1.正則表達(dá)式概述

正則表達(dá)式，又稱正規(guī)表示式、正規(guī)表示法、正規(guī)表達(dá)式、規(guī)則表達(dá)式、常規(guī)表示法（英語：Regular Expression，在代碼中常簡寫為regex、regexp或RE），是計(jì)算機(jī)科學(xué)的一個(gè)概念。正則表達(dá)式使用單個(gè)字符串來描述、匹配一系列匹配某個(gè)句法規(guī)則的字符串。在很多文本編輯器里，正則表達(dá)式通常被用來檢索、替換那些匹配某個(gè)模式的文本。

Regular Expression的“Regular”一般被譯為“正則”、“正規(guī)”、“常規(guī)”。此處的“Regular”即是“規(guī)則”、“規(guī)律”的意思，Regular Expression即“描述某種規(guī)則的表達(dá)式”之意。

2.re操作模塊

在Python中需要通過正則表達(dá)式對字符串進(jìn)行匹配的時(shí)候，可以使用一個(gè)模塊，名字為re

2.1 re模塊的使用過程

#coding=utf-8

#導(dǎo)入re模塊

importre

#使用match方法進(jìn)行匹配操作

result = re.match(正則表達(dá)式,要匹配的字符串)

#如果上一步匹配到數(shù)據(jù)的話，可以使用group方法來提取數(shù)據(jù)

result.group()

re.match是用來進(jìn)行正則匹配檢查的方法，若字符串匹配正則表達(dá)式，則match方法返回匹配對象（Match Object），否則返回None（注意不是空字符串""）。

匹配對象Macth Object具有g(shù)roup方法，用來返回字符串的匹配部分。

2.2 re模塊示例（匹配以taobao開頭的語句）

#coding=utf-8

#導(dǎo)入re模塊

importre

#使用match方法進(jìn)行匹配操作

result = re.match(正則表達(dá)式,要匹配的字符串)

#如果上一步匹配到數(shù)據(jù)的話，可以使用group方法來提取數(shù)據(jù)

result.group()

說明

·re.match()能夠匹配出以xxx開頭的字符串

1.3表示字符

在上一小節(jié)中，了解到通過re模塊能夠完成使用正則表達(dá)式來匹配字符串

本小節(jié)，將要講解正則表達(dá)式的單字符匹配

中文

匹配中文字符的正則表達(dá)式：[\u4e00-\u9fa5]

例一：

importre

ret = re.match(".","a")

ret.group()

ret = re.match(".","b")

ret.group()

ret = re.match(".","M")

ret.group()

示例2：

#coding=utf-8

importre

#如果hello的首字符小寫，那么正則表達(dá)式需要小寫的h

ret = re.match("h","hello Python")

ret.group()

#如果hello的首字符大寫，那么正則表達(dá)式需要大寫的H

ret = re.match("H","Hello Python")

ret.group()

#大小寫h都可以的情況

ret = re.match("[hH]","hello Python")

ret.group()

ret = re.match("[hH]","Hello Python")

ret.group()

#匹配0到9第一種寫法

ret = re.match("[0123456789]","7Hello Python")

ret.group()

#匹配0到9第二種寫法

ret = re.match("[0-9]","7Hello Python")

ret.group()

#coding=utf-8

importre

#普通的匹配方式

ret = re.match("嫦娥1號","嫦娥1號發(fā)射成功")

printret.group()

ret = re.match("嫦娥2號","嫦娥2號發(fā)射成功")

printret.group()

ret = re.match("嫦娥3號","嫦娥3號發(fā)射成功")

printret.group()

#使用\d進(jìn)行匹配

ret = re.match("嫦娥\d號","嫦娥1號發(fā)射成功")

printret.group()

ret = re.match("嫦娥\d號","嫦娥2號發(fā)射成功")

printret.group()

ret = re.match("嫦娥\d號","嫦娥3號發(fā)射成功")

printret.group()

解決\w的問題

說明

·其他的匹配符參見后面章節(jié)的講解

1.1原始字符串

>>>mm ="c:\\a\\b\\c"

>>>mm

'c:\\a\\b\\c'

>>>print(mm)

c:\a\b\c

>>>print(mm)

c:\a\b\c

>>>re.match("c:\\\\",mm).group()

