python 正则表达式课程笔记记录

博主： LICCOO
发布时间：2022 年 01 月 19 日
82次浏览
暂无评论
5311字数
分类： Python

1 概述

1.1 正则表达式简介

概念：又称规则表达式，在代码中常简写为 regex、regexp、RE,
作用
- 验证数据的有效性（查找）
- 替换文本内容
- 从字符串中提取字符串（爬虫思想）

1.2 正则表达式的构成

原子（普通字符，如英文字符）
元字符（有特殊功用的字符）
模式的修正字符

一个正则表达式中至少包含一个原子。

2 测试工具

能够使用 regexbuddy 进行正则验证 --- 因为正则表达式难于读写，容易出错。
使用
- 选择 Python3.6
- test 选项卡

3 匹配字符

3.1 单个字符

. 匹配任意单个字符 (除\n)
[] 列举，匹配 [] 中列举的内容
- [ab] 匹配 a 或者 b
- [a-z] 匹配所有的小写字母
- [A-Z] 匹配大写字母
- [0-9] 匹配数字
- [a-zA-Z] 匹配所有的小写字母和大写字母
\d 匹配所有的数字等价于 [0-9]
\D 非数字
\s 空白
\S 非空白
\w 匹配字母、数字、下划线等同于 [a-zA-Z0-9_]
\W 非数字、非字母、非下划线

*. 代表转义字符 *

3.2 多个字符

* 表示前一个字符出现 0 次或者无限次
+ 表示前一个字符出现 1 次或者无限次
? 表示前一个字符出现 0 次或者 1 次（要不不出现，要不只能出现一次）
{m} 表示前一个字符，连续出现 m 次
{m,n} 表示前一个字符，连续出现最少 m 次，最多 n 次

m 一定要小于 n

3.3 匹配开头结尾

^ 的两个作用
- 表示以指定字符（后一个）开头
- 用在[]内部，用于取反
$ 表示以前一个字符结尾

4 re模块

re模块的作用： python 提供的用于正则操作的模块
re模块的使用步骤：
导入模块
使用 match() 方法进行检测
判断是否检测/匹配成功
取出匹配的具体内容

4.1 re.match函数

re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回 none。

函数语法：re.match(pattern, string, flags=0)

函数参数说明：

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。参见：正则表达式修饰符 - 可选标志

match() 方法一旦匹配成功，就是一个 match object 对象，这个对象有以下几种方法：

group()：返回被 RE 匹配的字符串
start()：返回匹配的开始位置
end()：返回匹配结束的位置
span()：返回一个元组包含匹配(开始，结束)的位置

4.2 分组匹配

表达式1|表达式2：匹配左右任意一个表达式
注意：| 的作用：或者关系，多个正则表达式满足任意一个都可以，即可以多个连用。表达式1|表达式2|表达式3|表达式4|表达式5|...
(ab)：将括号中的字符作为一个分组，即把括号里看为一个整体。
对于 python 的 re.match，若 result = re.match('^\w{4,20}@(126|qq|163)\.com$', '[email protected]')，可以使用 result.group(1) 查看具体匹配的哪一个，是126 或 qq 或 163。其中result.group(num)中的 num 代表正则表达式中的第几个括号
\num：引用分组 num 匹配到的字符串
为了防止转义字符的作用，在实际中可以将字符串前面加上 r，result = re.match(r'^<(html)>.*</\1>$', '<html>sfsaefafoshfioaghjhrhvifhgi</html>')
(?P<name>)：分组起别名
- (?P<name>)：分组起别名语法
- (?P=name)：引用别名为 name 分组匹配到的字符串
作用就是给分组起别名使其更加有意义，以便记忆和引用。
例如：result = re.match(r'^<(?P<name1>[a-z0-9]+)><(?P<name2>[a-z0-9]+)>.*</(?P=name2)></(?P=name1)>$', '<html><h1>sfsaefhvifhgi</h1></html>')

