正則表達式

正則表達式中的特殊字符

1. ^的用法

^一般用在字符串匹配模式的開頭，^表示以某一個字符開頭，如：^a表示匹配的字符串必須以a開頭。

1. .和*的用法

.表示匹配任意一個字符，*表示出現0次或屢次，例如：^a.*表示，匹配的字符串須要以a開頭，而且後面能夠是0個或者多個任意字符。

1. $字符的用法

$字符通常用在匹配模式的結尾，表明匹配的字符串須要之前面的那個字符結尾。例如：^a.*6$表示，匹配的字符串須要以a開頭，後面是0個或者多個任意字符，而且要以6結尾。

1. ?的常見用法

正則表達式一般是一種貪婪的匹配方式，而？表明了一種非貪婪的匹配模式。能夠表示重複前面的內容0次或1次，也就是要麼不出現要麼出現一次。例如：line = "sucansssoooo1226"，如今，須要找出從第一個s到第二個s之間的內容。

line = "sucansssoooo1226"
reg_str = ".*(s.*s).*"
match_obj = re.match(reg_str,line)
if match_obj:
    print(match_obj.group(1))

在上面的代碼中，咱們獲得的結果是：ss。這正是由於正則表達式貪婪匹配的結果。正則表達式會一直匹配到最後符合要求的結果。下面咱們修改匹配模式

reg_str = ".*?(s.*s).*"

修改以後，咱們獲得的結果是：sucansss。在第一個量詞*後面加上？表示，找到第一個s的時候，就記下來，可是後面，仍是一種貪婪匹配的模式，會一直日後找到s。繼續修改匹配模式

reg_str = ".*?(s.*?s).*"

這時候的輸出結果是：sucans。表示已經獲得了想要的結果。第二個問號表示，在找到第二個s的時候，就中止匹配，這就是一種非貪婪的匹配模式。

1. +的使用方法。

+表示，+前面的字符必須至少出現一次。同時也是一種貪婪的匹配模式。與*不一樣的是，*表示前面的字符能夠出現0次或屢次，而+表示至少出現一次。一樣的，仍是上面的字符串，咱們將正則表達式，修改爲下面這樣：

".*(s.+s).*"

輸出結果會變成：sss。爲何不是ss呢？就是由於，在正則表達式中，咱們用了.+這樣就表示，ss之間至少必須有一個字符才符合要求。

1. {}的使用方法

{}有三種常見的用法：一、{2}，花括號，裏面有一個數字，表示，花括號前面的字符出現的次數只能是花括號裏面的數字；二、{2，}，花括號，數字，逗號。表示，前面的字符出現的次數至少是花括號裏面的數字；三、{2,5}，花括號，數字區間。表示，前面的字符出現的次數，只能在這個區間內。如例：最少2次，最多5次。

1. |的使用

|表示或者，好比：sucan | sucan1226。表示匹配sucan或者sucan1226，只要字符串中包含二者中的任意一個都知足條件。

1. []的使用

[]表示，只要字符是[]裏面的任意一個都知足條件：例如：常見的手機號碼的匹配1[3578][0-9]{9}。表示，以1開頭，後面必須是3578中的一個，後面必須是0-9之間的數字，同時，只能出現9次。注意：中括號中的特殊字符沒有特殊含義。例如：[. ]表示，只有字符知足是.的時候才知足要求。再好比：[^1]表示，只要字符不是1都知足要求。

1. \s

匹配空格，例如：line = 你 好。匹配這個字符串就須要reg= 你\s好。

1. \S

匹配任意非空格。與\s恰好相反。一樣若是：line = 你 好。這時候用 reg = 你\S好，就匹配不了。

1. \w

\w的功能就是[A-Za-z0-9_]，意思就是匹配任意一個字符，若是字符知足：A-Z或這個a-z或者0-9或者是_的時候。

1. \W

\W的功能跟\s恰好相反，只要不知足\w的任意字符，都知足\W。例如：空格，等。

1. [\u4E00-\u9FA5]

匹配漢字。

1. \d

匹配數字。例如：XXXX出生於1992年。如今，咱們須要提取出1992。

line = "XXXX出生於1992年"
reg_str = ".*(\d{4}).*"
match_obj = re.match(reg_str,line)
if match_obj:
    print(match_obj.group(1))

上面是第一種方法，爲何不直接用(\d+)呢？這樣是匹配不到的，這樣只會匹配出來2。由於貪婪匹配！！！。除了上面這種方法，咱們還能夠將正則表達式修改一下。加上？取消貪婪匹配。

reg_str = ".*?(\d+).*"

Demo：用正則表達式匹配多種出生日期的書寫

# -*- coding:utf-8 -*-
__author__ = "sucan"

import re

line = "XXXX出生於1992年1月"
line = "XXXX出生於1992年1月1日"
line = "XXXX出生於1992/1/1"
line = "XXXX出生於1992-01-01"
line = "XXXX出生於1992-1"
line = "XXXX出生於1992-01"
reg_str = ".*出生於(\d{4}[年/-]\d{1,2}([月/-]\d{1,2}|[月/-]$|$))"
match_obj = re.match(reg_str,line)
if match_obj:
    print(match_obj.group(1))