正则表达式
1.正则表达式概述
正则表达式，又称正规表示式、正规表示法、正规表达式、规则表达式、常规表示法（英语：Regular Expression，在代码中常简写为regex、regexp或RE），是计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。在很多文本编辑器里，正则表达式通常被用来检索、替换那些匹配某个模式的文本。
Regular Expression的“Regular”一般被译为“正则”、“正规”、“常规”。此处的“Regular”即是“规则”、“规律”的意思，Regular Expression即“描述某种规则的表达式”之意。
2.re操作模块
在Python中需要通过正则表达式对字符串进行匹配的时候，可以使用一个模块，名字为re
2.1 re模块的使用过程
#coding=utf-8
#导入re模块
importre
#使用match方法进行匹配操作
result = re.match(正则表达式,要匹配的字符串)
#如果上一步匹配到数据的话，可以使用group方法来提取数据
result.group()
re.match是用来进行正则匹配检查的方法，若字符串匹配正则表达式，则match方法返回匹配对象（Match Object），否则返回None（注意不是空字符串""）。
匹配对象Macth Object具有group方法，用来返回字符串的匹配部分。
2.2 re模块示例（匹配以taobao开头的语句）
#coding=utf-8
#导入re模块
importre
#使用match方法进行匹配操作
result = re.match(正则表达式,要匹配的字符串)
#如果上一步匹配到数据的话，可以使用group方法来提取数据
result.group()
说明
·re.match()能够匹配出以xxx开头的字符串
1.3表示字符
在上一小节中，了解到通过re模块能够完成使用正则表达式来匹配字符串
本小节，将要讲解正则表达式的单字符匹配
中文
匹配中文字符的正则表达式：[\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的首字符小写，那么正则表达式需要小写的h
ret = re.match("h","hello Python")
ret.group()
#如果hello的首字符大写，那么正则表达式需要大写的H
ret = re.match("H","Hello Python")
ret.group()
#大小写h都可以的情况
ret = re.match("[hH]","hello Python")
ret.group()
ret = re.match("[hH]","Hello Python")
ret.group()
#匹配0到9第一种写法
ret = re.match("[0123456789]","7Hello Python")
ret.group()
#匹配0到9第二种写法
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号","嫦娥1号发射成功")
printret.group()
ret = re.match("嫦娥2号","嫦娥2号发射成功")
printret.group()
ret = re.match("嫦娥3号","嫦娥3号发射成功")
printret.group()
#使用\d进行匹配
ret = re.match("嫦娥\d号","嫦娥1号发射成功")
printret.group()
ret = re.match("嫦娥\d号","嫦娥2号发射成功")
printret.group()
ret = re.match("嫦娥\d号","嫦娥3号发射成功")
printret.group()
解决\w的问题
说明
·其他的匹配符参见后面章节的讲解
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'
>>>
说明
Python中字符串前面加上r表示原生字符串，
与大多数编程语言相同，正则表达式里使用"\"作为转义字符，这就可能造成反斜杠困扰。假如你需要匹配文本中的字符"\"，那么使用编程语言表示的正则表达式里将需要4个反斜杠"\\"：前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。
Python里的原生字符串很好地解决了这个问题，有了原始字符串，你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观。
>>>ret = re.match(r"c:\\a",mm).group()
>>>print(ret)
c:\a
1.2表示数量
匹配多个字符的相关格式
示例1：*
需求：匹配出，一个字符串第一个字母为大小字符，后面都是小写字母并且这些小写字母可有可无
#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，变量名是否有效
#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之间的数字
#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位的密码，可以是大小写英文字母、数字、下划线
#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()
练一练
题目1：匹配出163的邮箱地址，且@符号之前有4到20位，例如hello@163.com
1.6 表示边界
示例1：$
需求：匹配163.com的邮箱地址
#coding=utf-8
importre
#正确的地址
ret = re.match("[\w]{4,20}@163\.com","xiaoWang@163.com")
ret.group()
#不正确的地址
ret = re.match("[\w]{4,20}@163\.com","xiaoWang@163.comheihei")
ret.group()
#通过$来确定末尾
ret = re.match("[\w]{4,20}@163\.com$","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 匹配分组
示例1：|
需求：匹配出0-100之间的数字
#coding=utf-8
import re
ret = re.match("[1-9]?\d","8")
ret.group()
ret = re.match("[1-9]?\d","78")
ret.group()
#不正确的情况
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邮箱之间的数字
#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()
练习：
>>>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
#能够完成对正确的字符串的匹配
ret = re.match("<[a-zA-Z]*>\w*", "hh")
ret.group()
#如果遇到非正常的html格式字符串，匹配出错
ret = re.match("<[a-zA-Z]*>\w*", "hh")
ret.group()
#正确的理解思路：如果在第一对<>中是什么，按理说在后面的那对<>中就应该是什么
#通过引用分组中匹配到的数据即可，但是要注意是元字符串，即类似r""这种格式
ret = re.match(r"<([a-zA-Z]*)>\w*", "hh")
ret.group()
#因为2对<>中的数据不一致，所以没有匹配出来
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大写
1.1re模块的高级用法
1.1.1search
需求：匹配出文章阅读的次数
import re
ret = re.search(r"\d+", "阅读次数为9999")
ret.group()
1.1.2findall
需求：统计出python、c、c++相应文章阅读的次数
import re
ret = re.findall(r"\d+", "python = 9999, c = 7890, c++ = 12345")
print(ret)
1.1.3sub将匹配到的数据进行替换
需求：将匹配到的阅读次数加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
