python中的正则表达式,贪婪匹配与非贪婪匹配方式
2023-01-31 10:07:27 来源：易采站长站 作者：
目录正则表达式,贪婪匹配与非贪婪匹配正则表达式前戏.^$*+?{}字符集［］［^］分组()与或｜［^］转义符贪婪匹配re模块下的常用方法总结正则表达式,贪婪匹配与非贪婪匹配正则表...
目录
正则表达式,贪婪匹配与非贪婪匹配正则表达式前戏
. ^ $
* + ? { }
字符集［］［^］
分组 ()与 或 ｜［^］
转义符 \
贪婪匹配
re模块下的常用方法
总结
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
李杰和
李莲英
李二棍
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
李杰
李莲英
李二棍子
4
5
6
3
456
3
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]$11010119800101701101011980010170
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])?$1101011980010170False
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python，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})$110105199812067023110105199812067023
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android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>
*? 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我们。
闽公网安备 35020302000061号
