python正则表达式前瞻_Python的正则表达式
引⼦
⾸先说 正则表达式是什么？
正则表达式，⼜称正规表⽰式、正规表⽰法、正规表达式、规则表达式、常规表⽰法(英语：Regular Expression，在代码中常简写为regex、regexp或RE)，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句法规则的字符串。在很多⽂本编辑器⾥，正则表达式通常被⽤来检索、替换那些匹配某个模式的⽂本。
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。例如，在Perl中就内建了⼀个功能强⼤的正则表达式引擎。正则表达式这个概念最初是由Unix中的⼯具软件(例如sed和grep)普及开的。正则表达式通常缩写成“regex”，单数有regexp、regex，复数有regexps、regexes、regexen。
定义是定义，太正经了就没法⽤了。我们来举个栗⼦：假如你在写⼀个爬⾍，你得到了
⼀个⽹页的HTML源码。其中有⼀段
hello world
你想要把这个hello world提取出来，但你这时如果只会python 的字符串处理，那么第⼀反应可能是
s =
hello world
start_index = s.find('
')
然后从这个位置向下查到下⼀个
出现这样做未尝不可，但是很⿇烦不是吗。需要考虑多个标签，⼀不留神就多匹配到东西了，⽽如果想要⾮常准确的匹配到，⼜得多加循环判断，效率太低。
这时候，正则表达式就是⾸选的帮⼿⼊门级别
接着说我们刚才那个例⼦。我们如果拿正则处理这个表达式要怎么做呢？
import re
key = r"
hello world
"#这段是你要匹配的⽂本
p1 = r"(?<=
).+?(?=
)"#这是我们写的正则表达式规则，你现在可以不理解啥意思
pattern1 = repile(p1)#我们在编译这段正则表达式
matcher1 = re.search(pattern1,key)#在源⽂本中搜索符合正则表达式的部分
up(0)#打印出来
你可以尝试运⾏上⾯的代码，看看是不是和我们想象的⼀样(博主是在python2.7环境下)发现代码挺少挺简单？往下看。⽽且正则表达式实际上要⽐看起来的那种奇形怪状要简单得多。
⾸先，从最基础的正则表达式说起。
假设我们的想法是把⼀个字符串中的所有"python"给匹配到。我们试⼀试怎么做
import re
key = r"javapythonhtmlvhdl"#这是源⽂本
p1 = r"python"#这是我们写的正则表达式
pattern1 = repile(p1)#同样是编译
matcher1 = re.search(pattern1,key)#同样是查询
up(0)
看完这段代码，你是不是觉得：卧槽？这就是正则表达式？直接写上去就⾏？
确实，正则表达式并不像它表⾯上那么奇葩，如果不是我们故意改变⼀些符号的含义时，你看到的就是想要匹配的。
所以，先把⼤脑清空，先认为正则表达式就是和想要匹配的字符串长得⼀样。在之后的练习中我们会逐步进化
初级
0.⽆论是python还是正则表达式都是区分⼤⼩写的，所以当你在上⾯那个例⼦上把"python"换成了"Python"，那就匹配不到你⼼爱的python了。
1.重新回到第⼀个例⼦中那个
hello world
匹配。假如我像这么写，会怎么样？
import re
key = r"
hello world
"#源⽂本
p1 = r"
.+
"#我们写的正则表达式，下⾯会将为什么
pattern1 = repile(p1)
print pattern1.findall(key)#发没发现，我怎么写成findall了？咋变了呢？
有了⼊门级的经验，我们知道那两个
就是普普通通的字符，但是中间的是什么⿁？
.字符在正则表达式代表着可以代表任何⼀个字符(包括它本⾝)
findall返回的是所有符合要求的元素列表，包括仅有⼀个元素时，它还是给你返回的列表。
机智如你可能会突然问：那我如果就只是想匹配"."呢？结果啥都给我返回了咋整？在正则表达式中有⼀个字符\，其实如果你编程经验较多的话，你就会发现这是好多地⽅的“转义符”。在正则表达式⾥，这个符号通常⽤来把特殊的符号转成普通的，把普通的转成特殊的23333(并不是特殊的“2333”，写完才发现会不会有脑洞⼤的想歪了)。
举个栗⼦，你真的想匹配"1051980588@qq"这个邮箱(我的邮箱)，你可以把正则表达式写成下⾯这个样⼦：
import re
key = r"afiouwehrfuich1051980588@qqnaskdjhfiosueh"
p1 = r"1051980588@qq\"
pattern1 = repile(p1)
print pattern1.findall(key)
发现了吧，我们在.的前⾯加上了转义符\，但是并不是代表匹配“\.”的意思，⽽是只匹配“.”的意思！
不知道你细不细⼼，有没有发现我们第⼀次⽤.时，后⾯还跟了⼀个+？那这个加号是⼲什么的呢？
其实不难想，我们说了“.字符在正则表达式代表着可以代表任何⼀个字符(包括它本⾝)”，但是"hello world"可不是⼀个字符啊。