4.3 re.search方法

re.search 扫描整个字符串并返回第一个成功的匹配。匹配成功 re.search 方法返回一个匹配的对象，否则返回 None。

函数语法：re.search(pattern, string, flag=0)

函数参数说明：

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。参见：正则表达式修饰符 - 可选标志

search() 方法一旦匹配成功，就是一个 search object 对象，这个对象有以下几种方法：

group()：返回被 RE 匹配的字符串
start()：返回匹配的开始位置
end()：返回匹配结束的位置
span()：返回一个元组包含匹配(开始，结束)的位置

re.match 与 re.search 的区别与联系：
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。
联系：两者的语法重合度非常高，用法几乎相同。

4.4 re.findall方法

re.findall 在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果有多个匹配模式，则返回元组列表，如果没有找到匹配的，则返回空列表。

注意： match 和 search 是匹配一次 findall 匹配所有。

函数语法：
re.findall(pattern, string, flag=0)
或
pattern.findall(string,[, pos[, endpos]])

函数参数说明：

pattern：匹配模式。
string：待匹配的字符串。
pos：可选参数，指定字符串的起始位置，默认为 0。
endpos：可选参数，指定字符串的结束位置，默认为字符串的长度。

4.5 re.sub方法

re.sub 用于替换字符串中的匹配项，返回的是替换的字符串。

函数语法：re.sub(pattern, rep1, string, count=0, flags=0)

函数参数说明：

pattern : 正则中的模式字符串。
repl : 替换的字符串，也可为一个函数。
string : 要被查找替换的原始字符串。
count : 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配。
flags : 编译时用的匹配模式，数字形式。

前三个为必选参数，后两个为可选参数。

扩展，多行字符串的定义：

a = """aaaaaaaa
  bbbbbbbbbbb
  cccccccccc
  dddddddddd
  eeeeeeeeee"""

4.5 re.split方法

split 方法按照能够匹配的子串将字符串分割后返回列表

函数语法：re.split(pattern, string[, maxsplit=0, flag=0])

函数参数说明：

pattern：匹配的正则表达式
string：要匹配的字符串
maxsplit：分割次数，maxsplit=1 分割一次，默认为 0，不限制次数。
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。参见：正则表达式修饰符 - 可选标志

4.6 贪婪与非贪婪

贪婪：默认，表示在满足正则的情况尽可能多的取内容
非贪婪：表示在满足正则的情况下，尽可能少的取内容
贪婪的转变为非贪婪：在*、? 、+、{} 的后面再加上 ？就可以了

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，非贪婪则是相反，总是尝试匹配尽可能少的字符。
例如：result = re.match('aaa\d+', 'aaa1234') 贪婪的匹配结果为 aaa1234，而非贪婪的匹配结果为 aaa1
非贪婪常用在爬虫里获取链接，例如：<script type="text/javascript" src="https://dss0.bdstatic.com/5aV1bjqh_Q23odCf/static/superman/js/lib/jquery-1-edb203c114.10.2.js" style="box"></script>，src=".*" 贪心结果为：src="https://dss0.bdstatic.com/5aV1bjqh_Q23odCf/static/superman/js/lib/jquery-1-edb203c114.10.2.js" style="box"，src=".*?" 非贪心结果为：src="https://dss0.bdstatic.com/5aV1bjqh_Q23odCf/static/superman/js/lib/jquery-1-edb203c114.10.2.js"

4.7 r的作用

Python 中在字符串的前面加上 r 表示让字符串中的 \ （转义字符）不起作用，表示为原生字符的含义，即一个斜杠 \

最后修改：2022 年 01 月 19 日 12 : 46 PM

如果觉得我的文章对你有用，请随意赞赏

发表评论取消回复

评论 *

私密评论

名称 *

邮箱 *

地址

python 正则表达式课程笔记记录

LICCOO • 2022 年 01 月 19 日

1 概述

1.1 正则表达式简介

概念：又称规则表达式，在代码中常简写为 regex、regexp、RE,
作用
- 验证数据的有效性（查找）
- 替换文本内容
- 从字符串中提取字符串（爬虫思想）

