應用場景
- 特定規律字符串的查找替換切割等
- 郵箱格式、URL、IP等的校驗
- 爬蟲項目中，特定內容的提取
使用原則
- 只要是能夠使用字符串函數解決的問題，就不要使用正則
- 正則的效率較低，還會降低代碼的可讀性
- 世界上最難理解的三樣東西：醫生的處方、道士的神符、碼農的正則
- 提醒：正則是用來寫的，不是用來讀的；在不知道功能的情況下，不要試圖閱讀別人的正則。
基本使用
-
說明：正則的解析處理是由
re模塊完成 -
相關函數：
- match：從開頭進行匹配，匹配到就返回正則結果對象，沒有就返回None
- search：從任意位置匹配，匹配到一次就返回，沒有就返回None
import re # 只從開頭匹配，找到返回一個正則結果對象，沒有找到返回None # m = re.match('abc', 'abcsdhasdasjabcweuqo') # 全部匹配，只要找到就停止並返回 m = re.search('abc', 'sdhabcsdasjabcweuqo') if m: # 提取匹配到的內容 print(m.group()) # 獲取匹配位置 print(m.span())- findall：全局匹配，返回匹配到的結果列表，沒有時返回空列表
# 匹配所有內容，返回匹配結果組成的列表，若沒有則返回空列表 f = re.findall('abc', 'qwsdhaslabcsadjlasdoiabcdakls') if f: print(f) print(type(f))- compile：生成正則表達式對象
# 生成正則表達式對象，用於正則匹配 c = re.compile('hello') # 從開頭進行匹配 # m = c.match('hellosdsjldkabc') # 從任意位置匹配 m = c.search('shdjkhelloaskjdha') if m: print(m.group()) # 匹配所有 f = c.findall('helloasjdhakhello') if f: print(f)將正則的匹配分兩步完成：先創建正則對象，然後通過對象的match（從開頭進行匹配）、search（從任意位置匹配一次）、findall（匹配所有）方法完成匹配
正則規則
-
單個字符：
普通字符：簡單來說就是一對一的完全匹配 []：中間的任意一個字符 [a-z]：a~z之間的字符(所有消息字母) [0-9]：0~9之間的字符(所有數字) [A-Z0-9]：所有的大寫字母和數字 [^abc]：除abc外的所有字符 . ：匹配'\n'以外的任意字符 \d：所有的數字，等價於[0-9] \D：所有的非數字，等價於[^0-9] \w：所有的數字、字母(中文)、下劃線等(就是字) \W：所有的非字字符(\w的取反) \s：所有的空白字符(\n、\t、\t、空格等) \S：所有的非空白字符 \b：詞邊界匹配(開頭、結尾、標點、空格) \B：非詞邊界匹配 -
次數控制
*：前面的字符出現任意次 +：前面的字符出現至少一次 ?：前面的字符出現至多一次 {m}：指定次數，m表示出現的次數 {m,}：至少指定次數 {m,n}：指定範圍內的次數，m到n次之間 {,n}：至多n次，相當於{0,n}正則的匹配默認都是貪婪的(最大限度的匹配)
-
邊界限定
- ^：以指定的內容開頭
- $：以指定的內容結尾
- 示例
import re # 以指定的內容開頭 # c = re.compile(r'^abc') # 以指定的內容結尾 c = re.compile(r'kas$') s = c.search('abcsdhkas') if s: print(s.group()) -
優先級控制
- |：表示或，它擁有最低的優先級
- ()：用於表示一個整體，明確的指定優先級
- 示例：
import re c = re.compile(r'a(hello|world)b') s = c.search('aworldb') if s: print(s.group()) -
分組匹配
- 說明：()不但可以作爲一個整體，還可以進行分組匹配
- 示例1:
import re c = re.compile(r'(\d+)([a-z]+)(\d+)') s = c.search('shd327sjahdajhsd87892ehawksd') if s: print(s.group()) # 默認就是全部的匹配內容，等價於上式 print(s.group(0)) # 第一個()匹配到的內容 print(s.group(1)) print(s.group(2)) print(s.group(3)) print(s.span()) print(s.span(0)) print(s.span(1)) print(s.span(2)) print(s.span(3))- 示例2：給分組起名字
import re # 固定匹配 # c = re.compile(r'<div><a>\w+</a></div>') # \1表示前面第一個小括號匹配的內容 # c = re.compile(r'<([a-z]+)><([a-z]+)>\w+</\2></\1>') # 給()起名字 c = re.compile(r'<(?P<goudan>[a-z]+)><(?P<ergou>[a-z]+)>\w+</(?P=ergou)></(?P=goudan)>') s = c.search('<div><a>百度一下</a></div>') if s: print(s.group()) -
貪婪匹配
- 貪婪：最大限度的匹配叫貪婪。正則的匹配默認是貪婪。
- 非貪婪：只要滿足匹配條件，能少匹配就少匹配；通過可以使用’?'進行取消貪婪
- 示例：
import re # 取消任意多次的貪婪 # c = re.compile(r'a.*?b') # 取消至少一次的貪婪 c = re.compile(r'a.+?b') s = c.search('abdhsadjbsdjabs') if s: print(s.group()) -
匹配模式
- 說明：所謂模式就是對匹配的原則進行整體的修飾
- 示例：
import re # 忽略大小寫的匹配 # c = re.compile(r'hello', re.I) # s = c.search('Hello world') # 進行多行匹配，默認單行匹配 # c = re.compile(r'^hello', re.M) # s = c.search('world \nhello') # 做爲單行處理 或 讓 . 能夠匹配 \n c = re.compile(r'<div>.*?</div>', re.S) # string = '<div>hello</div>' string = '''<div> hello </div>''' s = c.search(string) if s: print(s.group()) -
字符轉義
- 若匹配正則語法中的特定字符都需要進行轉義
- 正則字符串會被處理兩次，python中處理一次，re模塊會在處理一次
- 若不想考慮字符的轉義問題，可以在書寫正則字符串時前面加一個字符’r’
- 添加’r’之後，在python不會再進行任何轉義，只需在與正則語法相關的字符前加’'即可讓其使用原有意義