python中的正则表达式,贪婪匹配与非贪婪匹配方式

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]8True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]aFalse由于字符组中没有"a"字符,所以不能匹配
[0-9]7True也可以用-表示范围,[0-9]就和[0123456789]是一个意思
[a-z]sTrue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]HTrue[A-Z]就表示所有的大写字母
[0-9a-fA-F]zTrue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
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

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\nFalse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\nTrue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>
<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

作者:Yietong309原文地址:https://blog.csdn.net/weixin_67531112/article/details/125115750

%s 个评论

要回复文章请先登录注册