开发: C++知识库 Java知识库 JavaScript Python PHP知识库人工智能区块链大数据移动开发嵌入式开发工具数据结构与算法开发测试游戏开发网络协议系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑笔记本显卡显示器固态硬盘硬盘耳机手机 iphone vivo oppo 小米华为单反装机图拉丁

-> Python知识库 -> 正则表达式 -> 正文阅读

[Python知识库]正则表达式

正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个”规则字符串“，这个”规则字符串“用来表达对字符串的一种过滤逻辑。正则表达式每个语言都有，以python为例，相关函数在re包中。
对于一些常用匹配功能，可以参考 https://tool.oschina.net/regex 的表达式模板。

常见匹配模式：

模式	描述
\w	匹配字母数字及下划线
\W	匹配非字母数字下划线
\s	匹配任意空白字符
\S	匹配任意非空字符
\d	匹配任意数字，等价于[0-9]
\D	匹配任意非数字
\A	匹配字符串开始
\Z	匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串
\z	匹配字符串结束
\G	匹配最后匹配完成的位置
\n	匹配一个换行符
\t	匹配一个制表符
^	匹配字符串的开头
$	匹配字符串的末尾
.	匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符
[…]	用来表示一组字符，单独列出：[amk] 匹配‘a’, ‘m’或’k’
[^…]	不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符
*	匹配0个或多个的表达式，如 .* 匹配任意个任意字符， \s匹配任意个空白字符；.?与\s*?是非贪婪模式
+	匹配一个或多个的表达式
?	匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式
{n}	精确匹配n个前面表达式
{n,m}	匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式
a\|b	匹配a或b
{}	匹配括号内的表达式，也表示一个组

最常规的匹配 re.match

re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。
re.match(pattern, string, flags=0): 三个参数分别代表正则表达式，要匹配的字符串，匹配模式。
最大缺点是必须从字符串的第一个字符开始匹配，所以并不常用。

import re

content = "Hello 123 4567 World_This is a Regex Demo"
print(len(content))
result = re.match("Hello\s\d{3}\s\d{4}\s\w{10}.*Demo$", content)
# 作用和上面是一样的（.* 用的好，方便少不了，.* 表示匹配任意多个任意字符）
# result = re.match("Hello.*Demo$", content)
print(result)
print(result.group())
print(result.span())

41
<re.Match object; span=(0, 41), match='Hello 123 4567 World_This is a Regex Demo'>
Hello 123 4567 World_This is a Regex Demo
(0, 41)

匹配目标

import re

content = "Hello 1234567 World_This is a Regex Demo"
# 把要匹配的目标用（）括起来，然后指定它的左右端点；group(1)表示第一个小括号，group(n)表示第n个小括号
result = re.match("Hello\s(\d+)\sWorld.*Demo$", content)
print(result)
print(result.group())
print(result.group(1))
print(result.span())

<re.Match object; span=(0, 40), match='Hello 1234567 World_This is a Regex Demo'>
Hello 1234567 World_This is a Regex Demo
1234567
(0, 40)

贪婪匹配

import re

# .* 贪婪模式，会匹配尽可能多的字符。由于(\d+)至少要有一个字符，所以.*给(\d+)留了一个7，123456全匹配啦
content = "Hello 1234567 World_This is a Regex Demo"
result = re.match("He.*(\d+).*Demo$", content)
print(result)
print(result.group())
print(result.group(1))
print(result.span())

<re.Match object; span=(0, 40), match='Hello 1234567 World_This is a Regex Demo'>
Hello 1234567 World_This is a Regex Demo
7
(0, 40)

非贪婪匹配

import re

# .*？ ？会把.*变为非贪婪模式，匹配时看到后面有个(\d+)要匹配数字时就把数字全给了后面的(\d+)
content = "Hello 1234567 World_This is a Regex Demo"
result = re.match("He.*?(\d+).*Demo$", content)
print(result)
print(result.group())
print(result.group(1))
print(result.span())

<re.Match object; span=(0, 40), match='Hello 1234567 World_This is a Regex Demo'>
Hello 1234567 World_This is a Regex Demo
1234567
(0, 40)

匹配模式

import re

# python中的字符串内部换行方法：1）\n；2）'''使用三个单引号 
content = '''Hello 1234567 World_This 
is a Regex Demo'''

# result = re.match("He.*?(\d+).*?Demo$", content)
# .* 可以匹配任意字符，但是不能匹配换行符；但是把匹配模式设置为 re.S 后就可以匹配换行符
result = re.match("He.*?(\d+).*?Demo$", content, re.S)
print(result)
print(result.group())
print(result.group(1))
print(result.span())

<re.Match object; span=(0, 41), match='Hello 1234567 World_This \nis a Regex Demo'>
Hello 1234567 World_This 
is a Regex Demo
1234567
(0, 41)

转义

import re

content= "price is $5.00"
# 正则表达式中出现了特殊字符时，可以给他加转义
result = re.match("price is \$5\.00", content)
print(result)

