正则表达式基本概念及常用匹配模式代码

一、正则表达式

正则表达式：是记录文本规则的代码，用来匹配或查找符合某些规则的字符串数据

特点：可读性差，通用性强，能适用于很多编程语言

re模块的使用

1. import re：导包
2. result = re.match(正则表达式，要匹配的字符串)：使用该方法进行匹配操作
3. result.group()：用来提取匹配到的数据

import re
print('-------------简单使用-------------')
# result = re.match('hello', 'Hello135helloHELLO hehehellohell')
result = re.search('hello', 'Hello135helloHELLO hehehellohell')
data = result.group()
print(data)
 
输出：
-------------简单使用-------------
hello

二、匹配单个字符

 举例如下

print('--------------------匹配单个字符--------------------')
print('.匹配任意一个字符:', re.match('.', 'helloChina').group(), re.match('i.you', 'i&you').group())  # 输出：h i&you
print(re.match('i.you', 'i爱you'), '||', re.match('i.you', 'i爱you').group())  #  || i爱you
 
print('[hi]匹配以字母h或i开头的字符:', re.match('[hi]', 'helloChina').group(), re.match('[hi]', 'i&you').group())   # h i
print('[^hi]匹配不是以字母h或i开头的字符:', re.match('[^hi]', 'elloChina').group(), re.match('[^hi]', '&you').group())   # e &
print(re.match('[0-9]hello', '2helloChina').group(), re.match('[0-9]i&you', '3i&you').group())  # 2hello 3i&you
print('[0-35-9]hello匹配0-3和5-9之间的一个数字:', re.match('[0-35-9]hello', '4hello'))  # 输出None，加上.group()后报错，匹配0-3或5-9之间的数字，不包含4
 
print('\\d匹配任意数字:', re.match('第\\d天', '第2天了').group(), re.match('第\\d天', '第5天了').group())  # 第2天 第5天
print('\\D匹配任意非数字:', re.match('第\\D天', '第二天了').group(), re.match('第\\D天', '第n天了').group())  # 第二天 第n天
 
print('\\s匹配任意空白字符:', re.match('Hello\\sChina!', 'Hello China!').group(), re.match('Hello\\sChina!', 'Hello\tChina!').group())  # Hello China! Hello	China!
print('\\S匹配任意非空白字符:', re.match('Hello\\SChina!', 'Hello*China!').group(), re.match('Hello\\SChina!', 'Hello啊China!').group())  # Hello*China! Hello啊China!
 
print('\\w匹配任意非特殊字符:', re.match('Hello\\wChina!', 'Hello_China!').group(), re.match('Hello\\wChina!', 'Hello啊China!').group())  # Hello_China! Hello啊China!
print('\\W匹配任意特殊字符:', re.match('Hello\\WChina!', 'Hello%China!').group(), re.match('Hello\\WChina!', 'Hello!China!').group())  # Hello%China! Hello!China!
 
输出：
--------------------匹配单个字符--------------------
.匹配任意一个字符: h i&you
object; span=(0, 5), match='i爱you'> || i爱you
[hi]匹配以字母h或i开头的字符: h i
[^hi]匹配不是以字母h或i开头的字符: e &
2hello 3i&you
[0-35-9]hello匹配0-3和5-9之间的一个数字: None
\d匹配任意数字: 第2天 第5天
\D匹配任意非数字: 第二天 第n天
\s匹配任意空白字符: Hello China! Hello	China!
\S匹配任意非空白字符: Hello*China! Hello啊China!
\w匹配任意非特殊字符: Hello_China! Hello啊China!
\W匹配任意特殊字符: Hello%China! Hello!China!

三、匹配多个字符

举例如下

print('-----------------------------匹配多个字符------------------------------')
print('[0-9]\\w*匹配第一个字符为数字，后面任意多个为非特殊字符：', re.match('Hello[0-9]\\w*China!', 'Hello123HElo_中国China!').group())
print('\\S*匹配任意多个非空白字符：', re.match('Hello\\S*China!', 'Hello*he&L+LO_你好!China!').group())
 
print('[0-9]\\w+匹配第一个字符为数字，后面 ≥1 个非特殊字符:', re.match('Hello[0-9]\\w+China!', 'Hello123HElo_中国China!').group())
print('\\S+匹配 ≥1 个非空白字符:', re.match('Hello\\S+China!', 'Hello*he&L+LO_你好!China!').group())
 
print('[0-9]\\w?匹配第一个字符为数字，后面 0或1 个非特殊字符:', re.match('Hello[0-9]\\w?China!', 'Hello1China!').group())
print('\\S?匹配 0或1 个非空白字符:', re.match('Hello\\S?China!', 'Hello!China!').group())
 
print('[a-z0-9]\\w{0,10}匹配第一个字符为小写字母或数字，后面 0~10 个非特殊字符:', re.match('Hello[a-z0-9]\\w{0,10}China!', 'HellooHELLo_China!').group())
print('\\S{0,10}匹配 0~10 个非空白字符:', re.match('Hello\\S{0,10}China!', 'Hello!你好*China!').group())
 
输出：
-----------------------------匹配多个字符------------------------------
[0-9]\w*匹配第一个字符为数字，后面任意多个为非特殊字符： Hello123HElo_中国China!
\S*匹配任意多个非空白字符： Hello*he&L+LO_你好!China!
[0-9]\w+匹配第一个字符为数字，后面 ≥1 个非特殊字符: Hello123HElo_中国China!
\S+匹配 ≥1 个非空白字符: Hello*he&L+LO_你好!China!
[0-9]\w?匹配第一个字符为数字，后面 0或1 个非特殊字符: Hello1China!
\S?匹配 0或1 个非空白字符: Hello!China!
[a-z0-9]\w{0,10}匹配第一个字符为小写字母或数字，后面 0~10 个非特殊字符: HellooHELLo_China!
\S{0,10}匹配 0~10 个非空白字符: Hello!你好*China!