'c:\\'

>>>ret = re.match("c:\\\\",mm).group()

>>>print(ret)

c:\

>>>ret = re.match("c:\\\\a",mm).group()

>>>print(ret)

c:\a

>>>ret = re.match(r"c:\\a",mm).group()

>>>print(ret)

c:\a

>>>ret = re.match(r"c:\a",mm).group()

Traceback (most recent call last):

File"", line1,in

AttributeError:'NoneType'object has no attribute'group'

>>>

說明

Python中字符串前面加上r表示原生字符串，

與大多數(shù)編程語言相同，正則表達(dá)式里使用"\"作為轉(zhuǎn)義字符，這就可能造成反斜杠困擾。假如你需要匹配文本中的字符"\"，那么使用編程語言表示的正則表達(dá)式里將需要4個(gè)反斜杠"\\"：前兩個(gè)和后兩個(gè)分別用于在編程語言里轉(zhuǎn)義成反斜杠，轉(zhuǎn)換成兩個(gè)反斜杠后再在正則表達(dá)式里轉(zhuǎn)義成一個(gè)反斜杠。

Python里的原生字符串很好地解決了這個(gè)問題，有了原始字符串，你再也不用擔(dān)心是不是漏寫了反斜杠，寫出來的表達(dá)式也更直觀。

>>>ret = re.match(r"c:\\a",mm).group()

>>>print(ret)

c:\a

1.2表示數(shù)量

匹配多個(gè)字符的相關(guān)格式

示例1：*

需求：匹配出，一個(gè)字符串第一個(gè)字母為大小字符，后面都是小寫字母并且這些小寫字母可有可無

#coding=utf-8

importre

ret = re.match("[A-Z][a-z]*","Mm")

ret.group()

ret = re.match("[A-Z][a-z]*","Aabcdef")

ret.group()

示例2：+

需求：匹配出，變量名是否有效

#coding=utf-8

importre

ret = re.match("[a-zA-Z_]+[\w_]*","name1")

ret.group()

ret = re.match("[a-zA-Z_]+[\w_]*","_name")

ret.group()

ret = re.match("[a-zA-Z_]+[\w_]*","2_name")

ret.group()

示例3：?

需求：匹配出，0到99之間的數(shù)字

#coding=utf-8

importre

ret = re.match("[1-9]?[0-9]","7")

ret.group()

ret = re.match("[1-9]?[0-9]","33")

ret.group()

ret = re.match("[1-9]?[0-9]","09")

ret.group()

示例4：{m}

需求：匹配出，8到20位的密碼，可以是大小寫英文字母、數(shù)字、下劃線

#coding=utf-8

importre

ret = re.match("[a-zA-Z0-9_]{6}","12a3g45678")

ret.group()

ret = re.match("[a-zA-Z0-9_]{8,20}","1ad12f23s34455ff66")

ret.group()

練一練

題目1：匹配出163的郵箱地址，且@符號之前有4到20位，例如hello@163.com

1.6 表示邊界

示例1：$

需求：匹配163.com的郵箱地址

#coding=utf-8

importre

#正確的地址

ret = re.match("[\w]{4,20}@163\.com","xiaoWang@163.com")

ret.group()

#不正確的地址

ret = re.match("[\w]{4,20}@163\.com","xiaoWang@163.comheihei")

ret.group()

#通過$來確定末尾

ret = re.match("[\w]{4,20}@163\.com$","xiaoWang@163.comheihei")

ret.group()

示例2: \b

>>>re.match(r".*\bver\b","ho ver abc").group()

'ho ver'

>>>re.match(r".*\bver\b","ho verabc").group()

Traceback (most recent call last):

File"", line1,in

AttributeError:'NoneType'object has no attribute'group'

>>>re.match(r".*\bver\b","hover abc").group()

Traceback (most recent call last):

File"", line1,in

AttributeError:'NoneType'object has no attribute'group'

>>>

示例3：\B

>>>re.match(r".*\Bver\B","hoverabc").group()

'hover'

>>>re.match(r".*\Bver\B","ho verabc").group()

Traceback (most recent call last):

File"", line1,in

AttributeError:'NoneType'object has no attribute'group'

>>>re.match(r".*\Bver\B","hover abc").group()