1.2 正则表达式的构成

原子（普通字符，如英文字符）
元字符（有特殊功用的字符）
模式的修正字符

一个正则表达式中至少包含一个原子。

2 测试工具

能够使用 regexbuddy 进行正则验证 --- 因为正则表达式难于读写，容易出错。
使用
- 选择 Python3.6
- test 选项卡

3 匹配字符

3.1 单个字符

. 匹配任意单个字符 (除\n)
[] 列举，匹配 [] 中列举的内容
- [ab] 匹配 a 或者 b
- [a-z] 匹配所有的小写字母
- [A-Z] 匹配大写字母
- [0-9] 匹配数字
- [a-zA-Z] 匹配所有的小写字母和大写字母
\d 匹配所有的数字等价于 [0-9]
\D 非数字
\s 空白
\S 非空白
\w 匹配字母、数字、下划线等同于 [a-zA-Z0-9_]
\W 非数字、非字母、非下划线

*. 代表转义字符 *

3.2 多个字符

* 表示前一个字符出现 0 次或者无限次
+ 表示前一个字符出现 1 次或者无限次
? 表示前一个字符出现 0 次或者 1 次（要不不出现，要不只能出现一次）
{m} 表示前一个字符，连续出现 m 次
{m,n} 表示前一个字符，连续出现最少 m 次，最多 n 次

m 一定要小于 n

3.3 匹配开头结尾

^ 的两个作用
- 表示以指定字符（后一个）开头
- 用在[]内部，用于取反
$ 表示以前一个字符结尾

4 re模块

re模块的作用： python 提供的用于正则操作的模块
re模块的使用步骤：
导入模块
使用 match() 方法进行检测
判断是否检测/匹配成功
取出匹配的具体内容

4.1 re.match函数

re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回 none。

函数语法：re.match(pattern, string, flags=0)

函数参数说明：

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。参见：正则表达式修饰符 - 可选标志

match() 方法一旦匹配成功，就是一个 match object 对象，这个对象有以下几种方法：

group()：返回被 RE 匹配的字符串
start()：返回匹配的开始位置
end()：返回匹配结束的位置
span()：返回一个元组包含匹配(开始，结束)的位置

4.2 分组匹配

表达式1|表达式2：匹配左右任意一个表达式
注意：| 的作用：或者关系，多个正则表达式满足任意一个都可以，即可以多个连用。表达式1|表达式2|表达式3|表达式4|表达式5|...
(ab)：将括号中的字符作为一个分组，即把括号里看为一个整体。
对于 python 的 re.match，若 result = re.match('^\w{4,20}@(126|qq|163)\.com$', '[email protected]')，可以使用 result.group(1) 查看具体匹配的哪一个，是126 或 qq 或 163。其中result.group(num)中的 num 代表正则表达式中的第几个括号
\num：引用分组 num 匹配到的字符串
为了防止转义字符的作用，在实际中可以将字符串前面加上 r，result = re.match(r'^<(html)>.*</\1>$', '<html>sfsaefafoshfioaghjhrhvifhgi</html>')
(?P<name>)：分组起别名
- (?P<name>)：分组起别名语法
- (?P=name)：引用别名为 name 分组匹配到的字符串
作用就是给分组起别名使其更加有意义，以便记忆和引用。
例如：result = re.match(r'^<(?P<name1>[a-z0-9]+)><(?P<name2>[a-z0-9]+)>.*</(?P=name2)></(?P=name1)>$', '<html><h1>sfsaefhvifhgi</h1></html>')

4.3 re.search方法

re.search 扫描整个字符串并返回第一个成功的匹配。匹配成功 re.search 方法返回一个匹配的对象，否则返回 None。

函数语法：re.search(pattern, string, flag=0)