+的作⽤是将前⾯⼀个字符或⼀个⼦表达式重复⼀遍或者多遍。
⽐⽅说表达式“ab+”那么它能匹配到“abbbbb”，但是不能匹配到"a"，它要求你必须得有个b，多了不限，少了不⾏。你如果问我有没有那种“有没有都⾏，有多少都⾏的表达⽅式”，回答是有的。
*跟在其他符号后⾯表达可以匹配到它0次或多次
import re
p1 = r"https*://"#看那个星号！
python正则表达式不包含pattern1 = repile(p1)
print pattern1.findall(key)
输出
['', '']
2.⽐⽅说我们有这么⼀个字符串"cat hat mat qat"，你会发现前⾯三个是实际的单词，最后那个是我胡编乱造的(上百度查完是昆⼠兰英语学院的缩写= =)。如果你本来就知道"at"前⾯是c、h、m其中之⼀时这才构成单词，你想把这样的匹配出来。根据已经学到的知识是不是会想到写出来三个正则表达式进⾏匹配？实际上不需要。因为有⼀种多字符匹⽅式
[]代表匹配⾥⾯的字符中的任意⼀个
还是举个栗⼦，我们发现啊，有的程序员⽐较过分，，在这对标签上，⼤⼩写混⽤，⽼害得我们抓不到想要的东西，我们该怎么应对？是写16*16种正则表达式挨个匹配？no
import re
key = r"lalalahelloheiheihei"
p1 = r".+?[Hh][Tt][Mm][Ll]>"
pattern1 = repile(p1)
print pattern1.findall(key)
输出
['hello']
我们既然有了范围性的匹配，⾃然有范围性的排除。
[^]代表除了内部包含的字符以外都能匹配
还是cat,hat,mat,qat这个例⼦，我们想匹配除了qat以外的，那么就应该这么写：
import re
key = r"mat cat hat pat"
p1 = r"[^p]at"#这代表除了p以外都匹配
pattern1 = repile(p1)
print pattern1.findall(key)
输出
为了⽅便我们写简洁的正则表达式，它本⾝还提供下⾯这样的写法
正则表达式代表的匹配字符
[0-9]
0123456789任意之⼀
[a-z]
⼩写字母任意之⼀
[A-Z]
⼤写字母任意之⼀
\d
等同于[0-9]
\D
等同于[^0-9]匹配⾮数字
\w
等同于[a-z0-9A-Z_]匹配⼤⼩写字母、数字和下划线
\W
等同于[^a-z0-9A-Z_]等同于上⼀条取⾮
3.介绍到这⾥，我们可能已经掌握了⼤致的正则表达式的构造⽅式，但是我们常常会在实战中遇到⼀些匹配的不准确的问题。⽐⽅说：
import re
key = r"chuxiuhong@hit.edu"
p1 = r"@.+\."#我想匹配到@后⾯⼀直到“.”之间的，在这⾥是hit
pattern1 = repile(p1)
print pattern1.findall(key)
输出结果
['@hit.edu.']
呦呵！你咋能多了呢？我理想的结果是@hit.，你咋还给我加量了呢？这是因为正则表达式默认是“贪婪”的，我们之前讲过，“+”代表是字符重复⼀次或多次。但是我们没有细说这个多次到底是多少次。所以它会尽可能“贪婪”地多给我们匹配字符，在这个例⼦⾥也就是匹配到最后⼀个“.”。
我们怎么解决这种问题呢？只要在“+”后⾯加⼀个“？”就好了。
import re
key = r"chuxiuhong@hit.edu"
p1 = r"@.+?\."#我想匹配到@后⾯⼀直到“.”之间的，在这⾥是hit
pattern1 = repile(p1)
print pattern1.findall(key)
输出结果
['@hit.']
加了⼀个“?”我们就将贪婪的“+”改成了懒惰的“+”。这对于[abc]+,\w*之类的同样适⽤。
⼩测验：上⾯那个例⼦可以不使⽤懒惰匹配，想⼀种⽅法得到同样的结果
**个⼈建议：在你使⽤"+","*"的时候，⼀定先想好到底是⽤贪婪型还是懒惰型，尤其是当你⽤到范围较⼤的项⽬上时，因为很有可能它就多匹配字符回来给你**
为了能够准确的控制重复次数，正则表达式还提供
{a,b}(代表a<=匹配次数<=b)
还是举个栗⼦，我们有sas,saas,saaas，我们想要sas和saas，我们怎么处理呢？
import re
key = r"saas and sas and saaas"
p1 = r"sa{1,2}s"
pattern1 = repile(p1)
print pattern1.findall(key)
输出
['saas', 'sas']
如果你省略掉{1,2}中的2，那么就代表⾄少匹配⼀次，那么就等价于？
如果你省略掉{1,2}中的1，那么就代表⾄多匹配2次。
下⾯列举⼀些正则表达式⾥的元字符及其作⽤
元字符说明
.
代表任意字符
|
逻辑或操作符
[ ]
匹配内部的任⼀字符或⼦表达式
[^]
对字符集和取⾮
-
定义⼀个区间
\
对下⼀字符取⾮(通常是普通变特殊，特殊变普通)

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。