python正则表达式(一)

为什么要使用正则表达式

• 在软件开发过程中，经常涉及到大量的关键字等各种字符串的操作，使用正则表达式能很大简化开发的复杂度和开发效率，所以在Python中正则表达式在字符串的查询匹配操作中占据很重要的地位。

• Python中的re模块
  Python 为了方便使用正则，提供了re模块

import re  # 引入re模块
dir(re)   # 查看方法属性

• re中的方法
  match方法

  
  aste_Image.png

  re.match(p, str) # p 匹配格式

• 常见的元字符

* 匹配所有

Paste_Image.png

. 匹配任意一个字符（\n除外）

Paste_Image.png

元字符
.匹配除换行符以外的所有字符
\S匹配任意非空字符
\d匹配数字
\D匹配非数字
\b匹配单词的开始或结束
^匹配字符串的开始
$匹配字符串的结束
[]匹配[]中列举的字符
\w匹配字母或数字下划线或汉字0-9，a-z,A-Z, _(下划线)，汉字和其他国家的语言符号
\W匹配非字母或数字或下划线或汉字，跟\w正好相反
\s匹配任意的空白符

Paste_Image.png

字符转义

• 如果你想查找元字符本身的话，比如你查找.,或者*,就出现了问题：你没法指定它们，因为它们会被解释成其它的意思。这时你就必须使用\来取消这些字符的特殊意义。因此，你应该使用.和*。当然，要查找\本身，你也得用\\.

重复

Paste_Image.png

反义

• 有时需要查找不属于某个能简单定义的字符类的字符。比如想查找除了数字以外，其它任意字符都行的情况，这时需要用到反义：

Paste_Image.png

分组

• 我们已经提到了怎么重复单个字符（直接在字符后面加上限定符就行了）；但如果想要重复一个字符串又该怎么办？你可以用小括号来指定子表达式(也叫做分组)，然后你就可以指定这个子表达式的重复次数了，你也可以对子表达式进行其它一些操作。

re.match("\d+(183|192|168)\s","452183 ")

re.match("\d+(183|192|168)\s","452183 ").group()

re.match("\d+(183|192|168)\s","452183 ").group(1) #注意当输入1的结果

re.match("\d+(183|192|168)\.(li|wang|liu)","452168.wang").group(2) 

re.match("(.*)-(\d+)","0931-5912872 ").group(2) #小括号的使用场景，特别方便

re.match("<[a-zA-Z]*>\w*</[a-zA-Z]*>","<a>liujianhong</a>") #看似正确，其实Error

re.match("<[a-zA-Z]*>\w*</[a-zA-Z]*>","<a>liujianhong</html>") #这个就是漏洞

re.match(r"<([a-zA-Z] *)>\w*</ \1>","<a>liujianhong</html>") #此时\1表示第一个括号中的值

re.match("<([a-zA-Z] *)>\w*</ \\1>","<a>liujianhong</html>") #这样也行

后向引用(了解)

• 后向引用用于重复搜索前面某个分组匹配的文本。例如，\1代表分组1匹配的文本。最好还是拿例子来说明吧：

  re.match(r"<(\w*)><(\w*)>.*</\2></\1>","<a><span>liujianhong</span></a>")


  re.match(r"<(?P<n1>\w*)><(?P<n2>\w*)>.*</(?P=n2)></(?P=n1)>","<a><span>liujiang</span></a>")

注意：?P<name> 和?P=name中的P必须大写。