006集 正则表达式 re 应用实例—python基础入门实例

正则表达式指预先定义好一个 “ 字符串模板 ” ，通过这个 “ 字符串模 板” 可以匹配、查找和替换那些匹配 “ 字符串模板 ” 的字符串。

Python的中 re 模块，主要是用来处理正则表达式，还可以利用 re 模块通过正则表达式来进行网页数据的爬取和存储。

正则表达式的英文是 regular expression，通常简写为 regex、regexp 或者RE，属于计算机领域的一个概念。

正则表达式的主要作用是被用来进行文本的检索、替换或者是从一个串中提取出符合我们指定条件的子串，它描述了一种字符串匹配的模式 pattern 。

目前正则表达式已经被集成到了各种文本编辑器和文本处理工具中。

下面给出一个简单的示例：

^[ 0 - 9 ] + a b c $

• ^ 为匹配输入字符串的开始位置。

•  [0-9] 匹配单个数字。

• + 匹配一个或者多个。

• [0-9]+匹配一个或多个数字。

• $ 为匹配输入字符串的结束位置。

• abc$匹配字母 abc 并以 abc 结尾。

^[a-zA-Z0-9_-]{3,15}$

• ^表示匹配字符串的开头。
• [a-zA-Z0-9_-] 表示字符集，包含小写字母、大写字母、数字、下划线和连接字符 -。
• {3,15} 表示前面的字符集最少出现 3 次，最多出现 15 次，从而限制了用户名的长度在 3 到 15 个字符之间。
• $ 表示匹配字符串的结尾。

^[0-9]+abc$

匹配以数字开头，并以 abc 结尾的字符串。

先介绍常用正则表达式中几种特殊字符的功能：

字符	含义	例子
.	匹配任意一个字符	ab.可以匹配abc或者abd
[ ] [^ ]	匹配括号中的任意1个字符 匹配除了括号内的字符以外的任意一个字符	[abcd]可以匹配a、b、c、d [^abc] 匹配除了字符 "a"、"b" 或 "c" 以外的任意字符。
-	在[ ]内表示的字符范围内进行匹配	[0-9a-fA-F]可以匹配任意一个16进制的数字
^	位于[ ]括号内的开头，匹配除括号中的字符之外的任意1个字符	[^xy]匹配xy之外的任意一个字符，比如[^xy]1可以匹配A1、B1但是不能匹配x1、y1

数量限定符

字符	含义	例子
？	匹配前面紧跟字符的0次或者1次	[0-9]?，匹配1、2、3
+	匹配前面紧跟字符的1次或者多次	[0-9]+，匹配1、12、123等
*	匹配前面紧跟字符的0次或者多次	[0-9]*，不匹配或者12、123（待验证）
{N}	匹配前面紧跟字符精确到N次	[1-9][0-9]{2}，匹配100到999的整数，{2}表示[0-9]匹配两个数字
{,M}	匹配前面紧跟字符最多M次	[0-9]{,1}，指的是最多匹配0-9之间的1个整数，相当于是0次或者1次，等价于[0-9]?
{N,M}	匹配前面紧跟字符的至少N次，最多M次	[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}，匹配IP地址，其中.号是特殊字符，需要使用转义字符\

在 Python 中主要是利用 re 模块进行正则表达式的处理，涉及到 4 个常用的方法：

re.match()
re.search()
re.findall()
re.sub()
re.split()
import re   # 使用之前先进行导入re模块

re 模块简介

re模块主要定义了9个常量、12个函数、1个异常，每个常量和函数siki学院都会通过实际代码案例讲解，让大家能更直观的了解其作用！标准库的意思表示这是一个Python内置模块，不需要额外下载，目前Python内置模块大概有300个。可以在这里查看Python所有的内置模块：

re模块简介聊到Python正则表达式的支持，首先肯定会想到re库，这是一个Python处理文本的标准库。

re.match(pattern, string, flags)

参数	描述
pattern	匹配的正则表达式
string	要匹配的字符串
flags	标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。

