正则表达式
python中需要使用正则表达式对字符串进行匹配的时候，需要导入re模块
#coding=utf-8
# 导入re模块
import re
# 使用match方法进行匹配操作
result = re.match(正则表达式,要匹配的字符串)
# 如果上一步匹配到数据的话，可以使用group方法来提取数据
result.group()
匹配单个字符
. 匹配任意1个字符（除了\n）
import re
ret =re.match(r"haha.haha","hahaahaha")
print(ret.group())
输出结果
hahaahaha
[ ] 匹配 [ ] 中列举的字符
import re
ret = re.match("[0-9]Hello Python","7Hello Python")
print(ret.group())
输出结果
7Hello Python
\d 匹配数字，即0-9
\D 匹配非数字，即不是数字
import re
ret = re.match(r"\d","1Hello Python")
print(ret.group())
ret = re.match(r"\D","Hello Python")
print(ret.group())
输出结果
1
H
\s 匹配空白，即 空格，tab键
\S 匹配非空白
import re
ret = re.match(r"\s"," 1Hello Python")
print(ret.group())
ret = re.match(r"\S","Hello Python")
print(ret.group())
输出结果
H
\w 匹配单词字符，即a-z、A-Z、0-9、_
\W 匹配非单词字符
import re
ret = re.match(r"\w","1Hello Python")
print(ret.group())
ret = re.match(r"\W","@Hello Python")
print(ret.group())
输出结果
1
@
匹配多个字符
“ * ” 匹配一个字符出现0次或者无限次，即可有可无
import re
ret = re.match("[A-Z][a-z]*","M")
print(ret.group())
ret = re.match("[A-Z][a-z]*","MnnM")
print(ret.group())
ret = re.match("[A-Z][a-z]*","Aabcdef")
print(ret.group())
输出结果
M
Mnn
Aabcdef
“ + ” 匹配一个字符出现一次或者无限次，即至少一次
import re
names = ["name1", "_name", "2_name", "__name__"]
for name in names:
ret = re.match("[a-zA-Z_]+[\w]*",name)
if ret:
print("变量名 %s 符合要求" % ret.group())
else:
print("变量名 %s 非法" % name)
输出结果
变量名 name 符合要求
变量名 _name 符合要求
变量名 2_name 非法
变量名 __name__ 符合要求
" ? " 匹配一个字符出现一次或者0次
import re
ret = re.match("[1-9]?[0-9]","7")
print(ret.group())
ret = re.match("[1-9]?\d","33")
print(ret.group())
ret = re.match("[1-9]?\d","09")
print(ret.group())
输出结果
7
33
0
{m} 匹配前一个字符出现m次
{m,n} 匹配前一个字符出现m 到 n 次
import re
ret = re.match("[a-zA-Z0-9_]{6}","12a3g45678")
print(ret.group())
ret = re.match("[a-zA-Z0-9_]{8,20}","1ad12f23s34455ff66")
print(ret.group())
输出结果
12a3g4
1ad12f23s34455ff66
" ^ " 匹配字符串开头
" $ " 匹配字符串结尾
email_list = ["[email protected]", "[email protected]", "[email protected]"]
for email in email_list:
ret = re.match("[\w]{4,20}@163\.com$", email)
if ret:
print("%s 是符合规定的邮件地址,匹配后的结果是:%s" % (email, ret.group()))
else:
print("%s 不符合要求" % email)
输出结果
[email protected] 是符合规定的邮件地址,匹配后的结果是:[email protected]
[email protected] 不符合要求
[email protected] 不符合要求
" | " 匹配左右任意一个表达式
import re
ret = re.match("[1-9]?\d$|100","78")
print(ret.group())
ret = re.match("[1-9]?\d$|100","100")
print(ret.group())
输出结果
78
100
(ab) 将括号中字符作为一个分组
import re
ret = re.match("\w{4,20}@(163|126|qq)\.com", "[email protected]")
print(ret.group())
输出结果
[email protected]
\num 引用分组num匹配到的字符串
import re
test_label = "<html>hh</htmlbalabala>"
ret = re.match(r"<([a-zA-Z]*)>\w*</\1>", test_label)
if ret:
print(ret.group())
else:
print("%s 这是一对不正确的标签" % test_label)
输出结果
<html>hh</htmlbalabala> 这是一对不正确的标签
re模块的高级用法
match
匹配string 开头，成功返回Match object, 失败返回None，只匹配一个。
search
在string中进行搜索，成功返回Match object, 失败返回None, 只匹配一个。
import re
ret = re.search(r"\d+", "阅读次数为 9999")
ret.group()
输出结果
'9999'
findall
在string中查找所有 匹配成功的组, 即用括号括起来的部分。返回list对象，每个list item是由每个匹配的所有组组成的list。
import re
ret = re.findall(r"\d+", "python = 9999, c = 7890, c++ = 12345")
print(ret)
输出结果
['9999', '7890', '12345']
sub
将匹配到的数据进行替换
import re
ret = re.sub(r"\d+", '998', "python = 997")
print(ret)
输出结果
python = 998
split
根据匹配进行切割字符串，并返回一个列表
import re
ret = re.split(r":| ","info:xiaoZhang 33 shandong")
print(ret)
输出结果
['info', 'xiaoZhang', '33', 'shandong']
python贪婪和非贪婪
Python里数量词默认是贪婪的（在少数语言里也可能是默认非贪婪），总是尝试匹配尽可能多的字符；
非贪婪则相反，总是尝试匹配尽可能少的字符。
在"*","?","+","{m,n}"后面加上？，使贪婪变成非贪婪。
>>> re.match(r"aa(\d+)","aa2343ddd").group(1)
'2343'
>>> re.match(r"aa(\d+?)","aa2343ddd").group(1)
'2'
>>> re.match(r"aa(\d+)ddd","aa2343ddd").group(1)
'2343'
>>> re.match(r"aa(\d+?)ddd","aa2343ddd").group(1)
'2343'
>>>
r的作用
Python中字符串前面加上 r 表示原生字符串，
与大多数编程语言相同，正则表达式里使用"“作为转义字符，这就可能造成反斜杠困扰。假如你需要匹配文本中的字符”"，那么使用编程语言表示的正则表达式里将需要4个反斜杠"\"：前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。
Python里的原生字符串很好地解决了这个问题，有了原生字符串，你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观。
>>> ret = re.match(r"c:\\a",mm).group()
>>> print(ret)
c:\a