52 re 模块

共计 8165 个字符，预计需要花费 21 分钟才能阅读完成。

引入

正则表达式是匹配字符串的强大工具, 在每个编程语言中都有正则表达式的概念, 利用正则表达式, 我们从返回的页面内容中提取想要的内容就变的比较方便了

1. 什么是 re 模块

• re 模块是 Python 内置的模块

2. 什么是正则

• 正则表达式是对字符串操作的一种 逻辑 (规则), 就是事先定义好一些特定的字符组合, 组成一个 "规则字符串 ", 然后使用这个 " 规则字符串" 来对字符串进行过滤
• 在 Python 中通过内置的 re 模块来使用正则表达式, 它提供了所有正则表达式的功能

3. 正则表达式的大致匹配过程

• 定义一个"规则字符串", 然后依次与文本中的字符进行对比
• 如果 每一个字符 都能匹配, 那么就匹配成功, 否则匹配失败
• 如果表达式中有 量词 或者 边界, 这个过程会稍微有一些不同

4. 正则小示例

• 比如我们描述四条腿的东西 (规则字符串), 我们可能会想到的有四条腿的动物, 桌子和椅子等等
• 比如我们描述 两条腿的东西并且是活的, 我们可能会想到人类, 猴子, 鸟, 袋鼠, 鸡么等等

5. 常用正则表达式表

ps : [...] 讲解 : []所有的特殊字符在字符集中都失去其原有的特殊含义, 在字符集中如果要使用 ]、- 或^，可以在前面加上 反斜杠 ，或把]、- 放在第一个字符，把 ^ 放在非第一个字符

更多正则表达式 : https://www.jb51.net/tools/regexsc.htm

一. 普通字符和元字符

正则表达式就是由一些普通字符和元字符组成的

• 普通字符就是 字母和数字
• 元字符就是具有 特殊意义的字符, 常用于表单验证

二. 正则边界(定位字符)

• ^ : 会匹配字符串或者行的 起始 位置, 在 [] 中表示 ''非''(!)
• $ : 会匹配字符串或行的 结束 位置 (在 \n 之前)
• ^,$ 一起则表示 精确匹配 包裹在两个符号之间的字符串
• \A : 指定匹配必须出现在字符串的开头（忽略 Multiline 选项）
• \Z : 指定匹配必须出现在字符串的结尾或字符串结尾的 \n 之前（忽略 Multiline 选项）

三. 量词

• ✳ : 重复零次或更多（>=0）

• ✚ : 重复一次或更多次（>=1）

• ❔ : 重复零次或一次（0 || 1）

• {} : 重复多少次的意思 可以有多少个

四. 常用的功能函数

五. 正则使用示例

💠一对一匹配

print("hello".replace("llo","ooo"))  # heooo
print("hello".find("abcd"))  # -1 (找不到返回 -1)
print("hello".find("he"))    # 0

💠正则匹配

• \w 和 \W

import re

print(re.findall("\w","ab* 12$ _"))  # ['a', 'b', '1', '2', '_']
print(re.findall("\W","ab* 12$ _"))  # ['*', '','$',' ']

• \s 和 \S

print(re.findall("\s","ab* 12$ _ "))  # ['',' ',' ']
print(re.findall("\S","ab* 12$ _ "))  # ['a', 'b', '*', '1', '2', '$', '_']

• \d 和 \D

print(re.findall("\d","ab* 12$ _"))  # ['1', '2']
print(re.findall("\D","ab* 12$ _"))  # ['a', 'b', '*', '','$',' ','_']

• \A 和 \Z

print(re.findall("\Aab","ab* 12$ _"))  # ['ab']
print(re.findall("\Aaa","ab* 12$ _"))  # [] 没匹配到为空
print(re.findall("_\Z","ab* 12$ _"))   # ['_']
print(re.findall("0\Z","ab* 12$ _"))   # [] 没匹配到为空

• \t 和 \n

print(re.findall("\t","ab* 12$ \t_"))    # ['\t']
print(re.findall("\n","ab* 12$ \n_"))    # ['\n']

🔰"\s" 可以匹配 "\t" 和 "\n"
print(re.findall("\s","ab* \t12$ _\n"))  # ['','\t',' ','\n']

• ^ 和 \$

print(re.findall("^ab","ab* 12$ _"))   # ['ab']
print(re.findall("_$","ab* 12$ _\n"))  # ['_']

💠重复匹配

• ▪ : 匹配一个任意字符

print(re.findall("a.b","a&b"))  # ['a&b']
print(re.findall("a.b","a2b"))  # ['a2b']
print(re.findall("a.b","acb"))  # ['acb']
print(re.findall("a.b","a b"))  # ['a b']
print(re.findall("a.b","a\tb")) # ['\t']
print(re.findall("a.b","a\nb")) # [] (换行符匹配不到, 匹配为空)
print(re.findall("a.b","a b a*b abb a_b"))  # ['a b', 'a*b', 'abb', 'a_b']
print(re.findall("a.b","a\nb",re.S))        # ['a\nb'] (加入参数, 包含换行)
print(re.findall("a.b","a\nb",re.DOTALL))   # ['a\nb'] (同上效果一样)

