Python高阶技巧 正则表达式

正则表达式，又称规则表达式（Regular Expression），是使用单个字符串来描述、匹配某个句法规则的字符串，常被用来检索、替换那些符合某个模式（规则）的文本。

简单来说，正则表达式就是使用：字符串定义规则，并通过规则去验证字符串是否匹配。

比如，验证一个字符串是否是符合条件的电子邮箱地址，只需要配置好正则规则，即可匹配任意邮箱。

比如通过正则规则： (^[\w-]+(\.[\w-]+)*@[\w-]+(\.[\w-]+)+$)  即可匹配一个字符串是否是标准邮箱格式

但如果不使用正则，使用if else来对字符串做判断就非常困难了。

正则的三个基础方法

Python正则表达式，使用re模块，并基于re模块中三个基础方法来做正则匹配。

分别是：match、search、findall 三个基础方法

re.match(匹配规则， 被匹配字符串)

从被匹配字符串开头进行匹配， 匹配成功返回匹配对象（包含匹配的信息），匹配不成功返回空。

 

re.search(匹配规则， 被匹配字符串)

搜索整个字符串，找出匹配的。从前向后，找到第一个后，就停止，不会继续向后

整个字符串都找不到，返回None

re.findall(匹配规则， 被匹配字符串)

匹配整个字符串，找出全部匹配项

找不到返回空list: []

 元字符匹配

正则最强大的功能在于元字符匹配规则。 单字符匹配：

单字符匹配

字符	功能
.	匹配任意1个字符 (除了\n)，\.  匹配点本身
[ ]	匹配[ ]中列举的字符
\d	匹配数字，即0 - 9
\D	匹配非数字
\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

示例：

字符串 s = “itheima1 @@python2 !!666 ##itcast3”

• 找出全部数字： re.findall(r‘\d’, s)

字符串的r标记，表示当前字符串是原始字符串，即内部的转义字符无效而是普通字符

• 找出特殊字符：

re.findall(r‘\W’, s)

• 找出全部英文字母：

re.findall(r’[a-zA-Z]’, s)

[]内可以写：[a-zA-Z0-9] 这三种范围组合或指定单个字符如

[aceDFG135]

数量匹配

字符	功能
*	匹配前一个规则的字符出现0至无数次
+	匹配前一个规则的字符出现1至无数次
？	匹配前一个规则的字符出现0次或无数次
{m}	匹配前一个规则的字符出现m次
{m,}	匹配前一个规则的字符出现最少m次
{m,n}	匹配前一个规则的字符出现m到n次

边界匹配

字符	功能
^	匹配字符串开头
$	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

分组匹配

字符	功能
|	匹配左右任意一个表达式
()	在括号中字符作为一个分组

案例

• 匹配账号，只能由字母和数字组成，长度限制6到10位

规则为： ^[0-9a-zA-Z]{6, 10}$

• 匹配QQ号，要求纯数字，长度5-11，第一位不为0

规则为：^[1-9][0-9]{4, 10}&

[1-9]匹配第一位，[0-9]匹配后面4到10位

• 匹配邮箱地址，只允许qq、163、gmail这三种邮箱地址

规则为：^[\w-]+(\.[\w-]+)*@(qq|163|gmail)(\.[\w-]+)+&

• [\w-]+ 表示出现a-z A-Z 0-9 _ 和 - 字符最少一个，最多不限
• (\.[\w-]+)*，表示出现组合 . 和 a-z A-Z 0-9 _  -的组合最少0次，最多不限

用于匹配：[email protected]中的ced.efg这部分

• @表示匹配@符号
• (qq|163|gmail)表示只匹配这3个邮箱提供商
• (\.[\w-]+)+表示a-z A-Z 0-9 _  -的组合最少1次，最多不限

用于匹配[email protected]中的.com.cn这种

最后使用+表示最少一次，即比如：.com

多了可以是：.com.cn.eu这样