【轉】正則表達式（入門篇）

時間 2019-12-07

原文原文鏈接

原文轉自：https://blog.csdn.net/Ruger00...html

簡介：

正則表達式，又稱正規表示式、正規表示法、正規表達式、規則表達式、常規表示法（英語：Regular Expression，在代碼中常簡寫爲regex、regexp或RE），計算機科學的一個概念。正則表達式使用單個字符串來描述、匹配一系列匹配某個句法規則的字符串。在不少文本編輯器裏，正則表達式一般被用來檢索、替換那些匹配某個模式的文本。java

許多程序設計語言都支持利用正則表達式進行字符串操做。例如，在Perl中就內建了一個功能強大的正則表達式引擎。正則表達式這個概念最初是由Unix中的工具軟件（例如sed和grep）普及開的。正則表達式一般縮寫成「regex」，單數有regexp、regex，複數有regexps、regexes、regexen。python

乾貨開始

import re

key = r"<html><body><h1>hello world<h1></body></html>"//這段是你要匹配的文本
p1 = r"(?<=<h1>).+?(?=<h1>)"//這是咱們寫的正則表達式規則，你如今能夠不理解啥意思
pattern1 = re.compile(p1)//咱們在編譯這段正則表達式
matcher1 = re.search(pattern1,key)//在源文本中搜索符合正則表達式的部分
print matcher1.group(0)//打印出來

你能夠嘗試運行上面的代碼，看看是否是和咱們想象的同樣（博主是在python2.7環境下）發現代碼挺少挺簡單？往下看。並且正則表達式實際上要比看起來的那種奇形怪狀要簡單得多。ios

首先，從最基礎的正則表達式提及。
假設咱們的想法是把一個字符串中的全部」python」給匹配到。咱們試一試怎麼作程序員

import re

key = r"javapythonhtmlvhdl"#這是源文本
p1 = r"python"#這是咱們寫的正則表達式
pattern1 = re.compile(p1)#一樣是編譯
matcher1 = re.search(pattern1,key)#一樣是查詢
print matcher1.group(0)

看完這段代碼，你是否是以爲：臥槽？這就是正則表達式？直接寫上去就行？正則表達式

確實，正則表達式並不像它表面上那麼奇葩，若是不是咱們故意改變一些符號的含義時，你看到的就是想要匹配的。編程

因此，先把大腦清空，先認爲正則表達式就是和想要匹配的字符串長得同樣。在以後的練習中咱們會逐步進化python2.7

初級

不管是python仍是正則表達式都是區分大小寫的，因此當你在上面那個例子上把」python」換成了」Python」，那就匹配不到你心愛的python了。編輯器

從新回到第一個例子中那個< h1 >hello world< h1 >匹配。假如我像這麼寫，會怎麼樣？工具

import re

key = r"<h1>hello world<h1>"#源文本
p1 = r"< h1 >.+< h1 >"#咱們寫的正則表達式，下面會將爲何
pattern1 = re.compile(p1)
print pattern1.findall(key)#發沒發現，我怎麼寫成findall了？咋變了呢？

有了入門級的經驗，咱們知道那兩個< h1 >就是普普統統的字符，可是中間的是什麼鬼？
.字符在正則表達式表明着能夠表明任何一個字符（包括它自己）
findall返回的是全部符合要求的元素列表，包括僅有一個元素時，它仍是給你返回的列表。

機智如你可能會忽然問：那我若是就只是想匹配」.」呢？結果啥都給我返回了咋整？在正則表達式中有一個字符，其實若是你編程經驗較多的話，你就會發現這是好多地方的「轉義符」。在正則表達式裏，這個符號一般用來把特殊的符號轉成普通的，把普通的轉成特殊的23333（並非特殊的「2333」，寫完才發現會不會有腦洞大的想歪了）。
舉個栗子，你真的想匹配」chuxiuhong@hit.edu.cn」這個郵箱（個人郵箱），你能夠把正則表達式寫成下面這個樣子：

import re

key = r"afiouwehrfuichuxiuhong@hit.edu.cnaskdjhfiosueh"
p1 = r"chuxiuhong@hit\.edu\.cn"
pattern1 = re.compile(p1)
print pattern1.findall(key)

