正则表达式

特殊字符：
（1）^$*?+{2}{2,}{2,5}
（2）[][^][a-z]
（3）\s \S \w \W
（4）[\u4E00-\u9FA5] () \d

总结表

• ^: 表达必须以某一字符开头的含义，^1即为字符串以1开头.

• 就是说明字符串是以3结尾

• . ： 替代一个任意字符（中英文 大小写等等）

• *： 某一字符重复多次，放在该字符后>=0

import re

line="booby123"
regex_str="^b.*"
if re.match(regex_str,line):
    print("yes")

• ?： 克服贪婪匹配方式，在量词后面直接加上一个问号？就是非贪婪模式。

import re

line="booby123"
regex_str="^b.*"
if re.match(regex_str,line):
    print("yes")

匹配中的贪婪模式

import re

line="boooooobby123"
regex_str=".*(b.*b).*"
match_obj=re.match(regex_str,line)
if match_obj:
    print(match_obj.group(1))

输出结果为bb

原因是正则表达式的贪婪匹配模式。

贪婪匹配:正则表达式一般趋向于最大长度匹配，也就是所谓的贪婪匹配。

非贪婪匹配：就是匹配到结果就好，就少的匹配字符。

import re

line="boooooobby123"
regex_str=".*?(b.*b).*？"
match_obj=re.match(regex_str,line)
if match_obj:
    print(match_obj.group(1))

默认是贪婪模式；在量词后面直接加上一个问号？就是非贪婪模式。在本例中就是在*后加上？

• +： 前面的字符必须至少出现一次 >=1

没有+的情况：

import re

line="boooooobnnvccbby123"
regex_str=".*(b.*b).*"
match_obj=re.match(regex_str,line)
if match_obj:
    print(match_obj.group(1))
    
结果：bb

有+的情况

import re

line="boooooobnnvccbby123"
regex_str=".*(b.+b).*"
match_obj=re.match(regex_str,line)
if match_obj:
    print(match_obj.group(1))
    
结果：bnnvccbb

即使是贪婪匹配方式，也不会输出bb

• {2}： 限定前面字符出现的次数，{2}表示限定前面的字符出现2次。

import re

line="boooooobnnvccbaby123"
regex_str=".*(b.{1}b).*"
match_obj=re.match(regex_str,line)
if match_obj:
    print(match_obj.group(1))
    
结果：bab

• {2,}： 前面一个字符出现大于两次
• {2,5}：前面一个字符出现大于等于2次且小于等于5次

import re

line="boooooobnnvccbaaaby123"
regex_str=".*(b.{1,3}b).*"
match_obj=re.match(regex_str,line)
if match_obj:
    print(match_obj.group(1))
    
结果：baaab

• |:表示或的关系，例如booby|booby123表达提取booby或booby123，哪个在前优先匹配哪一个。

import re

line="booby123"
regex_str="(booby|booby123)"
match_obj=re.match(regex_str,line)
if match_obj:
    print(match_obj.group(1))

import re

line="booby123"
regex_str="(booby|boooby)123"
match_obj=re.match(regex_str,line)
if match_obj:
    print(match_obj.group(1))
   
//局部匹配 前面满足booby或boooby均可以

• []：表示只要满足中括号中的任意字符即可。

import re

line="booby123"
regex_str="([abcd]ooby123)"
match_obj=re.match(regex_str,line)
if match_obj:
    print(match_obj.group(1))

• [0-9]表示范围限制在0-9之间匹配任意数值均可。

import re

line="15764289384"
regex_str="(1[3578][0-9]{9})"
match_obj=re.match(regex_str,line)
if match_obj:
    print(match_obj.group(1))
    
字符串要求:第一位数字为1，第二位数字为3 5 7 8 中的任意一个，之后为9个0-9之间的字符
    
    （^表示非 只要非1就可以 即如果未15SSSSSSSSS也符合要求）

• 中括号中的*就是星号，.就是点号，不再具有上面所说的特殊替代含义。
• \s： 表示空格

import re

line="你 好"
regex_str="(你\s好)"
match_obj=re.match(regex_str,line)
if match_obj:
    print(match_obj.group(1))
    
输出 你好

• \S：只要不为空格都可以

import re

line="你很不好"
regex_str="(你\S+好)"
match_obj=re.match(regex_str,line)
if match_obj:
    print(match_obj.group(1))

• \w： 表示任意字符[A-Z，a-z, 0-9,_]，匹配字母或数字或下划线或汉字

import re

line="你S好"
regex_str="(你\w好)"
match_obj=re.match(regex_str,line)
if match_obj:
    print(match_obj.group(1))

• \W: 和\w相对应的字符

• [\u4E00-\u9FA5] :代表汉字

import re

line="你 好"
regex_str="([\u4E00-\u9FA5]+)"
match_obj=re.match(regex_str,line)
if match_obj:
    print(match_obj.group(1))
    
结果为 你

使用该替代提取大学名称

import re

line="stydy in 南京大学"
regex_str=".*?([\u4E00-\u9FA5]+大学)"
match_obj=re.match(regex_str,line)
if match_obj:
    print(match_obj.group(1))

结果为 南京大学

• \d：代表数字

import re

line="XXX出生于2001年"
regex_str=".*?(\d+)年"
match_obj=re.match(regex_str,line)
if match_obj:
    print(match_obj.group(1))

正则表达式小练习：匹配不同的出生日期写法

import re

#line="XXX出生于2001年6月1日"
#line="XXX出生于2001/6/1"
#line="XXX出生于2001-06-01"
line="XXX出生于2001-06"
regex_str= '.*?出生于(\d{4}[年/-]\d{1,2}([月/-]\d{1,2}|[月/-]$|$))'
match_obj=re.match(regex_str,line)
if match_obj:
    print(match_obj.group(1))
    

https://www.cnblogs.com/chengege/p/11190782.html