一、基本简介：
1. 定义：即文本的高级匹配模式，提供搜索，替换等功能。其本质是由一系列字符和特殊符号构成的字串，这个字串即正则表达式。
2. 原理：通过普通字符和有特定含义的字符，来组成字符串，用以描述一定的字符串规则，比如：重复，位置等，来表达某类特定的字符串，进而匹配。
3. 目标
- 熟练掌握正则表达式元字符
- 能够读懂常用正则表达式，编辑简单的正则规则
- 能够熟练使用re模块操作正则表达式
二、元字符使用：
1.普通字符：
- 匹配规则：每个普通字符匹配其对应的字符
- 例子：re.findall(\'ab\',"abcdefabcd")
- # [\'ab\', \'ab\']
注意事项：正则表达式在python中也可以匹配中文
2.元字符：| （或关系）
- 匹配规则：匹配 | 两侧任意的正则表达式即可
- 例子：re.findall(\'com|cn\',"www.baidu.com/www.tmooc.cn")
- #[\'com\', \'cn\']
3.元字符：. （匹配单个元字符）
- 匹配规则：匹配除换行外的任意一个字符
- 例子：re.findall(\'张.丰\',"张三丰,张四丰,张五丰")
- # [\'张三丰\', \'张四丰\', \'张五丰\']
4.元字符： [字符集]
- 匹配规则: 匹配字符集中的任意一个字符
- 表达形式:
- [abc#!好] 表示 [] 中的任意一个字符
- [0-9],[a-z],[A-Z] 表示区间内的任意一个字符
- [_#?0-9a-z] 混合书写，一般区间表达写在后面
- 例子：re.findall(\'[aeiou]\',"How are you!")
- # [\'o\', \'a\', \'e\', \'o\', \'u\']
5.元字符：[^字符集] （匹配反字符集）
- 匹配规则：匹配除了字符集以外的任意一个字符
- 例子：re.findall(\'[^0-9]\',"Use 007 port")
- #[\'U\', \'s\', \'e\', \' \', \' \', \'p\', \'o\', \'r\', \'t\']
6.元字符：^ \A
- 匹配规则：匹配字符串开始位置
- 例子：re.findall(\'^Jame\',"Jame,hello")
- #[\'Jame\']
7.元字符：$ \Z
- 匹配规则：匹配目标字符串的结尾位置
- 例子：re.findall(\'Jame$\',"Hi,Jame")
- #[\'Jame\']
规则技巧: ^ 和 $必然出现在正则表达式的开头和结尾处。如果两者同时出现，则中间的部分必须匹配整个目标字符串的全部内容。
8.元字符：*
- 匹配规则：匹配前面的字符出现0次或多次
- 例子：re.findall(\'wo*\',"wooooo~~w!")
- #[\'wooooo\', \'w\']
9.元字符：+
- 匹配规则：匹配前面的字符出现1次或多次
- 例子：re.findall(\'[A-Z][a-z]+\',"Hello World")
- #[\'Hello\', \'World\']
10.元字符：?
- 匹配规则：匹配前面的字符出现0次或1次
- 例子：匹配手机号 re.findall(\'-?[0-9]+\',"Jame,age:18, -26")
- #[\'18\', \'-26\']
11.元字符：{n}
- 匹配规则：匹配前面的字符出现n次
- 例子：re.findall(\'1[0-9]{10}\',"Jame:13886495728")
- #[\'13886495728\']
12.元字符：{m,n}
- 匹配规则： 匹配前面的字符出现m-n次
- 例子：匹配QQ号 re.findall(\'[1-9][0-9]{5,10}\',"Baron:1259296994")
- #[\'1259296994\']
13.元字符：\d \D
- 匹配规则：\d 匹配任意数字字符，\D 匹配任意非数字字符
- 例子：匹配端口 re.findall(\'\d{1,5}\',"Mysql: 3306, http:80")
- #[\'3306\', \'80\']
14.元字符：\w \W
- 匹配规则：\w 匹配普通字符，\W 匹配非普通字符
- 说明: 普通字符指数字，字母，下划线，汉字。
- 例子： re.findall(\'\w+\',"server_port = 8888")
- #[\'server_port\', \'8888\']
15.元字符：\s \S
- 匹配规则：\s 匹配空字符，\S 匹配非空字符
- 说明:空字符指 空格 \r \n \t \v \f 字符
- 例子： re.findall(\'\w+\s+\w+\',"hello world")
- #[\'hello world\']
16.元字符：\s \S
- 匹配规则：\s 匹配空字符，\S 匹配非空字符
- 说明:空字符指 空格 \r \n \t \v \f 字符
- 例子： re.findall(\'\w+\s+\w+\',"hello world")
- #[\'hello world\']
17.元字符：\b \B
- 匹配规则：\b 表示单词边界，\B 表示非单词边界
- 说明:单词边界指数字字母(汉字)下划线与其他字符的交界位置。
- 例子：re.findall(r\'\bis\b\',"This is a test.")
