这行代码re.match(r"<(?P.+)><(?P.+)>.+", s)
(?P=name)	引用别名为name分组匹配到的字符串

示例一：匹配出0-100之间的数字

改进一下：

二：从字符串中提取特定的部分，比如从路径/book/med/inner中提取//之间的字符串是什么。或者在网页从服务器端传送给客户端的过程中，客户端的socket.recv("

匹配分组

其他字符")，接收了一个字符串，字符串中包含一级标题"匹配分组"的样式信息，但我们有时（比如做爬虫的时候），就是想要爬取

一级标题里所包括的内容是什么，一个网页里可能有多个标题，定义一级标题的方法就是

不会变，会变得是标题内容，所以我们要用正则表达式，将

中的标题内容接收下来。
(ab)的作用：字符()的功能是：在进行匹配的时候，re模块会将()中的内容作
为中间变量存储下来，方便group()和groups()调用
第二个功能是：方便\num调用（后边会讲到）
group()的参数：


还有一个groups()方法，groups方法返回一个元组，元组的内容是：所有的()都展示出来。

上面的group()和groups()的功能是将匹配到的内容提取出来。下边介绍一种情况：只需要匹配即可，不需要提取出匹配到的内容。
如：s = “

itcast

”
现在规则如下：首先四个<>括起来的内容，而且第一个<>中的内容和第四个相同（除去/的内容），第二个和第三个<>的内容相同才符合规则，则match()内的规则如何定义：

下面就用到了匹配分组中的字符(ab)和\num：

示例二：定义一个邮箱格式的规则

?P和(?P=name)详解：
如果我们使用到的字符()太多，我们不可能记住哪一个\num对应哪一个()，这时我们需要用到?P和(?P=name)

九：re模块的高级用法

search

re模块的search()方法，search(正则表达式, 要匹配的参数)
与match()方法不同，match()默认从左向右匹配，第一个字符满足规则，接着匹配下一个字符。但seach()方法只要要匹配的参数中，有满足正则表达式的字符或字符串就行。如下图search()的用法：

的字符串，就停止匹配。

findall

返回所有匹配到的结果：（对比search只返回第一个匹配到的结果）

sub

将匹配到的数据进行批量替换
re.sub(匹配规则, 替换的内容, 进行匹配的字符串)



补一个知识点：python中""" “”“的三对”"可以当作多行注释，另一个作用是原样保留字符串的完整格式，详见视频12_re的高级用法38:20处。
sub()方法例题：

split

split()方法根据匹配及进行切割字符串，并返回一个列表

注意上方代码()有无输出的区别。

十：贪婪模式

python里的数量词默认是贪婪的：

关闭贪婪模式：用非贪婪操作符?, 这个操作符可以用在 . + ? 的后面，要求正则匹配的越少越好。


提取出图片的链接：

不用?又会进入贪婪模式。
例题：提取网址http://www.interoem.com/messageinfo.asp?id=35中的http://www/interoem.com

lambda表达式中的x是整个匹配规则的字符串，在这里就是http://www.interoem.com/messageinfo.asp?id=35整个字符串。

结尾：正则表达式到此结束，文末福利：视频讲解：https://www.bilibili.com/video/av42206116?

itcast-itheima