微信公眾號：CodeId
有什么建議可以到公眾號里進行留言。
本篇文章主要介紹python有關正則表達式的使用。說到使用正則表達式，我們首先應該了解什么是正則表達式，簡單的說，正則表達式是一個描述字符串規則的代碼。比如說我們經常使用的郵箱:1234567@qq.com，1234567@163.com…你會發現他們都有一定的規則，而這個規則的描述就涉及到具體的正則表達式語法了，下面我們就來了解一些基礎的語法：
1. 最簡單的正則表達式
最簡單的正則表達式其實就是普通字符串，它可以匹配其自身。
比如：正則表達式 'CodeId' 可以匹配字符串 CodeId。
import re
result = re.search('CodeId','CodeId is very good')
print(result.group()) # CodeId
上述代碼是通過python的re(正則表達式)模塊對正則表達式的一個使用，其中re.search()方法的作用就是對整個字符串進行搜索，并返回第一個匹配的字符串的匹配對象，匹配失敗會返回 None，它的語法是：
re.search(pattern, string, flags=0)
-
pattern：表示使用的正則表達式 -
string：表示要匹配的字符串 -
flags：用來控制正則表達式匹配規則的標志位
group()方法的作用是：返回匹配的一個或多個子字符串
2. 限制數量的表達式（限定符）
在講解限定符之前，先講解一下什么是貪婪模式和非貪婪模式
貪婪模式：是盡可能多的匹配。限定符默認都是貪婪模式的。
非貪婪模式：是盡可能少的匹配。
比如我有一個書柜可以放1到100本書，貪婪模式就是放盡可能的接近或等于100本書，而非貪婪模式就是放盡可能的接近或等于1本書。
一、*:
作用：匹配前面的子表達式零次或者多次。
比如：ab*它會匹配a,ab,abb或者a后面任意數量的b
import re
result1 = re.search('ab*','a')
print(result1.group()) # a
result2 = re.search('ab*','abbb')
print(result2.group()) # abbb
二、+:
作用：匹配前面的子表達式一次或者多次
比如：ab+它會匹配ab,abb,abb或者ab后面任意數量的b
注意：*和+的區別就是：+中的a后面至少有一個b，而*中的a后面可以沒有b。
result1 = re.search('ab+','a')
print(result1) # None
result2 = re.search('ab+','abbb')
print(result2.group()) # abbb
三、?:
作用1：匹配前面的子表達式零次或者一次
比如：ab?可以匹配a或者ab
result1 = re.search('ab?','a')
print(result1.group()) # a
result2 = re.search('ab?','abbb')
print(result2.group()) # ab
作用2：指定限定符為非貪婪模式。
比如：ab*?匹配字符串abbb會返回a
result1 = re.search('ab*','abbb')# 貪婪模式
print(result1.group()) # abbb
result2 = re.search('ab*?','abbb')# 非貪婪模式
print(result2.group()) # a
result3 = re.search('ab+','abbb')# 貪婪模式
print(result3.group()) # abbb
result4 = re.search('ab+?','abbb')# 非貪婪模式
print(result4.group()) # ab
四、{n}:
作用：對前面的子表達式重復n次，n是一個非負整數。
比如：Co{2}deId可以匹配CoodeId，但是不可以匹配CodeId
result = re.search('Co{2}deId','CoodeId')
print(result.group())# CoodeId
result = re.search('Co{2}deId','CodeId')
print(result) # None
五、{n,m}:
作用：對前面的子表達式重復n到m次，n,m是一個非負整數并且n<=m。其中n和m是可以省略其中一個。比如：
-
{n,}:表示對前面的子表達式至少重復n次。 -
{,m}:表示對前面的子表達式至多重復m次。
result = re.search('Co{2,}deId','CooodeId')
print(result.group())# CooodeId
result = re.search('Co{,2}deId','CodeId')
print(result.group()) # CodeId
result = re.search('Co{2,4}deId','CooodeId')
print(result.group()) # CooodeId
3.定位符號
定位符用來描述字符串或單詞的邊界。指定在字符串的什么位置開始匹配。
定位符號如下：
一、^:
作用1：匹配字符串開始的位置。如果是多行模式，還會與\n,\r之后的位置匹配。
比如：^CodeId會匹配CodeId,CodeIda,不會匹配aCodeId
result = re.search('^CodeId','CodeIda')
print(result.group()) # CodeId
result = re.search('^CodeId','aCodeIda')
print(result) # None
result = re.search('^CodeId','a\nCodeIda',re.MULTILINE) # 多行模式下
print(result.group()) # CodeId
re.MULTILINE是設置為多行模式
作用2：^在方括號表達式中使用，表示不的意思。
比如：[^1]表示匹配不是字符1。
result = re.search('[1]','a1')
print(result.group()) # 1
result = re.search('[^1]','a1')
print(result.group()) # a
二、$:
作用：匹配字符串結尾的位置。如果是多行模式，還會與\n,\r之前的位置匹配。
比如：ab$會匹配cdab,asab。
result = re.search('ab$','cdab')
print(result.group()) # ab
result = re.search('ab$','abcd')
print(result) # None
三、\b:
作用：匹配單詞的開始或結束的位置.