函数参数说明：

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。参见：正则表达式修饰符 - 可选标志

search() 方法一旦匹配成功，就是一个 search object 对象，这个对象有以下几种方法：

group()：返回被 RE 匹配的字符串
start()：返回匹配的开始位置
end()：返回匹配结束的位置
span()：返回一个元组包含匹配(开始，结束)的位置

re.match 与 re.search 的区别与联系：
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。
联系：两者的语法重合度非常高，用法几乎相同。

4.4 re.findall方法

注意： match 和 search 是匹配一次 findall 匹配所有。

函数语法：
re.findall(pattern, string, flag=0)
或
pattern.findall(string,[, pos[, endpos]])

函数参数说明：

pattern：匹配模式。
string：待匹配的字符串。
pos：可选参数，指定字符串的起始位置，默认为 0。
endpos：可选参数，指定字符串的结束位置，默认为字符串的长度。

4.5 re.sub方法

re.sub 用于替换字符串中的匹配项，返回的是替换的字符串。

函数语法：re.sub(pattern, rep1, string, count=0, flags=0)

函数参数说明：

pattern : 正则中的模式字符串。
repl : 替换的字符串，也可为一个函数。
string : 要被查找替换的原始字符串。
count : 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配。
flags : 编译时用的匹配模式，数字形式。

前三个为必选参数，后两个为可选参数。

扩展，多行字符串的定义：

a = """aaaaaaaa
  bbbbbbbbbbb
  cccccccccc
  dddddddddd
  eeeeeeeeee"""

4.5 re.split方法

split 方法按照能够匹配的子串将字符串分割后返回列表

函数语法：re.split(pattern, string[, maxsplit=0, flag=0])

函数参数说明：

pattern：匹配的正则表达式
string：要匹配的字符串
maxsplit：分割次数，maxsplit=1 分割一次，默认为 0，不限制次数。
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。参见：正则表达式修饰符 - 可选标志

4.6 贪婪与非贪婪

贪婪：默认，表示在满足正则的情况尽可能多的取内容
非贪婪：表示在满足正则的情况下，尽可能少的取内容
贪婪的转变为非贪婪：在*、? 、+、{} 的后面再加上 ？就可以了

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，非贪婪则是相反，总是尝试匹配尽可能少的字符。
例如：result = re.match('aaa\d+', 'aaa1234') 贪婪的匹配结果为 aaa1234，而非贪婪的匹配结果为 aaa1
非贪婪常用在爬虫里获取链接，例如：<script type="text/javascript" src="https://dss0.bdstatic.com/5aV1bjqh_Q23odCf/static/superman/js/lib/jquery-1-edb203c114.10.2.js" style="box"></script>，src=".*" 贪心结果为：src="https://dss0.bdstatic.com/5aV1bjqh_Q23odCf/static/superman/js/lib/jquery-1-edb203c114.10.2.js" style="box"，src=".*?" 非贪心结果为：src="https://dss0.bdstatic.com/5aV1bjqh_Q23odCf/static/superman/js/lib/jquery-1-edb203c114.10.2.js"

4.7 r的作用

Python 中在字符串的前面加上 r 表示让字符串中的 \ （转义字符）不起作用，表示为原生字符的含义，即一个斜杠 \

1 概述

1.1 正则表达式简介

1.2 正则表达式的构成

2 测试工具

3 匹配字符

3.1 单个字符

3.2 多个字符

3.3 匹配开头结尾

4 re模块

4.1 re.match函数

4.2 分组匹配

4.3 re.search方法

4.4 re.findall方法

4.5 re.sub方法

4.5 re.split方法

4.6 贪婪与非贪婪

4.7 r的作用

发表评论 取消回复

python 正则表达式课程笔记记录

1 概述

1.1 正则表达式简介

1.2 正则表达式的构成

2 测试工具

3 匹配字符

3.1 单个字符

3.2 多个字符

3.3 匹配开头结尾

4 re模块

4.1 re.match函数

4.2 分组匹配

4.3 re.search方法

4.4 re.findall方法

4.5 re.sub方法

4.5 re.split方法

4.6 贪婪与非贪婪

4.7 r的作用

发表评论取消回复