python中的正则表达式,贪婪匹配与非贪婪匹配方式
作者:Yietong309
正则表达式,贪婪匹配与非贪婪匹配
正则表达式前戏
以某app注册页面获取手机号为例. 其有很多校验规则: 国内手机号必须是11位,纯数字,是常规的手机号开头.
用python实现手机注册校验功能如下:
# 1.获取用户的手机号 phone_num = input('请输入您的手机号>>>:').strip() # 2.先校验是否是11位 if len(phone_num) == 11: # 3.再校验是否是纯数字 if phone_num.isdigit(): # 4.校验开头是否合法(随便写几个意思一下) if phone_num.startswith('13') or phone_num.startswith('15') or phone_num.startswith( '17') or phone_num.startswith('18'): print('是一个正常的手机号') else: print('手机号开头不合法') else: print('手机号必须是纯数字') else: print('手机号必须是11位')
正则表达式为: 0?(13|14|15|17|18|19)[0-9]{9}
对比可看到代码量锐减,一行就可以搞定. 由此可见,正则表达式就是利用一些'特殊符号'的组合去字符串中筛选出想要的数据. 所以学习正则很大程度上就是在学习一些特殊符号的使用
"""
正则表达式是一门独立的语言 专门用来匹配、校验、筛查所需的数据
任何编程语言都可以使用 在python中如果想用就必须借助于内置模块re
"""
正则表达式之字符组
单个字符组默认一次只匹配一个字符
- 字符组 : [字符组]
- 在同一个位置可能出现的各种字符组成了一个字符组,在正则表达式中用[]表示
- 字符分为很多类,比如数字、字母、标点等等。
- 假如你现在要求一个位置"只能出现一个数字",那么这个位置上的字符只能是0、1、2...9这10个数之一。
正则 | 待匹配字符 | 匹配结果 | 说明 |
[0123456789] | 8 | True | 在一个字符组里枚举合法的所有字符,字符组里的任意一个字符 和"待匹配字符"相同都视为可以匹配 |
[0123456789] | a | False | 由于字符组中没有"a"字符,所以不能匹配 |
[0-9] | 7 | True | 也可以用-表示范围,[0-9]就和[0123456789]是一个意思 |
[a-z] | s | True | 同样的如果要匹配所有的小写字母,直接用[a-z]就可以表示 |
[A-Z] | H | True | [A-Z]就表示所有的大写字母 |
[0-9a-fA-F] | z | True | 可以匹配数字,大小写形式的a~f,用来验证十六进制字符 |
字符
元字符 | 匹配内容 |
. | 匹配除换行符以外的任意字符 |
\w | 匹配字母或数字或下划线 |
\s | 匹配任意的空白符 |
\d | 匹配数字 |
\n | 匹配一个换行符 |
\t | 匹配一个制表符 |
\b | 匹配一个单词的结尾 |
^ | 匹配字符串的开始 |
$ | 匹配字符串的结尾 |
\W | 匹配非字母或数字或下划线 |
\D | 匹配非数字 |
\S | 匹配非空白符 |
a|b | 匹配字符a或字符b |
() | 匹配括号内的表达式,也表示一个组 |
[...] | 匹配字符组中的字符 |
[^...] | 匹配除了字符组中字符的所有字符 |
量词
量词 | 用法说明 |
* | 重复零次或更多次 |
+ | 重复一次或更多次 |
? | 重复零次或一次 |
{n} | 重复n次 |
{n,} | 重复n次或更多次 |
{n,m} | 重复n到m次 |
. ^ $
正则 | 待匹配字符 | 匹配 结果 | 说明 |
海. | 海燕海娇海东 | 海燕海娇海东 | 匹配所有"海."的字符 |
^海. | 海燕海娇海东 | 海燕 | 只从开头匹配"海." |
海.$ | 海燕海娇海东 | 海东 | 只匹配结尾的"海.$" |
* + ? { }
正则 | 待匹配字符 | 匹配 结果 | 说明 |
李.? | 李杰和李莲英和李二棍子 | 李杰 | ?表示重复零次或一次,即只匹配"李"后面一个任意字符 |
李.* | 李杰和李莲英和李二棍子 | 李杰和李莲英和李二棍子 | *表示重复零次或多次,即匹配"李"后面0或多个任意字符 |
李.+ | 李杰和李莲英和李二棍子 | 李杰和李莲英和李二棍子 | +表示重复一次或多次,即只匹配"李"后面1个或多个任意字符 |
李.{1,2} | 李杰和李莲英和李二棍子 | 李杰和 | {1,2}匹配1到2次任意字符 |
注意:前面的*,+,?等都是贪婪匹配,也就是尽可能匹配,后面加?号使其变成惰性匹配
正则 | 待匹配字符 | 匹配 结果 | 说明 |
李.*? | 李杰和李莲英和李二棍子 | 李 李 李 | 惰性匹配 |
字符集[][^]
正则 | 待匹配字符 | 匹配 结果 | 说明 |
李[杰莲英二棍子]* | 李杰和李莲英和李二棍子 | 李杰 | 表示匹配"李"字后面[杰莲英二棍子]的字符任意次 |
李[^和]* | 李杰和李莲英和李二棍子 | 李杰 | 表示匹配一个不是"和"的字符任意次 |
[\d] | 456bdha3 | 4 | 表示匹配任意一个数字,匹配到4个结果 |
[\d]+ | 456bdha3 | 456 | 表示匹配任意个数字,匹配到2个结果 |
分组 ()与 或 |[^]
身份证号码是一个长度为15或18个字符的字符串,如果是15位则全部由数字组成,首位不能为0;如果是18位,则前17位全部是数字,末位可能是数字或x,下面我们尝试用正则来表示:
正则 | 待匹配字符 | 匹配 结果 | 说明 |
^[1-9]\d{13,16}[0-9x]$ | 110101198001017032 | 110101198001017032 | 表示可以匹配一个正确的身份证号 |
^[1-9]\d{13,16}[0-9x]$ | 1101011980010170 | 1101011980010170 | 表示也可以匹配这串数字,但这并不是一个正确的身份证号码,它是一个16位的数字 |
