正则表达式

正则表达式概述：

正则表达式，又称规则表达式,（Regular Expression，在代码中常简写为regex、regexp或RE），是一种文本模式，包括普通字符（例如，a 到 z 之间的字母）和特殊字符（称为"元字符"），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语法规则的字符串，通常被用来检索、替换那些符合某个模式（规则）的文本。

• 正则表达式是一个特殊的字符序列，它能帮助你方便的检查一个字符串是否与某种模式匹配。

• 正则表达式使用单个字符串来描述、匹配一系列匹配某个语法规则的字符串。

• 正则表达式是繁琐的，但它是强大的，学会之后的应用会让你除了提高效率外，会给你带来绝对的成就感。

• 许多程序设计语言都支持利用正则表达式进行字符串操作。

正则表达式的应用场景：

• 表单验证(例如 : 手机号、邮箱、身份证....  )

• 爬虫

正则表达式对Python的支持：

普通字符：

字母、数字、汉字、下划线、以及没有特殊定义的符号，都是"普通字符"。

正则表达式中的普通字符，在匹配的时候,只匹配与自身相同的一个字符。例如：表达式c，在匹配字符串abcde时，匹配结果是：成功；匹配到的内容 是c；匹配到的位置开始于2，结束于3（注：下标从0开始还是从1开始，因当前编程语言的不同而可能不同）

match()函数：

• match(pattern, string, flags=0)

• 第一个参数是正则表达式，如果匹配成功，则返回一个match对象，否则返回一个None

• 第二个参数表示要匹配的字符串

• 第三个参数是标致位用于控制正则表达式的匹配方式 如: 是否区分大小写,多行匹配等等

import re      # 导入正则模块
pattern = 'abc'
s1 = 'abc123abc'
resp = re.match(pattern,s1)
print(resp)
s2 = 'bc123abc'
resp = re.match(pattern,s2)
print(resp)

从运行结果我们可以观察到两点：

1. match只能匹配开头的，不能全局匹配

2. re.match返回的是一个Match对象，若没有找到则返回None

 我们可以使用group()获取匹配的字符串：

import re      # 导入正则模块
pattern = 'abc'
s1 = 'abc123abc'
resp = re.match(pattern,s1).group()         #使用group()获取匹配的内容
print(resp)

若匹配的内容为空，使用group()会报错（AttributeError: 'NoneType' object has no attribute 'group'）：

import re      # 导入正则模块
pattern = 'abc'
s2 = 'bc123abc'
resp = re.match(pattern,s2).group()
print(resp)

元字符：

正则表达式中使⽤了很多元字符，⽤来表示⼀些特殊的含义或功能。

表达式	匹配
.	小数点可以匹配除换行符以外的任意字符
|	逻辑或操作符
[ ]	匹配字符集中的任意字符
[^]	对字符集求反，也就是除字符集以外的字符都取
-	表示[ ]里的一个字符区，列如[0-9],相当于[123456789]
\	对紧跟其后的一个字符进行转义
()	对表达式进行分组，将括号里面的内容当作一个整体，并获得匹配的值

一些无法书写或者具有特殊功能的字符，采用在前面加斜杠""进行转义的方法。

表达式	匹配
\r,\n	匹配回车和换行符
\t	匹配制表符
\\	匹配斜杆\
\^	匹配^符号
\$	匹配$符号
\.	匹配小数点

尚未列出的还有问号？、星号*和括号等其他的符号。所有正则表达式中具有特殊含义的字符在匹配自身的时候，都要使用斜杠进行转义。这些转义字符的匹配用法与普通字符类似，也是匹配与之相同的一个字符。

预定义匹配字符集

正则表达式中的一些表示方法，可以同时匹配某个预定义字符集中的任意一个字符。比如，表达式\d可以匹配任意一个数字。虽然可以匹配其中任意字符，但是只能是一个，不是多个。

表达式	匹配
\d	任意一个数字，0-9中的任意一个
\w	任意一个字母，数字或下划线
\s	空格，制表符，换页符等空白符号中的任意一个
\D	\d的反集，也就是非数字的任意一个字符
\W	\w的反集，也就是非字母，数字和下划线以外的任意一个字符
\S	\s的反集，也就是非空格，制表符，换页符等空白符号中的任意一个

