佳木斯市网站建设_网站建设公司_Banner设计_seo优化

一、基本介绍

正确的,符合特定规则的 字符串. 英文名叫: Regular Expression, 简称叫: re, RegExp。主要用于 校验数据.

细节:

1. 学正则, 主要是学正则的规则. 即: 哪个符号表示什么含义.

2. 关于正则, 要求很简单, 只要能用我们讲的规则, 看懂别人写的 式子, 且能简单修改即可, 无需你手动编写.

3. 到目前为止, 正则已经经历了N长的时间, 几乎你遇到的绝大多数的正则校验, 前辈们都已经写过了(帮我们写好了).

4. 正则不独属于Python, 例如: Java, C#, JavaScript, Go...等众多的语言都支持, 且: 正则的规则都是一样的.

Python中, 正则的调用:

1. 导包

import re

2. 正则匹配校验.

result = re.match(正则规则, 要被校验的字符串, 扩展选项-例如区分大小写, 空值过滤...) 全词匹配, 从左往右依次匹配

result = re.search(正则规则, 要被校验的字符串, 扩展选项-例如区分大小写, 空值过滤...) 分段批次, 任意一段能匹配即可.

result = re.compile(...).sub(...) 用于做替换的

3. 获取匹配到的数据.

result.group()

常用的正则规则如下, 几乎所有支持正则的语言, 都是 通用的:

. 代表: 任意的1个字符, \n除外

\. 代表: 1个普通的. 即: 取消.的特殊含义

a 代表: 1个字符a

[abc] 代表: a, b, c中任意的1个字符, 即: 要么a, 要么b, 要么c

[^abc] 代表: 除了a,b,c外, 任意的1个字符

\d 代表: 任意的1个整数, 等价于 [0-9]

\D 代表: 任意的1个非整数, 等价于 [^0-9]

\w 代表: 非特殊字符, 即: 大小写英文字符, 数字, _, 汉字, 等价于: [a-zA-Z0-9_其它汉字]

\W 代表: 特殊字符, 即: \w 取反.

\s 代表: 空白字符, 例如: 空格, \t...

\S 代表: 非空白字符, 即: \s取反.

^ 代表: 开头

$ 代表: 结尾

? 代表: 前边的内容, 出现0次 或者 1次

* 代表: 前边的内容, 至少出现0次, 至多出现n次(无数次)

+ 代表: 前边的内容, 出现1次 或者 多次.

a{n} 代表: a恰好出现n次, 多一次少一次都不行.

a{n,} 代表: a至少出现n次, 至多无所谓.

a{n,m} 代表: a至少出现n次, 至多出现m次, 包括n 和 m

| 代表: 或者的意思.

() 代表: 分组

\num 代表: 获取第num组的内容

扩展:

(?P<分组名>) 设置分组

(?P=分组名) 获取指定分组的内容

示例代码：

# 需求1: 正则表达式入门. # 导包 import re # 校验字符串是否是 任意字符 + it + 任意字符. result = re.match('.it.', 'aitb') # 可以匹配 result = re.match('.it.', 'ait\n') # 未匹配 result = re.match('.it.', 'ait') # 未匹配 # 获取到匹配的结果. if result: # 走这里, 有值, 获取到匹配的数据, 打印即可. print(result.group()) else: # 走这里, 没有匹配到数据, 打印即可. print('未匹配到!') print('-' * 21) # 需求2: 演示 match 和 search的区别 # 相同点: 都可以做正则校验, 传参都是一样的. # 不同点: match()是全词匹配, 即: 从左往右依次匹配(不能跳). search()是分段匹配, 有任意一部分能匹配即可. # 判断字符串中是否有 it + 任意的多个字符 # result = re.match('it.*', 'itabc123!@#') # result = re.match('it.*', 'itabc') # result = re.match('it.*', 'it') # result = re.match('it.*', 'aA12!@#itabc') # 未匹配 result = re.search('it.*', 'itabc123!@#') result = re.search('it.*', 'itabc') result = re.search('it.*', 'it') result = re.search('it.*', 'aA12!@#itabc') # itabc # 打印匹配到的结果. if result: # 走这里, 有值, 获取到匹配的数据, 打印即可. print(result.group()) else: # 走这里, 没有匹配到数据, 打印即可. print('未匹配到!')