<re.Match object; span=(0, 14), match='price is $5.00'>

尽量使用范匹配，也就是 .* ， .*? ；使用括号得到匹配目标，尽量使用非贪婪模式，有换行符就用 re.S

re.search

re.search扫描整个字符串并返回第一个成功的匹配。不会非得从第一个字符开始进行匹配。所以优先用search方法，它不会限制头部。

import re

content = "Extra strings Hello 1234567 World_This is a Regex Demo"
result = re.match("He.*?(\d+).*Demo$", content)
result1 = re.search("He.*?(\d+).*Demo$", content)
print(result)
print(result1)

None
<re.Match object; span=(14, 54), match='Hello 1234567 World_This is a Regex Demo'>

import re

html = '''<div id="songs-list">
    <h2 class="title">经典老歌</h2>
        <ul id="list" class="list-group">
            <li data-view="4" class="active">
                <a href="/3.mp3" singer="齐秦">往事如风</a>
            </li>
            <li data-view="5"><a href="/5.mp3" singer="陈慧琳">记事本</a></li>
</div>'''
# python中字符串里面如果有""，那么最外面必须是单引号（如下行），否则语法错误；
# '''   '''用于字符串换行
result = re.search('<li.*?active.*?singer="(.*?)">(.*?)</a>', html, re.S)
print(result)
print(result.group(0))
print(result.group(1))
print(result.group(2))

<re.Match object; span=(108, 195), match='<li data-view="4" class="active">\n              >
<li data-view="4" class="active">
                <a href="/3.mp3" singer="齐秦">往事如风</a>
齐秦
往事如风

re.findall

搜索字符串，以列表形式返回全部能匹配的子串。这个是最常用的。

import re

html = '''<div id="songs-list">
    <h2 class="title">经典老歌</h2>
        <ul id="list" class="list-group">
            <li data-view="4" class="active">
                <a href="/3.mp3" singer="齐秦">往事如风</a>
            </li>
            <li data-view="5"><a href="/5.mp3" singer="陈慧琳">记事本</a></li>
</div>'''
# python中字符串里面如果有""，那么最外面必须是单引号（如下行），否则语法错误；
# '''   '''用于字符串换行
results = re.findall('<li.*?singer="(.*?)">(.*?)</a>', html, re.S)
print(results)
print(type(results))
for result in results:
    print(result)
    print(result[0], result[1])

[('齐秦', '往事如风'), ('陈慧琳', '记事本')]
<class 'list'>
('齐秦', '往事如风')
齐秦 往事如风
('陈慧琳', '记事本')
陈慧琳 记事本

re.sub

替换字符串中每一个匹配的子串后返回替换后的字符串。四个参数：正则字符串，要替换成的字符串，原字符串，匹配模式。
（1）替换字串

import re

content = "Extra strings Hello 1234567 World_This is a Regex Demo"
content = re.sub("\d+", "", content)
print(content)

Extra strings Hello  World_This is a Regex Demo

（2）匹配字串，在子串基础上添加内容

import re

content = "Extra strings Hello 1234567 World_This is a Regex Demo"
content = re.sub("(\d+)", r"\1 8910", content)
#  \1 的意思即使把第一个括号中的内容拿过来，也就是把（/d+）里的内容拿过来。r不能少
print(content)

Extra strings Hello 1234567 8910 World_This is a Regex Demo

re.compile

将正则字符串编译成正则表达式对象。将一个正则表达式串编译成正则对象，以便于复用该匹配模式。

import re

content = '''Hello 1234567 World_This
is a Regex Demo'''
pattern = re.compile("Hello.*Demo", re.S)
result = re.match(pattern, content)
print(result)
result1 = re.match("Hello.*Demo", content, re.S)
print(result1)

import requests
import re

response = requests.get("http://www.hdu.edu.cn/")
print(response.status_code)
print()
print(response.url)
print()
print(response.headers)
print()
print(response.cookies)
print()
#print(response.text) # 以文本形式打印网页源码
print()
#print(response.content) # 以字节流形式打印

Java的正则

java正则最重要的有两个类Pattern, Matcher。虽然下面只是一个简单例子，但是匹配规则在不同语言中是几乎相同的，想用java的正则方法时，注意字符串的书写要求，比如java中 \ 需要进行转义才行，再稍微搜索下其他博客，基本就会用java的正则方法啦。

package tacos.nacos;

import org.junit.Test;

import java.util.regex.Matcher;
import java.util.regex.Pattern;

/**
 * @author yuanfu
 * @date 2021/9/29 21:07
 */
public class RegexDemo {

    @Test
    public void test() {
        String content = "delete from user where id = '12345' and name = 'haha'";
        String pattern = "delete.*?om\\s(.*?)\\s.*?'(\\d+)'.*?'(\\w+)'";

        Pattern compile = Pattern.compile(pattern);
        Matcher matcher = compile.matcher(content);
        if(matcher.find()){
            System.out.println(matcher.group(0));
            System.out.println(matcher.group(1));
            System.out.println(matcher.group(2));
            System.out.println(matcher.group(3));
        }

        // 上面正则等价于下面的字符串分割
        System.out.println();
        String[] s = content.split(" ");
        System.out.println(s[2]);
        System.out.println(s[6].substring(1, s[6].length()-1));
        System.out.println(s[10].substring(1, s[10].length()-1));
    }
}