python-正则表达式

正则表达式

前言

本博文就是简单讲一下python3 的正则表达式。看完这个能达到可以初步使用。至于更深层次内容需要继续学习和查看相关资料。另外文python版本为python3.5
本文主要介绍四类正则符号。注意：这里的分类没有啥依据。
1) ^ $ * ? + {2} {2,} {2,5} |
2) [] [^] [a-z]
3)\s \S \w \W
4) [\u4E00-\u9fA5] \d

正则的使用

在python中只需要

import re

即可使用。

第一类

^

格式为^后面跟一个字符s，意思就是匹配的字符串是这个字符s开头的。

.

代表任意字符

*

格式为 * 前面跟一个字符s, 意思是*前面的字符可以重复n次。
简单例子：

import reline = "bobby123"# ^ 代表什么开头 .为任意字符 *表示前面可以重复多次regex_str="(^b.*)"match_obj=re.match(regex_str,line)if match_obj:    print(match_obj.group(1))else:    print("Nope")

注意：() 是为了提取匹配的字符串。表达式中有几个()就有几个相应的匹配字符串。所以这里只有一个所以match_obj只有group(1)
中间才是正则表达式匹配规则。
根据上面的内容，很容易看出我们正则表达式的规则是。
字母b开头后面跟任意多个字符。
结果很简单。可以match到这个字符串line。

$

格式：字符+意义：表示匹配的字符串是以前面的字符结尾的。
例子：

import reline = "bobby123"# ^ 代表什么开头 .为任意字符 *表示前面可以重复多次# regex_str="(^b.*)"#$ 代表以什么结尾regex_str="(^b.*3$)"match_obj=re.match(regex_str,line)if match_obj is not None:    print(match_obj.group(1))else:    print("Nope")

?

非贪婪匹配，python默认为贪婪匹配。贪婪模式和非贪婪模式可以参照这篇博文。
http://www.jb51.net/article/31491.htm
大概意思就是 贪婪模式会在匹配已经成功的基础上匹配更多字符。而非贪婪模式正好相反*非贪婪模式会在匹配成功的基础上匹配更少的字符。
这里给出简单的例子：
贪婪模式：

line = "booooobby123"regex_str="(^b.*b).*"  #贪婪模式#regex_str="(^b.*?b).*"  #非贪婪模式match_obj=re.match(regex_str,line)if match_obj is not None:    print(match_obj.group(1))else:    print("Nope")

结果为：booooobb

非贪婪模式

line = "booooobby123"#regex_str="(^b.*b).*"  #贪婪模式regex_str="(^b.*?b).*"  #非贪婪模式match_obj=re.match(regex_str,line)if match_obj is not None:    print(match_obj.group(1))else:    print("Nope")

结果为：booooob

模式串的意思就是。b开头到下一个b，中间可以有任意一个字符。
对比二者的结果很容易看出。贪婪模式多了一个b, 这就是贪的那个字符。

+

格式：字符 +
意义：前面的字符出现 一次以上就可以。
例子：

line="booobaobaaooobbby123"regex_str=".*(b.+o).*"match_obj=re.match(regex_str,line)if match_obj is not None:    print(match_obj.group(1))else:    print("Nope")

结果：这里不会是bao 因为’a’只出现了一次。结果是baaooo。

{}

格式：字符+{}
意义：字符允许出现的次数。
例子：

line="booobaobaaooobbby123"regex_str=".*(bo{3}).*"match_obj=re.match(regex_str,line)if match_obj is not None:    print(match_obj.group(1))else:    print("Nope")

结果为booo 因为模式串中限制了o出现的次数。
同理
{2,} 表示前面的字符出现2次以上。
{2,5} 表示前面的字符出现2到5次

|

这个就是或者的意思。

第二类

[]

这个就像一个篮子，只要满足中间的情况就可以。
例如

line="电话：[phone]"regex_str="电话：(1[34857][0-9]{9}$)"match_obj=re.match(regex_str,line)if match_obj is not None:    print(match_obj.group(1))else:    print("Nope")

结果：13262878181
这就是一个简单匹配电话号码的模式串。一步一步解释一下
()就是求字串，就是要的结果串。模式串的意思就是 第一个是数字1
[345857]意思就是第二个字符满足其中的一个就可以，第三个字符可以是[0-9]中的任意数字。{9}就是可以重复9次。（因为电话号码11位）

[^]

格式：[^1]
意义：只要不是1就可以

第三类

\s

小写s代表空格

\S

大写S只要不是空格就可以。

\w

\w为任意字符相当于[A-Za-z0-9_]
注意后面还有一个下划线，意思就是\w的效果跟上面那一串东西一个意思。
例如：

line="你d好"regex_str="(你[A-Za-z0-9_]好)"# regex_str="(你\w好)"match_obj=re.match(regex_str,line)if match_obj is not None:    print(match_obj.group(1))else:    print("Nope")

\W

大些的W意思就是取反，只要不是上面的就可以。

第四类

[\u4E00-\u9fA5]

这个意思就是匹配中文。
例子：

line="study in 复旦大学"regex_str=".*?([\u4E00-\u9fA5].*)"#\d数字match_obj=re.match(regex_str,line)if match_obj is not None:    print(match_obj.group(1))else:    print("Nope")

结果就是 复旦大学

\d

这个表示任意一个数字

掌握这么多就够用了，不过要深入研究需要看更系统的资料。
有什么问题欢迎留言讨论，一起学习进步。