五星红旗迎风飘扬,胜利歌声多么响亮 歌唱我们亲爱的祖国,从今走向繁荣富强 歌唱我们亲爱的祖国,从今走向繁荣富强
正则表达式 什么是正则表达式: 通俗理解:按照一定的规则,从某个字符串中匹配出想要的数据。这个规则就是正则表达式。 标准答案:https://baike.baidu.com/item/正则表达式/1700215?fr=aladdin
一个段子: 世界是分为两种人,一种是懂正则表达式的,一种是不懂正则表达式的。
正则表达式常用匹配规则: 匹配某个字符串: 1 2 3 4 text = 'hello' ret = re.match('he' ,text) print (ret.group())>> he
以上便可以在hello
中,匹配出he
。
.
匹配任意的字符:1 2 3 4 text = "ab" ret = re.match('.' ,text) print (ret.group())>> a
但是点.
不能匹配不到换行符。示例代码如下:
1 2 3 4 text = "ab" ret = re.match('.' ,text) print (ret.group())>> AttributeError: 'NoneType' object has no attribute 'group'
\d
匹配任意的数字:1 2 3 4 text = "123" ret = re.match('\d' ,text) print (ret.group())>> 1
\D
匹配任意的非数字:1 2 3 4 text = "a" ret = re.match('\D' ,text) print (ret.group())>> a
而如果text是等于一个数字,那么就匹配不成功了。示例代码如下:
1 2 3 4 text = "1" ret = re.match('\D' ,text) print (ret.group())>> AttributeError: 'NoneType' object has no attribute 'group'
\s
匹配的是空白字符(包括:\n,\t,\r和空格):1 2 3 4 text = "\t" ret = re.match('\s' ,text) print (ret.group())>> 空白
\w
匹配的是a-z
和A-Z
以及数字和下划线:1 2 3 4 text = "_" ret = re.match('\w' ,text) print (ret.group())>> _
而如果要匹配一个其他的字符,那么就匹配不到。示例代码如下:
1 2 3 4 text = "+" ret = re.match('\w' ,text) print (ret.group())>> AttributeError: 'NoneType' object has no attribute
\W
匹配的是和\w
相反的:1 2 3 4 text = "+" ret = re.match('\W' ,text) print (ret.group())>> +
而如果你的text是一个下划线或者英文字符,那么就匹配不到了。示例代码如下:
1 2 3 4 text = "_" ret = re.match('\W' ,text) print (ret.group())>> AttributeError: 'NoneType' object has no attribute
[]
组合的方式,只要满足中括号中的某一项都算匹配成功:1 2 3 4 text = "0731-88888888" ret = re.match('[\d\-]+' ,text) print (ret.group())>> 0731-88888888
之前讲到的几种匹配规则,其实可以使用中括号的形式来进行替代:
\d:[0-9]
\D:0-9
\w:[0-9a-zA-Z_]
\W:[^0-9a-zA-Z_]
匹配多个字符: *
:可以匹配0或者任意多个字符。示例代码如下:1 2 3 4 text = "0731" ret = re.match('\d*' ,text) print (ret.group())>> 0731
以上因为匹配的要求是\d
,那么就要求是数字,后面跟了一个星号,就可以匹配到0731这四个字符。
+
:可以匹配1个或者多个字符。最少一个。示例代码如下:1 2 3 4 text = "abc" ret = re.match('\w+' ,text) print (ret.group())>> abc
因为匹配的是\w
,那么就要求是英文字符,后面跟了一个加号,意味着最少要有一个满足\w
的字符才能够匹配到。如果text是一个空白字符或者是一个不满足\w的字符,那么就会报错。示例代码如下:
1 2 3 4 text = "" ret = re.match('\w+' ,text) print (ret.group())>> AttributeError: 'NoneType' object has no attribute
?
