正则可以代替其他任何工具,但是其他工具不能完全代替正则.
1.匹配或提取字符串的工具,基于所有语言之上的工具.
正则表达式所面向的问题
判断一个字符串是否匹配给定的格式,如判断用户注册账号是否满足格式.
判断用户提交的邮箱的格式是否正确:
一个或多个字母或数字@一个或多个字母或数字.com,r'^[a-zA-Z0-9]+@[a-zA-Z0-9]+\ . com$'
import re #导包
res = re.findall(r'^[a-zA-Z0-9]+@[a-zA-Z0-9]+ \ . com$','[email protected]') #能匹配的转化为列表项目.
注意:如果正则表达式中使用了括号,那么findall函数匹配的结果只会是括号中的内容,而不是完整的匹配.
因此我们可以利用这种机制来完成对需要部分数据的提取.
一个函数:re.findall(pattern,string) #
mymail = re.findall(r'aaa',mystr) #第一个参数是正则表达式,第二个参数是要查找的字符串内容.
2.元字符
本身具有特殊含义的字符:
^ 脱字符
一些元字符: . * ? + [ ] () \ ^ $
通过 \ 转义来匹配这些字符本身.
写正则的规则不要随便加空格
\ 转义符,转义正则表达式的规则
r 转义的python字符串,需要两层转义.
通过()来改变findall的行为
. 点代表任意一个字,强制占位,必须有一个字符.
锚点元字符
功能锁定行首, ^ 位置放在行首
功能锁定行尾 $ 位置放在行尾
单词边界(不是元字符): \b
a = 'hello world i am abcd today i say helloworld'
mymail = re.findall(r'\bhello\b',a) #只匹配到一个hello,因为后面的hello在单词中.
3.重复元字符
大括号{}来控制次数,修饰前面的字符.
a = 'abbbbbbbbc'
mymail = re.findall(r'ab{8}c') , {8}表示前面的b有8个, {2,8}表示可以匹配2到8个之间.{2,}表示后面2到正无穷.前面不写表示最多8个,即0-8个.包括空字符(其实是其他字符的位置)也会匹配.不要在{}中随意加空格.
[0-9]表示数字0到9
除此之外还有三个比较特殊的代表次数的 * + ?
mymail = re.findall(r'',str)
*代表 0 到正无穷 ,修饰前面的字符规则{0,}
+代表1到正无穷.{1,}
?代表不能多于一个,如果多于一个就匹配不到.{0,1}
N个{N}
M~N个:{M,N}
至少M个{M,}
4.贪婪与非贪婪
加问号变成非贪婪模式,尽可能少的去匹配字符.
非贪婪:在元字符后面加一个?,就可以变成非贪婪模式. 与在规则后面加问号不同.
任意多个:*?
一个或多个:+?
一个或没有: ??
规则+元字符+贪婪
mystr = 'abbbb'
mymail = re.findall(r'ab*?',mystr)
5.| 选择元字符,
a = 'happy today i am happy hahaha'
mymail = re.findall(r'happy|haha|today',a)
6.字符组 [ ]
[abc],整个中括号相当于一个字符,查找其中的一个,一个一个位置分开匹配.两个中括号相当于2个字符.
[0-9]{3},用大括号来控制次数.表示3个数字.
[A-Za-z0-9]表示大小写加数字,可表示邮箱或者首字母的命名规范.
不可以随意加逗号,只有在大括号{}表示区间的时候加逗号.
7.反向字符类 [^]
如果脱字符^写在字符组外面,代表锁定行首
如果写在字符组里面,代表反向字符类,(即 除括号内字符之外)
字符组[...] 反向字符类:...
有一对(),代表只会提取括号里面的内容.括号外面的当作一个标记
转义\,取消某些特殊字符的含义,让其变成普通字符.
mymail = re.findall(r'href = "(.*?)"',mystr),括号代表只提取括号里面的内容,外面的只是标记.
还有re.match,代表从开头开始匹配.
re.search ,代表任意位置只匹配一个,找不到就返回NONE,只匹配第一个
re.sub 替换, re.sub(r'href', 'haha', mystr),比字符串的replace好用.原本的字符串替换成新的字符串.
8.预定义字符组问题引入
\d \D 任意数字\非数字字符组
\s \S任一空白,非空白字符
\w \W 任一字母数字\非字母数字字符