比如：ry\b就是匹配單詞中以ry結尾匹配項。\bis是匹配單詞中以is開始的匹配項
result = re.search(r'ry\b','CodeId is very good')
print(result.group()) # ry
result = re.search(r'\bis','CodeId is very good')
print(result.group()) # is
result = re.search(r'\babc\b','bc abc abc')
print(result.group()) # abc
四、\B:
作用：不是匹配單詞開始或結束的位置，和\b是相反的。
比如：\Ba它表示匹配不以a開始的單詞，所以可以匹配bac,cba但是不能匹配abc
result = re.search(r'\Ba','bac')
print(result.group()) # a
result = re.search(r'\Ba','abc')
print(result) # None
4.一般字符
一、.:
作用：匹配除換行符之外的任何單個字符。
比如：ab.可以匹配abc,abd,abe等等
result = re.search(r'Co.e.d','CodeId')
print(result.group()) # CodeId
二、\:
作用：轉義字符，改變后面一個字符原本的字符意思。
比如：n原本匹配字符n,但是在前面加上\之后就變成\n，用來匹配換行符。
result = re.search(r'Co\n.','Co\ndeId')
print(result.group())
'''
Co
d
'''
三、[]:
作用：字符集合。匹配集合中所包含的任意一個字符。其中集合中的元素可以一一列出，也可以寫范圍。
比如：[abco]可以匹配CodeId中的o。[0-9]等同于[0123456789]。
result = re.search(r'[0-9]','a1b')
print(result.group()) # 1
result = re.search(r'[oI]','CodeId')
print(result.group()) # o
注意：如果[]里面的第一個字符是^,那么表示取反的意思。比如：[^0-9]表示匹配不是數字的字符。
result = re.search(r'[^0-9]','a1b')
print(result.group()) # a
四、|:
作用：或的意思
比如：x|y表示先匹配x表達式如果不成功就匹配y表達式。
result = re.search(r'ab|ac','abc')
print(result.group()) # ab
5.分組
分組不是對數據進行分組，而是對匹配的表達式進行分組。看一下下面的講解應該會明白一些。
一、(...):
作用：可以匹配括號中的任何表達式，同時也標志著組的開始和結束。當表達式中有多個括號時，從左向右，第一個左括號為第一組，第二個左括號為第二組，以此類推。
比如：(a){2}(b){3}會匹配aabbb，其中a是第一組，b是第二組
result = re.search(r'(a){2}(b){3}(c*)','aabbb')
print(result.group()) # aabbb
print(result.groups()) # ('a', 'b', '')
注意：result.groups()的作用是返回所有匹配的子組的元組,比如上面a,b都匹配上了，而c沒有匹配上所以返回c組為空
二、(?P<name>...):
作用：在分組的同時，為組起一個名稱，這個組名稱必須是有效的Python標識符，并且每個組名稱只能在正則表達式中定義一次。
比如：(?P<A>a)就是為組起了一個名稱A.
result = re.search(r'(?P<A>a){2}(b){3}(a*)','aabbb')
# 通過組名稱來組的匹配內容
print(result.group('A')) # a
三、(?P=name):
作用：引用表達式前面組中名稱為name的組的匹配內容。
比如：(?P<A>.){2}(b){3}(?P=A)匹配的字符可以是aabbba，ccbbbc,ddbbbd….
result = re.search(r'(?P<A>.){2}(b){3}(?P=A)','aabbba')
print(result.group()) # aabbba
四、\number:
作用：引用表達式中編號為number的組的匹配內容。
比如：([0-9])([a-z])\1匹配的字符串有1a1,2s2,6a6…
result = re.search(r'([0-9])([a-z])\1','6a6')
print(result.group())# 6a6
6.反向引用
反向引用涉及到組(被圓括號括起來的部分)，組在匹配到內容時，會存儲到緩沖區，按照存儲的先后順序，分別編號為1,2,3…99，最高到99。每個緩沖區的內容可以使用\number的方式進行訪問調用。
7.非獲取匹配
非獲取匹配：就是組中匹配的內容不進行緩存，不供以后使用
一、(?:...):
作用：可以匹配括號中的任何表達式，但是不進行緩存以供后面使用。
比如：(?:123)abc\1表達式會報錯，因為前面的組沒有進行緩存，\1調用時會失敗。
二、(?=...):
作用：起到一個條件約束的功能，約束括號前面的字符串。看做如果是...