:匹配的字符可以出现一次或者不出现(0或者1)。示例代码如下:1 2 3 4 text = "123" ret = re.match('\d?' ,text) print (ret.group())>> 1
{m}
:匹配m个字符。示例代码如下:1 2 3 4 text = "123" ret = re.match('\d{2}' ,text) print (ret.group())>> 12
{m,n}
:匹配m-n个字符。在这中间的字符都可以匹配到。示例代码如下:1 2 3 4 text = "123" ret = re.match('\d{1,2}' ,text) prit(ret.group()) >> 12
如果text只有一个字符,那么也可以匹配出来。示例代码如下:
1 2 3 4 text = "1" ret = re.match('\d{1,2}' ,text) prit(ret.group()) >> 1
小案例:
验证手机号码:手机号码的规则是以1
开头,第二位可以是34587
,后面那9位就可以随意了。示例代码如下:
1 2 3 4 text = "18570631587" ret = re.match('1[34587]\d{9}' ,text) print (ret.group())>> 18570631587
而如果是个不满足条件的手机号码。那么就匹配不到了。示例代码如下:
1 2 3 4 text = "1857063158" ret = re.match('1[34587]\d{9}' ,text) print (ret.group())>> AttributeError: 'NoneType' object has no attribute
验证邮箱:邮箱的规则是邮箱名称是用数字、数字、下划线
组成的,然后是@
符号,后面就是域名了。示例代码如下:
1 2 3 text = "hynever@163.com" ret = re.match('\w+@\w+\.[a-zA-Z\.]+' ,text) print (ret.group())
验证URL:URL的规则是前面是http
或者https
或者是ftp
然后再加上一个冒号,再加上一个斜杠,再后面就是可以出现任意非空白字符了。示例代码如下:
1 2 3 text = "http://www.baidu.com/" ret = re.match('(http|https|ftp)://[^\s]+' ,text) print (ret.group())
验证身份证:身份证的规则是,总共有18位,前面17位都是数字,后面一位可以是数字,也可以是小写的x,也可以是大写的X。示例代码如下:
1 2 3 text = "3113111890812323X" ret = re.match('\d{17}[\dxX]' ,text) print (ret.group())
^(脱字号):表示以…开始: 1 2 3 text = "hello" ret = re.match('^h' ,text) print (ret.group())
如果是在中括号中,那么代表的是取反操作.
$:表示以…结束: 1 2 3 4 5 text = "xxx@163.com" ret = re.search('\w+@163\.com$' ,text) print (ret.group())>> xxx@163. com
|:匹配多个表达式或者字符串: 1 2 3 4 text = "hello|world" ret = re.search('hello' ,text) print (ret.group())>> hello
贪婪模式和非贪婪模式: 贪婪模式:正则表达式会匹配尽量多的字符。默认是贪婪模式。 非贪婪模式:正则表达式会尽量少的匹配字符。 示例代码如下:
1 2 3 4 5 text = "0123456" ret = re.match('\d+' ,text) print (ret.group())>> 0123456
可以改成非贪婪模式,那么就只会匹配到0。示例代码如下:
1 2 3 text = "0123456" ret = re.match('\d+?' ,text) print (ret.group())
案例:匹配0-100
之间的数字: 1 2 3 4 text = '99' ret = re.match('[1-9]?\d$|100$' ,text) print (ret.group())>> 99
而如果text=101
,那么就会抛出一个异常。示例代码如下:
1 2 3 4 text = '101' ret = re.match('[1-9]?\d$|100$' ,text) print (ret.group())>> AttributeError: 'NoneType' object has no attribute 'group'
转义字符和原生字符串: 在正则表达式中,有些字符是有特殊意义的字符。因此如果想要匹配这些字符,那么就必须使用反斜杠进行转义。比如$
代表的是以…结尾,如果想要匹配$
,那么就必须使用\$
。示例代码如下:
1 2 3 4 text = "apple price is \$99,orange paice is $88" ret = re.search('\$(\d+)' ,text) print (ret.group())>> $99
原生字符串: 在正则表达式中,\
是专门用来做转义的。在Python中\
也是用来做转义的。因此如果想要在普通的字符串中匹配出\
,那么要给出四个\
。示例代码如下:
1 2 3 text = "apple \c" ret = re.search('\\\\c' ,text) print (ret.group())
因此要使用原生字符串就可以解决这个问题:
1 2 3 text = "apple \c" ret = re.search(r'\\c' ,text) print (ret.group())
re模块 re模块中常用函数: match: 从开始的位置进行匹配。如果开始的位置没有匹配到。就直接失败了。示例代码如下:
1 2 3 4 text = 'hello' ret = re.match('h' ,text) print (ret.group())>> h
如果第一个字母不是h
,那么就会失败。示例代码如下:
1 2 3 4 text = 'ahello' ret = re.match('h' ,text) print (ret.group())>> AttributeError: 'NoneType' object has no attribute 'group'
如果想要匹配换行的数据,那么就要传入一个flag=re.DOTALL
,就可以匹配换行符了。示例代码如下:
1 2 3 text = "abc\nabc" ret = re.match('abc.*abc' ,text,re.DOTALL) print (ret.group())
search: 在字符串中找满足条件的字符。如果找到,就返回。说白了,就是只会找到第一个满足条件的。
1 2 3 4 text = 'apple price $99 orange price $88' ret = re.search('\d+' ,text) print (ret.group())>> 99
分组: 在正则表达式中,可以对过滤到的字符串进行分组。分组使用圆括号的方式。
group
:和group(0)
是等价的,返回的是整个满足条件的字符串。
groups
:返回的是里面的子组。索引从1开始。
group(1)
:返回的是第一个子组,可以传入多个。 示例代码如下:
1 2 3 4 5 6 7 text = "apple price is $99,orange price is $10" ret = re.search(r".*(\$\d+).*(\$\d+)" ,text) print (ret.group())print (ret.group(0 ))print (ret.group(1 ))print (ret.group(2 ))print (ret.groups())
findall: 找出所有满足条件的,返回的是一个列表。
1 2 3 4 text = 'apple price $99 orange price $88' ret = re.findall('\d+' ,text) print (ret)>> ['99' , '88' ]
sub: 用来替换字符串。将匹配到的字符串替换为其他字符串。
1 2 3 4 text = 'apple price $99 orange price $88' ret = re.sub('\d+' ,'0' ,text) print (ret)>> apple price $0 orange price $0
sub
函数的案例,获取拉勾网中的数据:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 html = """ <div> <p>基本要求:</p> <p>1、精通HTML5、CSS3、 JavaScript等Web前端开发技术,对html5页面适配充分了解,熟悉不同浏览器间的差异,熟练写出兼容各种浏览器的代码;</p> <p>2、熟悉运用常见JS开发框架,如JQuery、vue、angular,能快速高效实现各种交互效果;</p> <p>3、熟悉编写能够自动适应HTML5界面,能让网页格式自动适应各款各大小的手机;</p> <p>4、利用HTML5相关技术开发移动平台、PC终端的前端页面,实现HTML5模板化;</p> <p>5、熟悉手机端和PC端web实现的差异,有移动平台web前端开发经验,了解移动互联网产品和行业,有在Android,iOS等平台下HTML5+CSS+JavaScript(或移动JS框架)开发经验者优先考虑;6、良好的沟通能力和团队协作精神,对移动互联网行业有浓厚兴趣,有较强的研究能力和学习能力;</p> <p>7、能够承担公司前端培训工作,对公司各业务线的前端(HTML5\CSS3)工作进行支撑和指导。</p> <p><br></p> <p>岗位职责:</p> <p>1、利用html5及相关技术开发移动平台、微信、APP等前端页面,各类交互的实现;</p> <p>2、持续的优化前端体验和页面响应速度,并保证兼容性和执行效率;</p> <p>3、根据产品需求,分析并给出最优的页面前端结构解决方案;</p> <p>4、协助后台及客户端开发人员完成功能开发和调试;</p> <p>5、移动端主流浏览器的适配、移动端界面自适应研发。</p> </div> """ ret = re.sub('</?[a-zA-Z0-9]+>' ,"" ,html) print (ret)
split: 使用正则表达式来分割字符串。
1 2 3 4 text = "hello world ni hao" ret = re.split('\W' ,text) print (ret)>> ["hello" ,"world" ,"ni" ,"hao" ]
compile: 对于一些经常要用到的正则表达式,可以使用compile
进行编译,后期再使用的时候可以直接拿过来用,执行效率会更快。而且compile
还可以指定flag=re.VERBOSE
,在写正则表达式的时候可以做好注释。示例代码如下:
1 2 3 4 5 6 7 8 text = "the number is 20.50" r = re.compile (r""" \d+ # 小数点前面的数字 \.? # 小数点 \d* # 小数点后面的数字 """ ,re.VERBOSE)ret = re.search(r,text) print (ret.group())