运行结果：

SyntaxWarning: invalid escape sequence '\.'
"""
未匹配到!
---------------------
itabc

二、正则替换

案例:

演示 正则替换, 即: 把符合正则规则的内容, 用指定的内容来替换.

格式:

import re

re.compile(正则规则).sub(新字符串, 旧字符串) 去旧字符串中, 找到符合正则规则的内容, 用新字符串来替换.

上述格式的语法糖:

re.sub(正则规则, 新字符串, 旧字符串) 去旧字符串中, 找到符合正则规则的内容, 用新字符串来替换.

回顾:

字符串的 replace()函数, 也是替换的, 但是不支持正则.

快捷键: alt + enter: 给出建议的意思.

示例代码：

import re if __name__ == '__main__': # 案例1: 把下述的符合正则规则的内容, 用*来替换. # 1. 定义 旧字符串. old_str = '你可以这样: 桀1桀2桀, 哈3哈, 呵A呵, 嘿嘿, 嘻嘻, 略略略, 嘤嘤嘤...' # 2. 定义 正则规则(字符串形式) reg_exp = '桀|哈|呵|嘿|嘻' # 3. 把符合正则规则的内容, 用*来替换. # 分解版写法. # 3.1 获取正则对象. # re_obj = re.compile(reg_exp) # 3.2 具体的替换过程. # result = re_obj.sub('*', old_str) # 合并版写法, 正则规则 新内容 旧内容 # result = re.compile(reg_exp).sub('*', old_str) # 上述格式的语法糖, 正则规则 新内容 旧内容 result = re.sub(reg_exp, '*', old_str) # 4 打印结果 print(result) print('-' * 21) # 案例2: 回顾字符串的replace()函数. s1 = '抽烟只抽煊赫门, 一生只爱一个人. 其他烟: 中华, 煊赫门, 天叶, 煊赫门...' # result = s1.replace('煊赫门', '*') # 不写次数, 默认替换所有. # result = s1.replace('煊赫门', '*', 1) # 只替换1次(个) result = s1.replace('煊赫门|中华|天叶', '*') print(f'result: {result}')

运行结果：

你可以这样: *1*2*, *3*, *A*, **, **, 略略略, 嘤嘤嘤...
---------------------
result: 抽烟只抽煊赫门, 一生只爱一个人. 其他烟: 中华, 煊赫门, 天叶, 煊赫门...

三、校验单个字符

涉及到的正则的规则:

. 代表: 任意的1个字符, \n除外

\. 代表: 1个普通的. 即: 取消.的特殊含义

a 代表: 1个字符a

[abc] 代表: a, b, c中任意的1个字符, 即: 要么a, 要么b, 要么c

[^abc] 代表: 除了a,b,c外, 任意的1个字符

\d 代表: 任意的1个整数, 等价于 [0-9]

\D 代表: 任意的1个非整数, 等价于 [^0-9]

\w 代表: 非特殊字符, 即: 大小写英文字符, 数字, _, 汉字

\W 代表: 特殊字符, 即: \w 取反.

\s 代表: 空白字符, 例如: 空格, \t...

\S 代表: 非空白字符, 即: \s取反.