• ✳ : 匹配零个或多个

print(re.findall("a*","aaaa aa"))        # ['aaaa', '','aa',''] (零个或多个 a)
print(re.findall("ab*","abab aa"))       # ['ab', 'ab', 'a', 'a'] (一个 a 零个或多个 b)
print(re.findall("a*b","ababaaaba aa"))  # ['ab', 'ab', 'aaab'] (零个或多个 a 一个 b)
print(re.findall("ab*","bbbbbbbb"))      # [] (没有匹配到一个 a 零个或多个 b)

• ❔ : 匹配零个或一个

print(re.findall("ab?","a"))     # ['a']
print(re.findall("ab?","abbb"))  # ['ab']

• ✚ : 匹配一个或多个

print(re.findall("a+","bbb"))    # []
print(re.findall("a+","ab"))     # ['a']
print(re.findall("ab+","ab"))    # ['ab']
print(re.findall("ab+","abbb"))  # ['abbb']

• {n,m} : 匹配 n~m 之间个

print(re.findall("a{9}","aaaa"))     # [] (匹配 9 个 b, 没有)
print(re.findall("a{3}","aaaa"))     # ['aaa']
print(re.findall("a{2}","aaaa"))     # ['aa', 'aa']
print(re.findall("ab{2}","aabbb"))   # ['abb']
print(re.findall("ab{2,6}","abbb"))  # ['abbb'] (一个 a,2~6 个 b)
print(re.findall("ab{1,}","abbb"))   # ['abbb'] (相当于 ab+)
print(re.findall("ab{0,}","abbb"))   # ['abbb'] (相当于 ab*)

• [] : 放一组字符, 逐个匹配

print(re.findall("a[*1_c-]b","a*ba1b a_baaba-b"))     # ['a*b', 'a1b', 'a_b', 'a-b']
print(re.findall("a[^*1c-]b","a*ba1b a_baab"))        # ['a_b', 'aab'] (匹配非 [] 内的字符)
print(re.findall("a[0-9]b","a*ba1b a3baa2b"))         # ['a1b', 'a3b', 'a2b'] (0~9)
print(re.findall("a[a-z]b","a*banb apbaaob"))         # ['anb', 'apb', 'aob'] (a~z)
print(re.findall("a[a-zA-Z0-9]b","a*banb aPbaa7b"))   # ['anb', 'aPb', 'a7b']
print(re.findall("a[^a-zA-Z0-9]b","a*banb aPbaa7b"))  # ['a*b'] (非 a~z,A~Z,0~9)

• () : 分组

print(re.findall('ab+','ababab123')) 
# ['ab', 'ab', 'ab']
print(re.findall('(ab)+123','ababab123')) 
# ['ab']，匹配到末尾的 ab123 中的 ab
print(re.findall('(?:ab)+123','ababab123')) 
# findall 的结果不是匹配的全部内容，而是组内的内容, ?: 可以让结果为匹配的全部内容
print(re.findall('href="(.*?)"','<a href="http://www.baidu.com"> 点击 </a>'))
# ['http://www.baidu.com']
print(re.findall('href="(?:.*?)"','<a href="http://www.baidu.com"> 点击 </a><a href="http://www.aiqiyi.com"> 点击 2 </a>'))
# ['href="http://www.baidu.com"', 'href="http://www.aiqiyi.com"']

• a|b : 左右两边都匹配

print(re.findall("shawn|song","shawn is man song is shawn"))  # ['shawn', 'song', 'shawn'] (不加括号全局匹配)
print(re.findall("A(?:abc|cba)A","AabcA"))  # ['AabcA']
print(re.findall("com(?:puter|e)","come on! Here is a computer "))  # ['come', 'computer']

• \ : 转义字符

# 转义字符，使后一个字符改变原来的意思。# 如果字符串中有字符 * 需要匹配，可以使用 \* 或者字符集 [*]
print(re.findall("a.b","a1b a.b"))   # ['a1b', 'a.b']
print(re.findall("a\.b","a1b a.b"))  # ['a.b']

💠匹配所有数字类型示例

print(re.findall("\d+\.?\d*","12as3.45qw2k7"))  # ['12', '3.45', '2', '7']

💠.* 贪婪匹配示例

• 匹配更多的字符

print(re.findall("a.*b","a11b22222b33"))  # ['a11b22222b']

💠.*? 非贪婪匹配示例

• 尽可能少的匹配

print(re.findall("a.*?b","a11b22222b3"))  # ['a11b']

六. re 模块常用方法示例

1、re.findall(pattern,string)

• 返回所有满足匹配的结果, 按照顺序依次放入列表中, 如果没有匹配结果, 返回一个空列表

print(re.findall("abc","112abc333"))  # ['abc']
print(re.findall("abcd","12abc333"))  # []

2、re.search(pattern,string)

