什么是正则
正则的目的
-
数据挖掘
从一大堆文本中找到一小堆文本时。如，从文本是寻找email, ip, telephone等 -
验证
使用正则确认获得的数据是否是期望值。如，email、用户名是否合法等 -
非必要时慎用正则，如果有更简单的方法匹配，可以不使用正则
-
正则表达式的优缺点
优点：提高工作效率、节省代码
缺点：复杂，难于理解
re模块基本用法
re模块基本用法-search
-
re.search
接受一个正则表达式和字符串，并返回发现的
第一个匹配
如果完全没有找到匹配，re.search返回None
re模块基本用法-match
从
字符串头
查找匹配项
接受一个正则表达式和字符串，从主串第一个字符开始匹配，并返回发现的
第一个匹配
。
如果字符串开始不符合正则表达式，则匹配失败，re.match返回None
re模块基本用法-raw
r’sanle’ 中的r代表的是raw（
原始字符串
）
原始字符串与正常字符串的区别是原始字符串不会将\字符解释成一个转义字符
正则表达式使用原始字符很常见且有用
re模块基本用法-match对象
-
match.group(default=0)：返回匹配的字符串。
• group是由于正则表达式可以分拆为多个只调出匹配子集的子组。
• 0是默认参数，表示匹配的整个串，n 表示第n个分组
-
match.start()
start方法提供了原始字符串中匹配开始的索
-
match.end()
end方法提供了原始字符串中匹配开始的索引
-
match.groups()
groups返回一个包含所有小组字符串的元组，从 1 到 所含的小组号。
re模块基本用法-findall
查找并返回匹配的字符串，返回一个
列表
假如里面有分组,只会打印分组的内容,(?:xxx)取消分组
re模块基本用法-finditer
查找并返回匹配的字符串，返回一个
迭代器
re模块基本用法-sub
re.sub(‘匹配正则’,‘替换内容’,‘string’)
将string中匹配的内容替换为新内容
re模块基本用法-compile
- 编译正则：re.compile(‘匹配正则’)
reg = re.compile(r'l+')
result = reg.search(Zen)
print(result, type(result))
- 编译正则的特点
• 复杂的正则可复用。
• 使用编译正则更方便，省略了参数。
• re模块缓存它即席编译的正则表达式，因此在大多数情况下，使用compile并没有很大的性能优势
基本正则匹配
最简单的正则表达式是那些仅包含简单的字母数字字符的表达式，复杂的正则可以实现强大的匹配
基本正则匹配-区间 []
-
正则匹配区分大小写
- 匹配所有字母：[a-zA-Z]
- 匹配所有字母及-：[a-zA-Z-]
基本正则匹配-或匹配 a|b
基本正则匹配-取反 [^abc]
匹配a+非小写字母
基本正则匹配-任意字符(占位符)
-
“.”占位符
匹配任何（除\n外）的单个字符，它仅仅只以出现在方括号字符组以外
基本正则匹配-快捷方式
-
匹配字母数字
-
匹配非字母数字
基本正则匹配-开始与结束 ^, $
- 匹配以python开头：^python
-
匹配以python结尾：python$
正则重复
正则重复-通配符：？，*，+
-
通配符：“？”: 匹配指定的字符（组）出现0次或1次
-
通配符：“*”: 匹配指定的字符（组）出现任意多次
-
通配符：“+”:匹配指定的字符（组）出现1次以上
- 通配符：“{n, m}”: 匹配指定的字符（组）出现1次以上
基本正则匹配-贪婪与非贪婪模式
• 贪婪模式（.*）: 匹配尽可能多的字符-默认模式
• 非贪婪模式（.*?）: 正则 \d*?
• 匹配出 <div>test1</div>， <div>test2</div>
正则分组
正则分组-简单分组
当使用分组时，除了可以获得整个匹配，还能够获得选择每一个单独组，使用 () 进行分组
-
简单分组
当使用分组时，除了可以获得整个匹配，还能够获得选择每一个单独组，使用 () 进行分组 -
分组不匹配（?:规则）: 表示将()仅用于组合字符串，不识别为分组
正则分组-命名分组:（？P规则）
正则分组-引用分组
使用()分用，用\0, \1, \2引用 （\0表示匹配的整个串）
正则标记
正则标记-第三个参数
基本正则匹配-内联标记
正则断言
正则表达式断言
正则表达式的断言分为：先行断言(lookahead)和后行断言(lookbehind)
正则表达式的先行断言和后行断言一共有4种形式：
n (?=pattern) 零宽正向先行断言(zero-width positive lookahead assertion)
n (?!pattern) 零宽负向先行断言(zero-width negative lookahead assertion)
n (?<=pattern) 零宽正向后行断言(zero-width positive lookbehind assertion)
n (?<!pattern) 零宽负向后行断言(zero-width negative lookbehind assertion)
-
零宽
• ^python -
正向、负向
• 正向：匹配(?=pattern)/(?<=pattern)
• 负向：不匹配(?!pattern)/(?<!pattern) -
先行、后行
• 先行：向后匹配(?=pattern)/(?!pattern)
• 后行：向前匹配(?<=pattern)/(?<!pattern) -
零宽正向先行断言：(?=pattern)
• 代表字符串中的一个位置，紧接该位置之后的字符序列能够匹配pattern。
• 匹配字符串re，后面能接gular(但不匹配宽度
-
零宽负向先行断言：(?!pattern)
• 代表字符串中的一个位置，紧接该位置之后的字符序列不能匹配pattern。
• 匹配字符串re，但是后面不能接gular
-
零宽正向后行断言：(?<=pattern)
• 代表字符串中的一个位置，紧接该位置之前的字符序列能够匹配pattern。
• 匹配gular，但前面必须是re
-
零宽负向后行断言 ：(?<!pattern)
• 代表字符串中的一个位置，紧接该位置之前的字符序列不能匹配pattern。
• 匹配gular，但前面不能是re