示例代码：

# 导包 import re # 在main中测试 if __name__ == '__main__': # 演示: . 代表: 任意的1个字符, \n除外 result = re.match('it.', 'ita') # ita result = re.match('it.', 'it\t') # it\t result = re.match('it.', 'it\n') # 未匹配 # 演示: \. 代表: 1个普通的. 即: 取消.的特殊含义 # 细节: 为了防止打印异常信息, 你可以写成: r'it\.' 或者 'it\\.' result = re.match('it\\.', 'ita') # 未匹配 result = re.match('it\\.', 'it.') # it. result = re.match('it\\.', 'it.abc') # it. # 演示: a 代表: 1个字符a result = re.match('a', 'abc') # a result = re.match('a', 'xyz') # 未匹配 # 演示: [abc] 代表: a, b, c中任意的1个字符, 即: 要么a, 要么b, 要么c result = re.match('it[abc]', 'itabc') # ita result = re.match('it[abc]', 'itbc') # itb result = re.match('it[abc]', 'itd') # 未匹配 # 演示: [^abc] 代表: 除了a,b,c外, 任意的1个字符 result = re.match('it[^abc]', 'itabc') # 未匹配 result = re.match('it[^abc]', 'itbc') # 未匹配 result = re.match('it[^abc]', 'itd') # itd # 演示: \d 代表: 任意的1个整数, 等价于 [0-9] result = re.match('hm[0-9]', 'hm1') # hm1 result = re.match('hm[0-9]', 'hm3a') # hm3 result = re.match(r'hm\d', 'hm3a') # hm3 result = re.match(r'hm\d', 'hma') # 未匹配 # 演示: \D 代表: 任意的1个非整数, 等价于 [^0-9] result = re.match(r'hm\D', 'hma') # hma result = re.match(r'hm\D', 'hm3a') # 未匹配 # 演示: \w 代表: 非特殊字符, 即: 大小写英文字符, 数字, _, 汉字 result = re.match(r'hm\w', 'hma') # hma result = re.match(r'hm\w', 'hmB') # hmB result = re.match(r'hm\w', 'hm1') # hm1 result = re.match(r'hm\w', 'hm_') # hm_ result = re.match(r'hm\w', 'hm!') # 未匹配 # 演示: \W 代表: 特殊字符, 即: \w 取反. result = re.match(r'hm\W', 'hm!') # hm! result = re.match(r'hm\W', 'hm_') # 未匹配 # 演示: \s 代表: 空白字符, 例如: 空格, \t... result = re.match(r'hm\s', 'hm') # 未匹配 result = re.match(r'hm\s', 'hm ') # hm result = re.match(r'hm\s', 'hm\t') # hm result = re.match(r'hm\s', 'hm\n') # hm\n result = re.match(r'hm\s', 'hma') # 未匹配 # 演示: \S 代表: 非空白字符, 即: \s取反. # 自己测试. # 打印校验到的数据. if result: print(f'匹配到: {result.group()}') else: print('未匹配!')

运行结果：

SyntaxWarning: invalid escape sequence '\.' """
未匹配!

四、校验多个字符

示例代码：

# 导包 import re # main中测试 if __name__ == '__main__': # 演示: ? 代表: 前边的内容, 出现0次 或者 1次 result = re.match('it.?', 'it') result = re.match('it.?', 'it ') result = re.match('it.?', 'itabcABC') result = re.match('it.?', 'it\nABC') # it # 演示: * 代表: 前边的内容, 至少出现0次, 至多出现n次(无数次) result = re.match('it[abc]*', 'it\nABC') # it result = re.match('it[abc]*', 'itabcABC') # itabc result = re.match('it[abc]*', 'it ') # it result = re.match('it[abc]*', 'it') # it # 演示: + 代表: 前边的内容, 出现1次 或者 多次. result = re.match('it[abc]+', 'it') # 未匹配 result = re.match('it[abc]+', 'it ') # 未匹配 result = re.match('it[abc]+', 'it\nABC') # 未匹配 result = re.match('it[abc]+', 'itabcABC') # itabc # 演示: a{n} 代表: a恰好出现n次, 多一次少一次都不行. result = re.match('it[abc]{2}', 'itabcABC') # itab result = re.match('it[abc]{2}', 'itacb') # itac result = re.match('it[abc]{2}', 'ita') # 未匹配 # 演示: a{n,} 代表: a至少出现n次, 至多无所谓. result = re.match('it[abc]{2,}', 'ita') # 未匹配 result = re.match('it[abc]{2,}', 'itacb') # itacb result = re.match('it[abc]{2,}', 'itabcABC') # itabc # 演示: a{n,m} 代表: a至少出现n次, 至多出现m次, 包括n 和 m result = re.match('it[abc]{2,3}', 'itabcde') # itabc result = re.match('it[abc]{2,3}', 'ita') # 未匹配 # 打印结果. print(f'匹配到: {result.group()}' if result else '未匹配!')