- #[\'is\']
三、普通字符集的替换
| 正则 | 扩充表达式 | 匹配 |
| \d |
[0-9] |
数字字符 |
| \D |
[^0-9] |
非数字字符 |
| \w |
[a-zA-Z0-9] |
数字字母下划线 |
| \W |
[^\w] |
相反 |
| \s |
[_\r\t\n\f] |
表格,换行等空白区域 |
| \S |
[^\s] |
非空白区域 |
四、计数符
|
正则 |
匹配 |
|
* + ? {n} {n,m} {n,} |
零或多 一或多 零或一 出现n次 n到m次 至少n次 |
五、正则表达式的转义
1. 如果使用正则表达式匹配特殊字符则需要加 \ 表示转义。
- 特殊字符: . * + ? ^ $ [] () {} | \
- 匹配特殊字符 . 时使用 \. 表示本身含义
- 例子1：re.findall(\'-?\d+\.?\d*\',"123,-123,1.23,-1.23")
- #[\'123\', \'-123\', \'1.23\', \'-1.23\']
- 例子2：s="1992年5月2日出生于中国，中国内地影视女演员-12,12.34,1/0,40%,-1.6"
- r=re.findall(\'-?\d+\.?/?\d*%?\',s)
- #[\'1992\', \'5\', \'2\', \'-12\', \'12.34\', \'1/0\', \'40%\', \'-1.6\']
2. 在编程语言中，常使用原生字符串书写正则表达式避免多重转义的麻烦。
- python字符串 --> 正则 --> 目标字符串
- "\\$\\d+" 解析为 \$\d+ 匹配 "$100"
- "\\$\\d+" 等同于 r"\$\d+"
六、贪婪模式和非贪婪模式
贪婪模式: 默认情况下，匹配重复的元字符总是尽可能多的向后匹配内容。比如: * + ? {m,n}
非贪婪模式(懒惰模式): 让匹配重复的元字符尽可能少的向后匹配内容。
贪婪模式转换为非贪婪模式
在匹配重复元字符后加 \'?\' 号即可
* : *? #1
+ : +? #1
? : ?? #0
{m,n} : {m,n}? #n
- 例子: re.findall(r\'\(.+?\)\',"(abcd)efgh(higk)")
- # [\'(abcd)\', \'(higk)\']
七、正则表达式分组
1.定义：
在正则表达式中，以（）建立正则表达式的内部分组，子组是正则表达式的一部分，可以作为内部整体操作对象。
2.作用：
(1)可以别作为整体操作，改变元字符的操作对象。
#(1)改变 +号 重复的对象 re.search(r\'(ab)+\',"ababababab").group() #\'ababababab\' #(2)改变 |号 操作对象 re.search(r\'(王|李)\w{1,3}\',"王者荣耀").group() #\'王者荣耀\'
(2)可以通过编程语言某些借口获取陪陪内容中子组对应的内容部分
#获取url协议类型 re.search(r\'(https|http|ftp|file)://\S+\',"https://www.baidu.com").group(1)
3.捕获组:
可以给正则表达式的子组起一个名字，表达该子组的意义。这种有名称的子组即为捕获组
格式:"(?P<name>pattern)"
#给子组命名为 "pig" re.search(r\'(?P<pig>ab)+\',"ababababab").group(\'pig\') #\'ab\'
4.注意事项:
- 一个正则表达式中可以包含多个子组
- 子组可以嵌套，但是不要重叠或者嵌套结构复杂
- 子组序列号一般从外到内，从左到右计数
八、正则表达式原则
1.正确性，能够正确的匹配出目标字符串。
2.排他性，除了目标字符串意外尽可能少的匹配其他内容。
3.全面性，尽可能考虑到目标字符串的所有情况，不遗漏。