^[1-9]\d{14}(\d{2}[0-9x])?$ | 1101011980010170 | False | 现在不会匹配错误的身份证号了 ()表示分组,将\d{2}[0-9x]分成一组,就可以整体约束他们出现的次数为0-1次 |
^([1-9]\d{16}[0-9x]|[1-9]\d{14})$ | 110105199812067023 | 110105199812067023 | 表示先匹配[1-9]\d{16}[0-9x]如果没有匹配上就匹配[1-9]\d{14} |
转义符 \
在正则表达式中,有很多有特殊意义的是元字符,比如\n和\s等,如果要在正则中匹配正常的"\n"而不是"换行符"就需要对"\"进行转义,变成'\\'。
在python中,无论是正则表达式,还是待匹配的内容,都是以字符串的形式出现的,在字符串中\也有特殊的含义,本身还需要转义。所以如果匹配一次"\n",字符串中要写成'\\n',那么正则里就要写成"\\\\n",这样就太麻烦了。这个时候我们就用到了r'\n'这个概念,此时的正则是r'\\n'就可以了。
正则 | 待匹配字符 | 匹配 结果 | 说明 |
\n | \n | False | 因为在正则表达式中\是有特殊意义的字符,所以要匹配\n本身,用表达式\n无法匹配 |
\\n | \n | True | 转义\之后变成\\,即可匹配 |
"\\\\n" | '\\n' | True | 如果在python中,字符串中的'\'也需要转义,所以每一个字符串'\'又需要转义一次 |
r'\\n' | r'\n' | True | 在字符串之前加r,让整个字符串不转义 |
贪婪匹配
贪婪匹配:在满足匹配时,匹配尽可能长的字符串,默认情况下,采用贪婪匹配
正则 | 待匹配字符 | 匹配 结果 | 说明 |
<.*> | <script>...<script> | <script>...<script> | 默认为贪婪匹配模式,会匹配尽量长的字符串 |
<.*?> | r'\d' | <script> | 加上?为将贪婪匹配模式转为非贪婪匹配模式,会匹配尽量短的字符串 |
*?
重复任意次,但尽可能少重复+?
重复1次或更多次,但尽可能少重复??
重复0次或1次,但尽可能少重复{n,m}?
重复n到m次,但尽可能少重复{n,}?
重复n次以上,但尽可能少重复
.*?的用法
.
是任意字符*
是取 0 至 无限长度?
是非贪婪模式。- 何在一起就是 取尽量少的任意字符,一般不会这么单独写,他大多用在:
.*?x
- 就是取前面任意长度的字符,直到一个x出现
re模块下的常用方法
import re res = re.findall('i','yietong tim lily') print(res) # ['i', 'i', 'i'] 结果是一个列表 # res = re.search('i','yietong tim lily') print(res) # <_sre.SRE_Match object; span=(1, 2), match='i'> # 查找到一个符合条件的就结束.没有就返回none print(res.group()) # i 没有就无法group调用,直接报错 res = re.match('y','yietong tim lily') print(res) # <_sre.SRE_Match object; span=(0, 1), match='y'> # 从字符串的开头匹配 如果没有则直接返回None 类似于给正则自动加了^ 如果符合也只获取一个就结束 print(res.group()) # y 没有就无法group调用,直接报错 res = re.finditer('i','yietong tim lily') print(res) # <callable_iterator object at 0x00000211ECF3D2B0> 结果是一个迭代器,为了节省空间 print([i.group() for i in res]) # ['i', 'i', 'i'] 可以进行for循环取值 obj = re.compile('\d+') # 提前写好,后续需要经常使用的正则 print(re.findall(obj,'asfrrrrgrdf23564')) # ['23564'] print(re.findall(obj,'1234wferbvccrcbf')) # ['1234']
findall 优先级查询及取消方法
res = re.findall('a(b)c','abcabcabc') print(res) # ['b', 'b', 'b'] # 取消优先查询方法 ?: res = re.findall('a(?:b)c','abcabcabc') print(res) # ['abc', 'abc', 'abc']
给分组起别名方法
res = re.findall('(a)(b)(c)','abcabcabc') print(res) # [('a', 'b', 'c'), ('a', 'b', 'c'), ('a', 'b', 'c')] # 分组起别名方法: ?P res = re.findall('(?P<aaa>a)(b)(c)','abcabcabc') print(res) # [('a', 'b', 'c'), ('a', 'b', 'c'), ('a', 'b', 'c')] print(res.group('aaa')) # 报错
split的优先级查询
ret=re.split("\d+","eva3jason4yuan") print(ret) #结果 : ['eva', 'jason', 'yuan'] ret=re.split("(\d+)","eva3jason4yuan") print(ret) #结果 : ['eva', '3', 'jason', '4', 'yuan'] #在匹配部分加上()之后所切出的结果是不同的, #没有()的没有保留所匹配的项,但是有()的却能够保留了匹配的项, #这个在某些需要保留匹配部分的使用过程是非常重要的。
总结
以上为个人经验,希望能给大家一个参考,也希望大家多多支持脚本之家。