re模块与正则

 

一.正则

正则就是用来筛选字符串中的特定的内容

正则表达式与re模块的关系:

　　1.正则表达式是一门独立的技术,任何语言都可以使用

　　2.python中药想使用正则表达式需要通过调用re模块

正则应用场景:

　　1.爬虫

　　2.数据分析

正则字符:

元字符	匹配内容
.	除 换行符 以外的任意字符
\n	换行符
\w	字母 或 数字 或 下划线
\s	任意的空白字符
\d	数字
\W	非 字母 或 数字 或下划线
\S	非 空白字符
\D	非 数字
\t	制表符
^	字符串的开始
$	字符串的结尾
\b	单词的结尾
a|b	字符 a 或 b
()	匹配括号内的表达式,也表示一个组
[...]	匹配字符组中的字符
[^...]	匹配出了字符中的所有字符

 

 

 

 

 

 

 

 

量词	说明
*	重复 零次 或 多次
+	重复 一次 或 多次
?	重复 零次 或 一次
{n}	重复 n 次
{n,}	重复 n 次 或 多次
{n,m}	重复 n 到 m 次

字符组概念

在同一位置可能出现各种字符 组成了一个字符组,在正则表达式中用[ ]表示,一个字符组内每次只能匹配一个字符,[ ]内的字符是或的关系

例:

• 匹配0-9数字 : [0123456789] 或 [1-9] 
• 匹配A-Z字母 : 同上
• 匹配a-z字母 : 同上

　　ps: 字符组内范围必须从小到大必须按ASCII码表排序

• ^:以什么开头

• 　　^[1-9] : 匹配字符是否以1-9其中的数字为开头
• $:以什么结尾
• 　　[a-z]$ : 匹配的字符是否以a-z其中的字母结尾
• ^...$:精准匹配固定长度的目标字符
  • 　　^waller$ : 匹配waller
  • 

•  | :或

  • 　　ab|abc 优先匹配 | 前面的内容,若前面内容匹配上 | 后面的内容不再匹配(在书写时把长的写在 | 前面)

　　　　　　

•  [^...] : 除括号内的内容其他都匹配
  •  

量词 只能和元字符配合使用,并且是贪婪匹配

• + :  匹配1次或多次

  • 　　匹配 13555555555 ,用 \d 每次只能匹配单个数字,要想把数字一次都匹配上要用 \d+ 
  • 匹配到 1 条结果
•  * : 匹配零次或多次
  • 　　匹配到 2 条结果
•  {n} : 指明重复个数
• 

 题:

• 轨道 通道 地道 魔道 人道 
• 逐个匹配出后面的道:
  • 　 　
• 取出词:
  • [^\s]{2} : 去掉空格,每次取两个字符   
  • .道 : 取出 .和道组成的词
  • [^\s]. :  [^\s]本身占了一个位置 加 . 共取两个位置
  •  
    　

•  匹配人名: 海燕海娇海东
  • 　　

    海.	取 海和.组成的词	海燕海娇海东	匹配所有"海."的字符
    ^海.	只取以 海和.为开头	海燕	只从开头匹配"海."
    海.$	只取以 海和.为结尾	海东	只匹配结尾的"海.$"

正则	待匹配字符	匹配 结果	说明
李.?	李杰和李莲英和李二棍子	李杰 李莲 李二	?表示重复零次或一次，即只匹配"李"后面一个任意字符
李.*	李杰和李莲英和李二棍子	李杰和李莲英和李二棍子	*表示重复零次或多次，即匹配"李"后面0或多个任意字符
李.+	李杰和李莲英和李二棍子	李杰和李莲英和李二棍子	+表示重复一次或多次，即只匹配"李"后面1个或多个任意字符
李.{1,2}	李杰和李莲英和李二棍子	李杰和 李莲英 李二棍	{1,2}匹配1到2次任意字符