python中的正则表达式,贪婪匹配与非贪婪匹配方式
作者:Yietong309
这篇文章主要介绍了python中的正则表达式,贪婪匹配与非贪婪匹配方式,具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐教
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
|
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
|
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.$"
|
* + ? { }
正则
|
待匹配字符
|
匹配
结果
|
说明
|
李.?
|
李杰和李莲英和李二棍子
|
李杰
李莲
李二
|
?表示重复零次或一次,即只匹配"李"后面一个任意字符
|
李.*
|
李杰和李莲英和李二棍子
|
李杰和李莲英和李二棍子
|
*表示重复零次或多次,即匹配"李"后面0或多个任意字符
|
李.+
|
李杰和李莲英和李二棍子
|
李杰和李莲英和李二棍子
|
+表示重复一次或多次,即只匹配"李"后面1个或多个任意字符
|
李.{1,2}
|
李杰和李莲英和李二棍子
|
李杰和
李莲英
李二棍
|
{1,2}匹配1到2次任意字符
|
注意:前面的*,+,?等都是贪婪匹配,也就是尽可能匹配,后面加?号使其变成惰性匹配
正则
|
待匹配字符
|
匹配
结果
|
说明
|
李.*?
|
李杰和李莲英和李二棍子
|
李
李
李
|
惰性匹配
|
字符集[][^]
正则
|
待匹配字符
|
匹配
结果
|
说明
|
李[杰莲英二棍子]*
|
李杰和李莲英和李二棍子
|
李杰
李莲英
李二棍子
|
表示匹配"李"字后面[杰莲英二棍子]的字符任意次
|
李[^和]*
|
李杰和李莲英和李二棍子
|
李杰
李莲英
李二棍子
|
表示匹配一个不是"和"的字符任意次
|
[\d]
|
456bdha3
|
4
5
6
3
|
表示匹配任意一个数字,匹配到4个结果
|
[\d]+
|
456bdha3
|
456
3
|
表示匹配任意个数字,匹配到2个结果
|
分组 ()与 或 |[^]
身份证号码是一个长度为15或18个字符的字符串,如果是15位则全部由数字组成,首位不能为0;如果是18位,则前17位全部是数字,末位可能是数字或x,下面我们尝试用正则来表示:
正则
|
待匹配字符
|
匹配
结果
|
说明
|
^[1-9]\d{13,16}[0-9x]$
|
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: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>
<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。
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。
您可能感兴趣的文章:
电脑版
-
返回首页
2006-2023 脚本之家 JB51.Net , All Rights Reserved.
苏ICP备14036222号