运行结果：

未匹配!

五、校验开头和结尾

涉及到的正则的规则如下:

^ 代表: 正则表达式的 开头

$ 代表: 正则表达式的 结尾

示例代码：

import re if __name__ == '__main__': # 演示: ^ 代表: 正则表达式的 开头 # 需求: 校验字符串必须以 it 开头. result = re.match(r'it\d', 'it123') # it1 result = re.match(r'it\d', '1it123') # 未匹配! result = re.search(r'it\d', 'it123') # it1 result = re.search(r'it\d', '1it123') # it1 # ^代表开头, 即: 如下的代码其实是 全词匹配, 必须从字符串的第1个字符开始校验. result = re.search(r'^it\d', '1it123') # 未匹配! # 演示: $ 代表: 正则表达式的 结尾 # 需求: 校验字符串必须以 数字 结尾. result = re.match(r'it\d', 'it123a') # it1 result = re.match(r'it\d$', 'it123a') # 未匹配! # 扩展: 校验手机号. # 规则: 1. 必须以1开头. 2.第2位数字可以是3 ~ 9. 3.必须是纯数字. 4.长度必须是11位. result = re.match(r'^1[3-9]\d{9}$', '13112345678a') result = re.match(r'^1[3-9]\d{9}$', '13112345678') # 打印匹配到的结果. print(result.group() if result else '未匹配!')

运行结果：

13112345678

六、校验分组

涉及到的正则的规则如下:

| 代表: 或者的意思.

() 代表: 分组

\num 代表: 获取第num组的内容

扩展:

(?P<分组名>) 设置分组

(?P=分组名) 获取指定分组的内容

示例代码：

import re if __name__ == '__main__': # 需求1: 在列表中, 打印用户喜欢吃 和 不喜欢吃的水果. # 1. 定义水果列表. fruits = ['apple', 'banana', 'orange', 'pear'] # 2. 遍历, 获取每种水果. for fruit in fruits: # 3. 假设用户喜欢吃 香蕉, 梨, 判断即可. result = re.match('banana|pear', fruit) # 4. 打印结果. if result: print(f'喜欢吃: {fruit}') else: print(f'不喜欢吃: {fruit}')

运行结果：

不喜欢吃: apple
喜欢吃: banana
不喜欢吃: orange
喜欢吃: pear

七、校验邮箱

涉及到的正则的规则如下:

| 代表: 或者的意思.

() 代表: 分组

\num 代表: 获取第num组的内容

扩展:

(?P<分组名>) 设置分组

(?P=分组名) 获取指定分组的内容

细节:

正则默认属于第0组, 之后就按照 左小括号来数, 是第几个, 就是第几组.

示例代码：

import re if __name__ == '__main__': # 需求: 匹配出 163, 126, qq等邮箱. # 邮箱规则: 前边是4 ~ 20位的字母, 数字, 下划线 + @标记符 + 域名 # 1. 定义邮箱字符串. email_str = 'zhangsan@163com' email_str = 'zhangsan@1634.com' email_str = 'zh@qq.com' email_str = 'zhangsan@163.com' # 2. 定义 校验邮箱的 正则表达式. pattern = r'^[a-zA-Z0-9_]{4,20}@(163|126|qq)\.com$' # 3. 校验邮箱. result = re.match(pattern, email_str) # 4. 打印结果. if result: print(f'匹配到: {result.group()}') # zhangsan@163.com, 等价于 result.group(0), 即: 获取所有匹配到的数据 print(f'匹配到: {result.group(0)}') # zhangsan@163.com, 效果同上. print(f'匹配到: {result.group(1)}') # 163 else: print('未匹配!')