四、匹配开头和结尾

 举例如下

print('------------------------------匹配字符串开头与结尾--------------------------')
print('^\\S{0,10}匹配 0~10 个以非空白字符开头的字符:', re.match('^\\S{0,10}China!', 'Hello!你好*China!').group())
print('.*\\d$匹配以数字结尾的字符，其前含任意多个字符:', re.match('China!.*\\d$', 'China!Hello!你好_520').group())
print('^\\D.*China!.*\\d$匹配以任意非数字字符开头，其后可含任意多个任意字符，以数字结尾的字符，其前可含任意多个字符任意字符:', re.match('^\\D.*China!.*\\d$', '你好Hello_520!China!Hello!你好_520').group())
 
print('[^helo]匹配不是以h、e、l、o字符开头的任意字符字符:', re.match('[^helo].*China!', '你好——Hello!你好*China!').group())
 
输出：
------------------------------匹配字符串开头与结尾--------------------------
^\S{0,10}匹配 0~10 个以非空白字符开头的字符: Hello!你好*China!
.*\d$匹配以数字结尾的字符，其前含任意多个字符: China!Hello!你好_520
^\D.*China!.*\d$匹配以任意非数字字符开头，其后可含任意多个任意字符，以数字结尾的字符，其前可含任意多个字符任意字符: 你好Hello_520!China!Hello!你好_520
[^helo]匹配不是以h、e、l、o字符开头的任意字符字符: 你好——Hello!你好*China!

五、匹配分组

 举例如下

print('-------------------------匹配分组----------------------------')
list = ['Chinese', 'math', 'English', 'physical', 'history']
for v in list:
    match_boject = re.match('Chinese|math|history', v)
    if match_boject:
        print('我喜欢%s' % match_boject.group())
    else:
        print('我讨厌%s' % v)
 
print('------------------------(字符)分组--一个()即为一个分组------------------------')
# 想要提取哪一部分数据，就可使用分组括起来，通过group(i)来获取，i即表示第i个分组
match_object = re.match('[_0-9a-zA-Z]{5,10}@(qq|163|sina|gmail)\.(com)', 'Hello_520@qq.com')  # \.表示转义，只能匹配点.字符
if match_object:
    print('匹配到的QQ邮箱为：', match_object.group())  # 与match_object.group(0)结果相同，即将整个表达式看作一个分组
    print('匹配到的第一个分组数据为：', match_object.group(1), '第二个分组数据为:', match_object.group(2))  # 1为第一个分组，2即第二个分组，依次递推
else:
    print('未匹配到所需邮箱')
print('------------------------\数字--引用分组----------------------')
# 想要提取哪一部分数据，就可使用分组括起来，通过group(i)来获取，i即表示第i个分组
# \\i 表示引用第i个分组，相当于复制了该引用的分组
print('-------------不使用引用-----------')
match_object = re.match('<[0-9a-zA-Z]+><[0-9a-zA-Z]+>.*', '
www.xqnav.top')  # 不使用引用，与不匹配也同样匹配成功
if match_object:
    print('匹配结果为：', match_object.group())
else:
    print('匹配失败')
print('-------------使用引用------------')
match_object = re.match('<([0-9a-zA-Z]+)><([0-9a-zA-Z]+)>.*', '
www.xqnav.top
')  # \\1表示真正的\1，表示对前面第一个分组的引用
if match_object:
    print('匹配结果为：', match_object.group())
    print('匹配到的第一个分组数据为：', match_object.group(1), '第二个分组数据为：', match_object.group(2))
else:
    print('匹配失败')
print('-------------使用引用----起别名--------')
# (?P)：给分组起别名
# (?P=name)：引用别名为name分组匹配到的字符串
match_object = re.match('<(?P[0-9a-zA-Z]+)><(?P[0-9a-zA-Z]+)>.*', '
www.xqnav.top
')  # \\1表示真正的\1，表示对前面第一个分组的引用
if match_object:
    print('匹配结果为：', match_object.group())
    print('匹配到的第一个分组数据为：', match_object.group(1), '第二个分组数据为：', match_object.group(2))
else:
    print('匹配失败')
 
输出：
-------------------------匹配分组----------------------------
我喜欢Chinese
我喜欢math
我讨厌English
我讨厌physical
我喜欢history
------------------------(字符)分组--一个()即为一个分组------------------------
匹配到的QQ邮箱为： Hello_520@qq.com
匹配到的第一个分组数据为： qq 第二个分组数据为: com
------------------------\数字--引用分组----------------------
-------------不使用引用-----------
匹配结果为： 
www.xqnav.top
-------------使用引用------------
匹配结果为： 
www.xqnav.top
匹配到的第一个分组数据为： html 第二个分组数据为： h2
-------------使用引用----起别名--------
匹配结果为： 
www.xqnav.top
匹配到的第一个分组数据为： html 第二个分组数据为： h2

六、警告

注：正则表达式中带反斜杠\的最好在其前多加一条反斜杠，即改为双反斜杠\\，如\\d

1.未写为双反斜杠形式，会报PEP 8规范警告，如下

PEP 8: W605 invalid escape sequence '\d'

2.单词拼写正确性警告：Typo: In word 'xxx' 

学习导航：http://xqnav.top/