發現了吧，咱們在.的前面加上了轉義符，可是並非表明匹配「.」的意思，而是隻匹配「.」的意思！
不知道你細不細心，有沒有發現咱們第一次用.時，後面還跟了一個+？那這個加號是幹什麼的呢？
其實不難想，咱們說了「.字符在正則表達式表明着能夠表明任何一個字符（包括它自己）」，可是」hello world」可不是一個字符啊。
+的做用是將前面一個字符或一個子表達式重複一遍或者多遍。
比方說表達式「ab+」那麼它能匹配到「abbbbb」，可是不能匹配到」a」，它要求你必須得有個b，多了不限，少了不行。你若是問我有沒有那種「有沒有都行，有多少都行的表達方式」，回答是有的。
*跟在其餘符號後面表達能夠匹配到它0次或屢次
比方說咱們在網頁內遇到了連接，可能既有http://開頭的，又有https://開頭的，咱們怎麼處理？

import re

key = r"http://www.nsfbuhwe.com and https://www.auhfisna.com"#胡編亂造的網址，別在乎
p1 = r"https*://"#看那個星號！
pattern1 = re.compile(p1)
print pattern1.findall(key)

輸出

['http://', 'https://']

比方說咱們有這麼一個字符串」cat hat mat qat」，你會發現前面三個是實際的單詞，最後那個是我胡編亂造的（上百度查完是昆士蘭英語學院的縮寫= =）。若是你原本就知道」at」前面是c、h、m其中之一時這才構成單詞，你想把這樣的匹配出來。根據已經學到的知識是否是會想到寫出來三個正則表達式進行匹配？實際上不須要。由於有一種多字符匹方式
[]表明匹配裏面的字符中的任意一個
仍是舉個栗子，咱們發現啊，有的程序員比較過度，，在這對標籤上，大小寫混用，老害得咱們抓不到想要的東西，咱們該怎麼應對？是寫16*16種正則表達式挨個匹配？no

import re

key = r"lalala<hTml>hello</Html>heiheihei"
p1 = r"<[Hh][Tt][Mm][Ll]>.+?</[Hh][Tt][Mm][Ll]>"
pattern1 = re.compile(p1)
print pattern1.findall(key)

輸出

['<hTml>hello</Html>']

咱們既然有了範圍性的匹配，天然有範圍性的排除。
[^]表明除了內部包含的字符之外都能匹配
仍是cat,hat,mat,qat這個例子，咱們想匹配除了qat之外的，那麼就應該這麼寫：

import re

key = r"mat cat hat pat"
p1 = r"[^p]at"#這表明除了p之外都匹配
pattern1 = re.compile(p1)
print pattern1.findall(key)

爲了方便咱們寫簡潔的正則表達式，它自己還提供下面這樣的寫法

介紹到這裏，咱們可能已經掌握了大體的正則表達式的構造方式，可是咱們經常會在實戰中遇到一些匹配的不許確的問題。比方說：

import re

key = r"chuxiuhong@hit.edu.cn"
p1 = r"@.+\."#我想匹配到@後面一直到「.」之間的，在這裏是hit
pattern1 = re.compile(p1)
print pattern1.findall(key)

輸出

['@hit.edu.']

呦呵！你咋能多了呢？我理想的結果是@hit.，你咋還給我加量了呢？這是由於正則表達式默認是「貪婪」的，咱們以前講過，「+」表明是字符重複一次或屢次。可是咱們沒有細說這個屢次究竟是多少次。因此它會盡量「貪婪」地多給咱們匹配字符，在這個例子裏也就是匹配到最後一個「.」。
咱們怎麼解決這種問題呢？只要在「+」後面加一個「？」就行了。

import re

key = r"chuxiuhong@hit.edu.cn"
p1 = r"@.+?\."#我想匹配到@後面一直到「.」之間的，在這裏是hit
pattern1 = re.compile(p1)
print pattern1.findall(key)

輸出結果

['@hit.']

加了一個「?」咱們就將貪婪的「+」改爲了懶惰的「+」。這對於[abc]+,w*之類的一樣適用

我的建議：在你使用」+」,」*」的時候，必定先想好究竟是用貪婪型仍是懶惰型，尤爲是當你用到範圍較大的項目上時，由於頗有可能它就多匹配字符回來給你！！！

爲了可以準確的控制重複次數，正則表達式還提供
{a,b}(表明a<=匹配次數<=b)

仍是舉個栗子，咱們有sas,saas,saaas，咱們想要sas和saas，咱們怎麼處理呢？

import re

key = r"saas and sas and saaas"
p1 = r"sa{1,2}s"
pattern1 = re.compile(p1)
print pattern1.findall(key)

若是你省略掉{1,2}中的2，那麼就表明至少匹配一次，那麼就等價於？
若是你省略掉{1,2}中的1，那麼就表明至多匹配2次。
下面列舉一些正則表達式裏的元字符及其做用

相關標籤/搜索

每日一句

每一个你不满意的现在，都有一个你没有努力的曾经。

【轉】 正則表達式（入門篇）

簡介：

乾貨開始

初級

【轉】正則表達式（入門篇）