比如：ab(?=c)會匹配abc中的ab但是不會匹配abd中的ab。換一種說法就是：如果ab的后面是c就匹配成功，否則失敗。
result = re.search(r'ab(?=c)','abc')
print(result.group()) # ab
result = re.search(r'ab(?=c)','abd')
print(result) # None
三、(?!...):
作用：起到一個條件約束的功能，約束括號前面的字符串。看做如果不是...
比如：ab(?!c)會匹配abd中的ab但是不會匹配abc中的ab。換一種說法就是：如果ab的后面不是c就匹配成功，否則失敗。
result = re.search(r'ab(?!c)','abc')
print(result) # None
result = re.search(r'ab(?!c)','abd')
print(result.group()) # ab
四、(?<=...):
作用：起到一個條件約束的功能，約束括號后面的字符串。看做如果前面是...
比如：(?<=c)ab會匹配cab中的ab,但是不會匹配dab中的ab。換一種說法就是：如果ab的前面是c就匹配成功，否則失敗。
result = re.search(r'(?<=c)ab','cab')
print(result.group()) # ab
result = re.search(r'(?<=c)ab','dab')
print(result) # None
五、(?<!...):
作用：起到一個條件約束的功能，約束括號后面的字符串。看做如果前面不是...
比如：(?<!c)ab會匹配dab中的ab但是不會匹配cab中的ab。換一種說法就是：如果ab的前面不是c就匹配成功，否則失敗。
result = re.search(r'(?<!c)ab','cab')
print(result) # None
result = re.search(r'(?<!c)ab','dab')
print(result.group()) # ab
8.表達式的注釋
注釋在表達式中起到解釋說明的作用。
一、(?#...):
作用：起到注釋作用，括號中的字符在表達式中運行時，不啟動用。
比如：a(?#letter)只會匹配單個字符a,而letter是解釋說明a是一個字母,方便閱讀。
result = re.search(r'a(?#letter)','cab')
print(result.group()) # a
9.預定義
就是提前設定好一些字符代表什么意思，用來替換一些復雜的字符。
一、\d和\D:
代表：一個表示[0-9]，另一個表示[^0-9],它倆是對立的。
作用：\d表示匹配0-9中任意一個數字。\D表示匹配非數字的字符。
比如：a\d可以匹配a1,a0,a2,a6…；而a\D表示匹配aa,ab,a;只要a后面不是數字就行。
result = re.search(r'a\d','a1')
print(result.group()) # a1
result = re.search(r'a\D','a1')
print(result) # None
二、\w和\W:
代表：一個表示'[A-Za-z0-9_],另一個表示'[^A-Za-z0-9_],它倆是對立的。
作用：\w表示匹配字母、數字、下劃線；\W表示匹配非字母數字下劃線。
比如：\w+匹配13，時會得到13,而\W+匹配時只會匹配到，
result = re.search(r'\w+','13,')
print(result.group()) # 13
result = re.search(r'\W+','13,')
print(result.group()) # ,
三、\s和\S:
代表：一個表示[ \f\n\r\t\v],另一個表示[^ \f\n\r\t\v];
作用：\s表示匹配任何空白字符，包括空格、制表符、換頁符等等，而\S表示匹配任何非空白字符。
比如：a\sc可以匹配a c，而a\Sc卻不能。
result = re.search(r'a\sc','a c')
print(result.group()) # a c
result = re.search(r'a\Sc','a c')
print(result) # None
四、\A和\Z:
作用：\A表示匹配字符串的開頭，\Z表示匹配字符串的結尾。
比如：\Aa會匹配字符串abcdcba中，開始的a,a\Z會匹配字符串abcdcba中結尾處的a。
result = re.search(r'\Aa','abcdcba')
print(result) # <_sre.SRE_Match object; span=(0, 1), match='a'>
result = re.search(r'a\Z','abcdcba')
print(result) # <_sre.SRE_Match object; span=(6, 7), match='a'>
今天的學習暫時告一段落，后面會不定時更新的。送大家一句話人必須相信自己，這是成功的秘訣
下面是我的公眾號:CodeId 歡迎關注
