正则表达式

正则表达式

• 正则表达式是一门单独的技术，在实际操作过程中由于它优雅的字符匹配特性，各种编程语言都陆续支持正则表达式的操作方式，Python中通过内建模块re进行正则表达式的处理，大致按照如下三个步骤进行数据的操作
  • 确定源数据：获取整体数据
  • 按照目标数据定义正则表达式匹配规则
  • 从整体数据中匹配符合要求的数据
• 正则表达式的处理，最核心的是先掌握正则表达式的语法和匹配规则，根据实际操作的不同需要，正则表达式定义了不同的数据匹配方式

表达式	描述
^	匹配开头
$	匹配结束
.	匹配任意..字符
x?	匹配字符x出现0次或者1次
x+	匹配字符x出现1次或者多次
x*	匹配字符x出现0次或者多次
(xy)+	分组的方式，匹配字符串xy出现1次或者多次
[xy]+	匹配字符x或者y出现了1次或者多次
[0-9]+	匹配一个数字出现了1次或者多次
[a-z]+	匹配一个小写字母出现了1次或者多次
[A-Z]+	匹配一个大写字母出现了1次或者多次
[a-zA-Z]+	匹配一个字母[大小写均可]出现了1次或者多次
x{m,}	匹配字符x出现了m次以上
x{m,n}	匹配字符x出现了m次以上n次以下
$	匹配字符出现了n次以下
...	...
\d	匹配一个数字，和[0-9]相同
\D	匹配一个非数字，和[^0-9]相同
\w	匹配一个字母数字或者下划线，和[a-zA-Z0-9_]相同
\s	匹配一个空白字符
\b	匹配一个字符的边缘位置 hello worhellold : \bhello\b
...	...
*	贪婪匹配符，和其他表达式一起使用
?	懒惰匹配符，和其他表达式一起使用

python中操作正则表达式

• python通过内建的re模块，对于正则表达式的操作提供了友好的支持
  • PS：正则表达式是一个单独的技术，python支持它的操作
• python在实际操作过程中，re模块提供了两种操作方式
  • 核心操作方式
    • 正则匹配对象pattern,通过re模块的compile()函数对于正则表达式字符串进行编译得到
    • 通过pattern匹配对象对目标字符串进行匹配检索操作
  • 快捷操作方式
    • 直接通过re模块的各种正则函数进行字符串的匹配检索操作

# 核心操作方式
0.正则表达式字符串
1.通过表达式字符串->得到匹配对象
2.通过匹配对象->目标字符串进行检索

# 快捷操作方式
0.正则表达式字符串
1.通过re模块->目标字符串进行检索

---

正则表达式核心操作方法

• match():用于根据表达式进行字符匹配的操作函数~只匹配一次[从指定的起始位置进行匹配]
• search():用于根据表达式进行字符匹配的操作函数~只匹配一次[从完整的目标字符串中进行检索匹配]
• findall():用于根据表达式进行字符匹配~匹配多次，返回匹配到的列表
• finditer():用于根据表达式进行字符撇皮~匹配多次，返回匹配到的迭代器
• split():根据指定的表达式对目标字符串进行切割，返回切割后的列表
• sub():用于字符替换

# 匹配对象的函数
match(string[, pos[, endpos]])
search(string[, pos[, endpos]])
findall(string[, pos[, endpos]])
finditer(string[, pos[, endpos]])

# re模块的函数
match(pattern, string, flags=0)
search(pattern, string, flags=0)
findall(pattern, string, flags=0)
finditer(pattern, string, flags=0)

# 公共函数[匹配对象|re模块操作方式一样]
split()：拆分字符串的函数
sub()：根据正则替换字符串的函数

---

常用的正则表达式

• 匹配中文字符的正则表达式
  • [\u4e00-\u9fa5]
  • 匹配中文还真是个头疼的事，有了这个表达式就好办了
• 匹配首尾空白字符的正则表达式
  • ^\s|\s$
  • 可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等)，非常有用的表达式
• 匹配Email地址的正则表达式
  • \w+([-+.]\w+)@\w+([-.]\w+).\w+([-.]\w+)*
  • 表单验证时很实用
• 匹配网址URL的正则表达式
  • [a-zA-z]+://[^\s]*
• 匹配帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)
  • ^[a-zA-Z][a-zA-Z0-9_]{4,15}$
  • 表单验证时很实用
• 匹配腾讯QQ号
  • [1-9][0-9]{4,}
  • 腾讯QQ号从10000开始
• 匹配中国邮政编码
  • [1-9]\d{5}(?!\d)
  • 中国邮政编码为6位数字
• 匹配身份证
  • \d{15}|\d{18}
  • 中国的身份证为15位或18位
• 匹配ip地址
  • \d+.\d+.\d+.\d+
  • 提取ip地址时有用