运行结果：

匹配到: zhangsan@163.com
匹配到: zhangsan@163.com
匹配到: 163

八、提取指定分组的数据

涉及到的正则的规则如下:

| 代表: 或者的意思.

() 代表: 分组

\num 代表: 获取第num组的内容

扩展:

(?P<分组名>) 设置分组

(?P=分组名) 获取指定分组的内容

细节:

正则默认属于第0组, 之后就按照 左小括号来数, 是第几个, 就是第几组.

示例代码：

import re if __name__ == '__main__': # 需求: 匹配 qq:qq号 这样的数据, 提取出 qq文字 和 qq号码. # 1. 定义字符串. s1 = "qq:1234567" # 2. 匹配数据. result = re.match(r'(qq):(\d{6,11})', s1) # 3. 打印匹配到的数据. if result: print(f'匹配到: {result.group()}') # qq:1234567 print(f'匹配到: {result.group(0)}') # qq:1234567 print(f'匹配到: {result.group(1)}') # qq print(f'匹配到: {result.group(2)}') # 1234567 else: print('未匹配!')

运行结果：

匹配到: qq:1234567
匹配到: qq:1234567
匹配到: qq
匹配到: 1234567

九、引用指定组的内容

涉及到的正则的规则如下:

| 代表: 或者的意思.

() 代表: 分组

\num 代表: 获取第num组的内容

扩展:

(?P<分组名>) 设置分组名

(?P=分组名) 获取指定分组的内容

细节:

正则默认属于第0组, 之后就按照 左小括号来数, 是第几个, 就是第几组.

示例代码：

""" 涉及到的正则的规则如下: | 代表: 或者的意思. () 代表: 分组 \num 代表: 获取第num组的内容 扩展: (?P<分组名>) 设置分组名 (?P=分组名) 获取指定分组的内容 细节: 正则默认属于第0组, 之后就按照 左小括号来数, 是第几个, 就是第几组. """ import re if __name__ == '__main__': # 需求1: 正则校验 html标签, 简单版. # 1. 定义html标签字符串. html_str1 = '<html>AI算法工程师</html>' # 2. 正则校验. # 假设: 标签规则: 2到4位字母 result = re.match('<[a-zA-Z]{2,4}>.*</[a-zA-Z]{2,4}>', html_str1) # 上述格式优化版, 加入: 分组思想. result = re.match(r'<([a-zA-Z]{2,4})>.*</\1>', html_str1) # 3. 打印匹配结果. if result: print(f'匹配到: {result.group()}') else: print('未匹配!') print('-' * 21) # 需求2: 正则校验 html标签, 升级版. # 假设: 外部标签规则 2到4位字母, 内部标签规则: h + 1到6的数字 # 1. 定义html标签字符串. html_str2 = '<html><h1>AI算法工程师</h1></html>' # 2. 正则校验 result = re.match(r'<[a-zA-Z]{2,4}><h[1-6]>.*</h[1-6]></[a-zA-Z]{2,4}>', html_str2) # 加入分组, 优化上述的代码. result = re.match(r'<([a-zA-Z]{2,4})><(h[1-6])>.*</\2></\1>', html_str2) # 扩展: 给分组设置组名. result = re.match(r'<(?P<A>[a-zA-Z]{2,4})><(?P<B>h[1-6])>.*</(?P=B)></(?P=A)>', html_str2) # 3. 打印匹配结果. if result: print(f'匹配到: {result.group()}') else: print('未匹配!')

运行结果：

匹配到: <html>AI算法工程师</html>

---------------------
匹配到: <html><h1>AI算法工程师</h1></html>