【python】正则表达式-快速信息匹配，过滤与检测

前言

菜某的总结，希望能够帮到大家。

正则表达式的概念

简单来说就是匹配信息，创建一个规则，匹配文本中符合这个规则的内容

作用领域

单单看他的概念可能觉得他的用途也就是查找，实际上他的用途很广泛

1.信息筛选，过滤不符合规则的内容

2.输入信息验证，匹配用户输入的信息

3.匹配文本中的内容位置

4.辅助爬虫，去爬符合条件的网站，而不是指定具体的网站

常用方法

正则表达式需要使用re库。

函数	描述
complie()	编译正则表达式
escape()	正则符号转义处理
findall()	匹配正则符号，以列表形式返回
finditer()	匹配正则符号，以迭代形式返回
match()	从头开始匹配
purge()	清除缓存中的正则表达式
search()	在任意位置上进行匹配（只找一个）
split()	按照给定匹配符号拆分字符串
sub()	正则匹配替换
subn()	正则匹配替换并返回替换结果

案例在下方配合字符使用

字符

正则表达式实际上就是匹配对应的字符，只不过这个字符分为两种

普通字符：顾名思义就是匹配要匹配的那个字

元字符：是符合相应规则的字。

常见元字符：. * + ? \ | { } [ ] ( )

+代表匹配重复出现的内容

?会生成一个列表，满足条件为匹配内容，不满足为空（一个字符一个字符的匹配）

*会生成一个列表，跟？一样，不同的是如果有重复相邻的会作为一个元素

.代表任意字符

{}代表匹配重复的类字符个数

[]指定匹配的内容

|类似于or，后面跟另一个表达式他也会匹配另一个

()分组，把匹配内容进行分组

\数字，规定本组的内容跟第几组的内容一样

某一类别字符：

标识符	描述
\b	匹配开始或结束位置的空字符
\B	匹配不在开头结尾的空字符
\d	匹配数字
\D	匹配非数字
\s	匹配空格
\S	匹配非空格
\w	匹配字母
\W	匹配非字符

可以观察到基本上小写是匹配这一类，大写是匹配不是这一类。

位置匹配符

^规定匹配在文本开头的相应字符

$规定匹配在末本尾的相应字符

\A等价于^

\Z等价于$

\b单词边界

\B非单词边界

。。(?=...)匹配出现在...之前的。。

。。(?!...)匹配不是在...之前的。。

(?<=...)。。匹配出现在...之后的。。

(?

其他特殊功能

我从网上找的别人整理的图。

普通字符匹配

案例：

我们可以看到他已经匹配到了相应的字符。

这里findall里的r代表的是把一些转义字符当做普通字符用

某一类别字符匹配与

找数字类字符

找空格类字符

元字符的应用

+字符的应用

+代表了匹配规定字符出现了一次或者多次

这里第一个匹配是匹配连续的数字，第二个匹配是匹配连续的5

?字符的应用

?字符代表的是匹配字符出现0,1。其实就是单个字单个字的匹配。不符合规定的就会返回空字符

 

可以看到这个?是单个字符匹配，匹配到符合的就显示出来，不符合就是空字符

*字符的应用

*的作用与？相类似，不过他会找出重复的作为一个元素，而？是单个字符单个字符的匹配

这里的15和555已经被当做了一个元素放到了列表中。

[ ]的用法

[ ]是用来规定匹配范围的。

[1-5]就代表了匹配其中含有1-5之间的数字的内容

[你好啊]就代表匹配其中含有这三个字之一的内容

[a-zA-Z]就代表匹配所有的字母

{ }的用法

{ }的作用是规定匹配的数量

一些用法举例

\d{1,4}匹配一个或者4个连在一起的数字

\d{,4}匹配小于等于四个的数字

\d{3,}匹配大于等于三个的数字

注意，0个也是小于三个

|符号的用法

|符号前后连接两个表达式，他匹配到任意一个就会记录下来。

这里寻找15或者555，就是既匹配前面的，又匹配后面的。

\与()的用法

先用（）进行分组，然后用\规定与哪一组相同

位置匹配符的使用

^与$的使用

^代表只能匹配开头的hello

$代表只匹配句子末尾的hello

 当然如果^放到了[]里面的话就代表了取反的意思

例如[^a-z]就是匹配不是a-z的字符

\b与\B的使用

\b代表匹配字符在单词的前面

\B代表匹配的字符在单词的中间

\b写在前面代表匹配字符需要在单词前方，在后面代表匹配字符需要再单词后方

(?)的使用方法

re模块的方法的使用

查找功能

查找功能有四个

search只返回一个

match从头开始匹配

findall列表形式返回所有

finditer迭代形式返回

值得注意的是，这里的查找功能除了findall是返回列表之外，其他的都是返回一个对象。

先来个案例看一下他们返回的形式

他们返回的就不是列表了

输出他们匹配的内容

输出是需要用到一个group（）的，但是他还有一些更高级的用法。

我们可以对匹配的字符进行分组，然后通过在group中添加参数进行规定输出什么内容

 

 以元组的形式返回内容

返回的内容就是元组了

文本替换功能

文本替换功能常用这两个函数

sub()返回被替换后的内容

subn()以元组形式返回替换后的内容和替换的个数

结果如下

 文本分割功能

文本分割通常使用

split()函数

作用就是根据分割的符号，把分割出来的内容以列表的形式表现出来。

这种是排除法，去除不要的，留下要的，之前的是找出要的。

模式设定

 其实在re的参数中还有一个规定模式的参数可以添加，基本上用的最多的是I,可以忽略大小写进行匹配。

其他的模式在上面总结了。

实战案例

校验用户输入合法案例

利用正则表达判断用户是否攻击我方网站（写的简陋能被绕过。。水平有限）

 提取文本中的重要信息

使用起来十分的爽呢