Traceback (most recent call last):

File"", line1,in

AttributeError:'NoneType'object has no attribute'group'

>>>re.match(r".*\Bver\B","ho ver abc").group()

Traceback (most recent call last):

File"", line1,in

AttributeError:'NoneType'object has no attribute'group'

1.7 匹配分組

示例1：|

需求：匹配出0-100之間的數(shù)字

#coding=utf-8

import re

ret = re.match("[1-9]?\d","8")

ret.group()

ret = re.match("[1-9]?\d","78")

ret.group()

#不正確的情況

ret = re.match("[1-9]?\d","08")

ret.group()

#修正之后的

ret = re.match("[1-9]?\d$","08")

ret.group()

#添加|

ret = re.match("[1-9]?\d$|100","8")

ret.group()

ret = re.match("[1-9]?\d$|100","78")

ret.group()

ret = re.match("[1-9]?\d$|100","08")

ret.group()

ret = re.match("[1-9]?\d$|100","100")

ret.group()

示例2：( )

需求：匹配出163、126、qq郵箱之間的數(shù)字

#coding=utf-8

import re

ret = re.match("\w{4,20}@163\.com", "test@163.com")

ret.group()

ret = re.match("\w{4,20}@(163|126|qq)\.com", "test@126.com")

ret.group()

ret = re.match("\w{4,20}@(163|126|qq)\.com", "test@qq.com")

ret.group()

ret = re.match("\w{4,20}@(163|126|qq)\.com", "test@gmail.com")

ret.group()

練習(xí)：

>>>ret = re.match("([^-]*)-(\d+)","010-12345678")

>>>ret.group()

'010-12345678'

>>>ret.group(1)

'010'

>>>ret.group(2)

'12345678'

示例3：\

需求：匹配出hh

#coding=utf-8

import re

#能夠完成對正確的字符串的匹配

ret = re.match("<[a-zA-Z]*>\w*", "hh")

ret.group()

#如果遇到非正常的html格式字符串，匹配出錯(cuò)

ret = re.match("<[a-zA-Z]*>\w*", "hh")

ret.group()

#正確的理解思路：如果在第一對<>中是什么，按理說在后面的那對<>中就應(yīng)該是什么

#通過引用分組中匹配到的數(shù)據(jù)即可，但是要注意是元字符串，即類似r""這種格式

ret = re.match(r"<([a-zA-Z]*)>\w*", "hh")

ret.group()

#因?yàn)?對<>中的數(shù)據(jù)不一致，所以沒有匹配出來

ret = re.match(r"<([a-zA-Z]*)>\w*", "hh")

ret.group()

示例4：\number

需求：匹配出

www.taobao.com

#coding=utf-8

import re

ret = re.match(r"<(\w*)><(\w*)>.*", "

www.taobao.com

ret.group()

ret = re.match(r"<(\w*)><(\w*)>.*", "

www.taobao.com

ret.group()

示例5：(?P)(?P=name)

需求：匹配出

www.taobao.com

#coding=utf-8

import re

ret = re.match(r"<(?P\w*)><(?P\w*)>.*", "

www.taobao.com

ret.group()

ret = re.match(r"<(?P\w*)><(?P\w*)>.*", "

www.taobao.com

ret.group()

注意：

(?P)和(?P=name)中的字母p大寫

1.1re模塊的高級用法

1.1.1search

需求：匹配出文章閱讀的次數(shù)

import re

ret = re.search(r"\d+", "閱讀次數(shù)為9999")

ret.group()

1.1.2findall

需求：統(tǒng)計(jì)出python、c、c++相應(yīng)文章閱讀的次數(shù)

import re

ret = re.findall(r"\d+", "python = 9999, c = 7890, c++ = 12345")

print(ret)

1.1.3sub將匹配到的數(shù)據(jù)進(jìn)行替換

需求：將匹配到的閱讀次數(shù)加1

方法1：

import re

ret = re.sub(r"\d+", '998', "python = 997")

print ret

方法2：

import re

def add(temp):

strNum = temp.group()

num = int(strNum) + 1

return str(num)

ret = re.sub(r"\d+", add, "python = 997")

print ret

ret = re.sub(r"\d+", add, "python = 99")

print ret

l