重复匹配

前面的表达式，无论是只能匹配一种字符的表达式，还是可以匹配多种字符其中任意一个的表达式，都只能匹配一次。但是有时候我们需要对某个字段进行重复匹配，例如手机号13666666666，一般的新手可能会写成\d\d\d\d\d\d\d\d\d\d\d（注意，这不是一个恰当的表达式），不但写着费劲，看着也累，还不⼀定准确恰当。 这种情况可以使用表达式再加上修饰匹配次数的特殊符号{}，不但重复书写表达式就可以重复匹配。例如abab可以写成[ab]{2}。

表达式	匹配
{n}	表达式重复n次
{m,n}	表达式至少重复m次，至多重复n次
{m,}	表达式至少重复m次
?	匹配表达式0次或者1次
+	表达式至少出现1次
*	表达式出现0次到任意次

位置匹配和非贪婪匹配：

位置匹配：

有时候，我们对匹配出现的位置有要求，比如开头、结尾、单词之间等等。

表达式	匹配
^	在字符串开始的地方，符号本身不匹配任何字符
$	在字符串结束的地方，符号本身不匹配任意字符
\b	匹配一个单词边界，也就是单词和空格之间的位置，符号本身不匹配任意字符
\B	匹配非单词边界

贪婪与非贪婪模式：

在重复匹配时，正则表达式默认总是尽可能多的匹配，这被称为贪婪模式。例如，针对文本dxxxdxxxd，表达式(d)(\w+)(d)中的\w+将匹配第一个d和最后一个d之间的所有字符xxxdxxx。可见，\w+在匹配的时候，总是尽可能多的匹配符合它规则的字符。同理，带有?、*和{m,n}的重复匹配表达式都是尽可能地多匹配。

re模块常用方法：

方法	描述	返回值
compile(pattern[,flags])	根据包含正则表达式的字符串创建模式对象	re对象
search(pattern,string[,flags])	在字符串中查找	第一个匹配到的对象或者None
match(pattern,string[,flags])	在字符串的开始处匹配模式	在字符串的开头匹配的对象或者None
split(pattern,string[,maxsplit=0,flags])	列出字符串中的匹配项来分割字符串	分割后的字符串列表
findall(pattern,string,flags)	列出字符串中模式的所有匹配项	所有匹配项组成的列表
sub(pat,repl,string[,count=0,flags])	将字符串中的所有的pat的匹配项用repl替换	完成替换后的新字符串

compile(pattern, flags=0)：

这个方法是re模块的工厂法，⽤于将字符串形式的正则表达式编译为Pattern模式对象，可以实现更加效率的匹配。第二个参数flag是匹配模式 使用compile()完成一次转换后，再次使用该匹配模式的时候就不能进行转换了。经过compile()转换的正则表达式对象也能使用普通的re方法

flag匹配模式：

匹配模式	描述
re.A	ASCII字符模式
re.l	使匹配对大小写字母不敏感，也就是不区分大小写
re.L	做本地化识别
re.M	多行匹配，影响^和$
re.S	是.这个通配符匹配到包括换行符的所有字符，针对多行匹配
re.U	根据Unicode字符集解析字符
re.X	该标志通过给予你更灵活的格式以便你编写正则表达式更加便于理解

search(pattern, string, flags=0)：

在文本内查找，返回第一个匹配到的字符串。它的返回值类型和使用方法与match()是一样的，唯一的区别就是查找的位置不用固定在文本的开头。

findall(pattern, string, flags=0)：

作为re模块的三大搜索函数之一，findall()和match()、search()的不同之处在于，前两者都是单值匹配，找到一个就忽略后面，直接返回不再查找了。而findall是全文查找，它的返回值是一个匹配到的字符串的列表。这个列表没有group()方法，没有start、end、span，更不是一个匹配对象，仅仅是个列表！如果一项都没有匹配到那么返回一个空列表。

split(pattern, string, maxsplit=0, flags=0)：

re模块的split()方法和字符串的split()方法很相似，都是利用特定的字符去分割字符串。但是re模块的split()可以使用正则表达式，因此更灵活，更强大 split有个参数maxsplit，用于指定分割的次数。

sub(pattern, repl, string, count=0, flags=0)：

sub()方法类似字符串的replace()方法，用指定的内容替换匹配到的字符，可以指定替换次数。

分组功能：

Python的re模块有一个分组功能。所谓的分组就是去已经匹配到的内容再筛选出需要的内容，相当于二次过滤。实现分组靠圆括号()，而获取分组的内容靠的是group()、groups()，其实前面我们已经展示过。re模块里的积个重要方法在分组上，有不同的表现形式，需要区别对待。