• 匹配整个字符串, 只到找到 第一个 匹配然后返回一个包含匹配信息的对象(re.Match 对象)
• 该对象可以通过调用 group() 方法得到匹配的字符串, 如果字符串没有匹配，则返回None
• 如果没有匹配到值就调用 group() 方法, 抛出异常

print(re.search("abc","112abc333abc"))  
# <re.Match object; span=(3, 6), match='abc'>
print(re.search("abc","112abc333abc").group())  # abc

print(re.search("abcd","12abc333abc"))          # None
print(re.search("abcd","12abc333abc").group()) 
# 报错 "AttributeError" (因为没拿到这个对象, 所以没有 group()属性

3、re.match(pattern,string)

• 与 re.search 功能相同, 但必须匹配起始位置, 不然返回 None
• 可以使用上尖号 ^ : re.search("^abc","abc") 实现 re.match() 功能

print(re.match("abc","abc22abc"))  # <re.Match object; span=(0, 3), match='abc'>
print(re.match("abc","abc22abc").group())  # abc

print(re.match("abc","1abc22abc"))  # None
print(re.search("^abc","1abcabc"))  # None  (re.search)

4、re.split(pattern,string)

• 以 规定字符 作为分隔符对字符串进行切分, 切分结果放入列表, 没匹配到返回原字符串列表
• 将规定字符放入 [] 则是逐个匹配

print(re.split("o","abcoabcoabc"))   # ['abc', 'abc', 'abc']
print(re.split("ab","abcoabcoabc"))  # ['','co','co','c']

print(re.split("d","abcoabcoabc"))  # ['abcoabcoabc'] (没匹配到返回原字符串)

print(re.split("[o]","abcoabcoabc"))  # ['abc', 'abc', 'abc']
print(re.split("[ob]","abcoabcoabc"))   # ['a', 'c', 'a', 'c', 'a', 'c']
print(re.split("[oba]","abcoabcoabc"))  # ['','', 'c', '','', 'c', '','', 'c']
# 先使用 "o" 匹配进行分隔, 得到结果 "['abc', 'abc', 'abc']", 在使用 "b" 进行匹配分隔, 得到结果后再使用 "a" 匹配进行分隔

5、re.sub() 和 re.subn()

• 匹配"规则字符", 并将其改成指定字符, 返回改变后的字符串, 后面可跟数量参数, 不指定默认替换所有
• re.subn() 返回一个元组, 第二个元素返回的是替换的个数

print(re.sub("a","A","i am a man"))   # i Am A mAn
print(re.sub("a","b","i am a man"))   # i bm b mbn
print(re.sub("am","b","i am a man"))  # i b a man
print(re.sub("a","AA","i am a man"))  # i AAm AA mAAn

print(re.sub("a","A","i am a man",1))  # i Am a man
print(re.sub("a","A","i am a man",2))  # i Am A man
print(re.sub("a","A","i am a man",3))  # i Am A mAn
print(re.sub("a","A","i am a man",9))  # i Am A mAn (超出字符串中最大的个数不会报错, 而是替换所有)

print(re.subn("a","A","i am a man"))    # ('i Am A mAn', 3) (显示替换的个数)
print(re.subn("a","A","i am a man",2))  # ('i Am A man', 2)

6、re.compile()

• 在该函数中传入"规则字符", 返回一个对象, 它单独使用没有任何意义, 需要和 findall(), search(), match() 组合使用

obj = re.compile("\d{2}")
print(obj)  # re.compile('\\d{2}')

print(obj.findall("ab12c33b44"))         # ['12', '33', '44']
print(obj.search("ab12c33b44").group())  # 12
print(obj.match("12c33b44").group())     # 12 (注意, 必须在开头就匹配到, 不然 group 会报错)

七. 补充非捕获模式 : ?: ?! ?=

1、?! 示例

• ?! pattern, 表示在没有配到 pattern 的字符串的前提下，再进行后续的正则表达式匹配，后续匹配仍然从被匹配字符串的头开始

🍓 匹配密码，密码必须是由 6 位数字与字母组成，并且不能是纯数字也不能是纯字母
while 1:
    passwd = input(">>").strip()
    res = re.match("(?![\d]+$)(?![a-zA-Z]+$)[\da-zA-Z]{6}$",passwd)
    if res:
        print(f" 密码:{res.group()}")
    else:
        print(" 密码不符合规则 ")

2、?= 示例

• ?= pattern, 表示在配到 pattern 的字符串的前提下，再进行后续的正则表达式匹配，后续匹配仍然从被匹配字符串的头开始

🍓 匹配密码，必须包含大写，小写和数字, 和特殊字符(!,@,#,%,&), 且大于 6 位
while 1:
    passwd = input(" 请输入密码 >>").strip()
    res = re.search("(?=.*[\d])(?=.*[a-z])(?=.*[A-Z])(?=.*[!@#%&])^([\da-zA-Z!@#%&]{7,})$",passwd)
    if res:
        print(res.group())
    else:
        print(" 密码强度不够 ")