标志位 flags

正则表达式可以包含一些可选标志修饰符来控制匹配的模式。修饰符被指定为一个可选的标志，如 re.I | re.M 被同时设置成 I 和 M 标志：

修饰符	描述
re.I	忽略大小写（常用）
re.L	做本地化识别（locale-aware）匹配
re.M	多行匹配，影响 ^ 和 $
re.S	使 . 匹配包括换行在内的所有字符
re.U	根据Unicode字符集解析字符。这个标志影响 \w, \W, \b, \B.
re.X	该标志通过给予更灵活的格式，以便将正则表达式写得更易于理解。

 match

从指定字符串的开始位置进行匹配。开始位置匹配成功则继续匹配，否则输出None。

该方法的结果是返回一个正则匹配对象，通过两个方法获取相关内容：

• 通过 group() 来获取内容
• 通过 span() 来获取范围：匹配到字符的开始和结束的索引位置

re.match(pattern, string, flags)   # match方法为例

示例代码：

import re
print(re.match('www', 'www.bd.com').span())  # 在起始位置匹配
print(re.match('com', 'www.bd.com'))  # 不在起始位置匹配
line = "Cats are smarter than dogs"

matchObj = re.match(r'(.*) are (.*?) .*', line, re.M | re.I)

if matchObj:
    print("matchObj.group() : ", matchObj.group())
    print("matchObj.group(1) : ", matchObj.group(1))
    print("matchObj.group(2) : ", matchObj.group(2))
else:
    print("No match!!")

 运行结果：

(0, 3)
None
matchObj.group() :  Cats are smarter than dogs
matchObj.group(1) :  Cats
matchObj.group(2) :  smarter

 re.match与re.search的区别
re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配。

位置相关

字符	含义	例子
^	匹配开头的位置；通过\A	^hello 匹配hello开头的字符内容
$	匹配结束的位置同\Z	;$ 匹配一行结尾的;符号 ^$匹配空行
<	匹配单词开头的位置
>	匹配单词结尾的位置	p> 匹配leap等，但是不能匹配parent、sleepy等不是p结尾的单词
\b	匹配单词开头或结尾的位置	\bat 匹配…at…，但是不能匹配cat、atexit、batch（非at开头）
\B	匹配非单词开头或者结尾的单词	\Bat匹配battery，但是不能匹配attend/hat等以at开头的单词

特殊字符

字符	含义	例子
\	转义字符，保持后面字符的原义，使其不被转义	\. 输出.
( )	将表达式的一部分括起来，可以对整个单元使用数量限定符，匹配括号中的内容	([0-9]{1,3}\.){3}[0-9]{1,3}表示将括号内的内容匹配3次
|	连接两个子表达式，相当于或的关系	n(o|either)匹配no或者neither
\d	数字字符	相当于是[0-9]
\D	非数字字符	相当于是[^0-9]
\w	数字字母下划线	[a-zA-Z0-9_]
\W	非数字字母下划线，匹配特殊字符	[^\w]
\s	空白区域	[\r\t\n\f]表格、换行等空白区域
\S	[^\s]	非空白区域

贪婪模式与非贪婪模式:

• .*? 非贪婪模式
• .* 贪婪模式
• 

 

import re
str = "aaaacbabadceb"
res = re.findall("a.*?b", str)
res1 = re.findall("a.*b", str)
str2 = "aaaacbabadcebfegbbb"
res2 = re.findall("a.*b", str2)
print(res)
print(res1)
print(res2)

 运行结果为：

['aaaacb', 'ab', 'adceb']
['aaaacbabadceb']
['aaaacbabadcebfegbbb']

1. 在上面的非贪婪模式中，使用了问号 ？，当匹配到 aaaacb 已经达到了要求，停止第一次匹配；接下来再开始匹配到 ab ；再匹配到 adceb ；所以存在多个匹配结果
2. 在贪婪模式中，程序会找到最长的那个符合要求的字符串