最简明的 python 正则教程

正则表达式

一、概述

1. 概念

正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。

2. 目的

给定一个正则表达式和另一个字符串，我们可以达到如下的目的：

a. 给定的字符串是否符合正则表达式的过滤逻辑（称作“匹配”）；

例如：邮箱匹配，电话号码匹配
b. 可以通过正则表达式，从字符串中获取我们想要的特定部分。

爬虫中解析html数据

3. 特点：

a. 灵活性、逻辑性和功能性非常的强；
b. 可以迅速地用极简单的方式达到字符串的复杂控制。
c. 对于刚接触的人来说，比较晦涩难懂。

4. 学习方法

a. 做好笔记，不要死记硬背
b. 大量练习

python中通过系统库 re 实现正则表达式的所有功能

二、正则表达式符号

1. 普通字符

下面的案例使用re模块的findall()函数,函数参考如下：

re.findall(pattern, string, flag)
- 在字符串中找到正则表达式所匹配的所有子串，并返回列表，如果没有找到返回空列表
- pattern: 正则表达式
- string：被匹配的字符串
- flag：标志位用来控制正则表达式匹配方式

在最简单的情况下，一个正则表达式看上去就是一个普通的查找串


import re
s1 = "testing123"
s2 = "Testing123"
r = re.findall("test", s1)  # 表示在s1中找到字符串"test"
print(r)

运行结果：


['test']


r = re.findall("test", s2)
print(r)

运行结果：

[]


r = re.findall("test", s2, re.I) # 修饰符re.I:使匹配对大小写不敏感
print(r)

运行结果：


['Test']

2. 元字符

. ^ $ * + ? { } [ ] | ( ) \

2.1 通配符`.`

匹配除\n之外的任何单个字符


s1 = "testing123"
s2 = "testing123\n"
r = re.findall(".", s1)
print(r)

运行结果：


['t', 'e', 's', 't', 'i', 'n', 'g', '1', '2', '3']


r = re.findall(".", s2)  # 除“\n”
print(r)

运行结果:


['t', 'e', 's', 't', 'i', 'n', 'g', '1', '2', '3']

修饰符re.S使.匹配包括换行在内的所有字符


r = re.findall(".", s2, re.S)  
print(r)

运行结果：


['t', 'e', 's', 't', 'i', 'n', 'g', '1', '2', '3', '\n']

2.2 脱字符`^`

匹配输入字符串的开始位置


s1 = "testing\nTesting\ntest"

r = re.findall("^test", s1)  # 默认只匹配单行
print(r)

运行结果：


['test']


r = re.findall("^test", s1, re.M)   # 修饰符re.M:多行匹配
print(r)

运行结果：


['test', 'test']


r = re.findall("^test", s1, re.I | re.M)  
print(r)  # 输出['test', 'Test', 'test']

运行结果：


['test', 'Test', 'test']

2.3 美元符`$`

匹配输入字符串的结束位置


s1 = "testing\nTesting\ntest"

r = re.findall("testing$", s1)  # 默认匹配单行
print(r)

运行结果：

[]


r = re.findall("testing$", s1, re.M)   # 修饰符re.M:多行匹配
print(r)  # 输出['testing']

运行结果：


['testing']


r = re.findall("testing$", s1, re.I | re.M)    # 多个修饰符通过 OR(|) 来指定
print(r)  # 输出['testing', 'Testing']

运行结果：


['testing', 'Testing']

2.4 重复元字符`*,+,?`

*匹配前面的子表达式任意次
+匹配前面的子表达式一次或多次（至少一次）
?匹配前面的子表达式0次或1次


s1 = "z\nzo\nzoo"

r = re.findall("zo*", s1)     # 匹配o{0，}
print(r)

运行结果：


['z', 'zo', 'zoo']


r = re.findall("zo+", s1)   # 匹配o{1，}
print(r)

运行结果：


['zo', 'zoo']


r = re.findall("zo?", s1)    # 匹配o{0，1}
print(r)

运行结果：


['z', 'zo', 'zo']

2.5 重复元字符`{}`

也是控制匹配前面的子表达式次数


s1 = "z\nzo\nzoo"
r = re.findall("zo*", s1)     # 匹配o{0,},逗号后不能空格
r1 = re.findall(r"zo{0,}", s1)
print(r)  # ['z', 'zo', 'zoo']
print(r1)  # ['z', 'zo', 'zoo']

运行结果：


['z', 'zo', 'zoo']
['z', 'zo', 'zoo']


r = re.findall("zo+", s1)   # 匹配o{1，}
r1 = re.findall(r"zo{1,}", s1)
print(r)  # 输出['zo', 'zoo']
print(r1)  # 输出['zo', 'zoo']

运行结果：


['zo', 'zoo']
['zo', 'zoo']


r1 = re.findall("zo{2}", s1)    # 匹配o{0，1}
print(r1)  # 输出['zoo']

运行结果：


['zoo']

2. 6 字符组`[]`

表示匹配给出的任意字符


s1 = "test\nTesting\nzoo"

r = re.findall("[eio]", s1)   # 匹配包含的任意字符
print(r)

运行结果：


['e', 'e', 'i', 'o', 'o']


r = re.findall("[e-o]", s1)   # 匹配包含的字符范围
print(r)

运行结果：


['e', 'e', 'i', 'n', 'g', 'o', 'o']


r = re.findall("^[eio]", s1, re.M)   # 回忆脱字符，匹配以[eio]开头字符。
print(r)

运行结果：

[]


r = re.findall("[^eio]", s1)    # 匹配未包含的任意字符
print(r)

运行结果：


['t', 's', 't', '\n', 'T', 's', 't', 'n', 'g', '\n', 'z']


r1 = re.findall("[^e-o]", s1)    # 匹配未包含的字符范围
print(r1)  # 输出['t', 's', 't', '\n', 'T', 's', 't', '\n', 'z']


['t', 's', 't', '\n', 'T', 's', 't', '\n', 'z']

2.7 选择元字符`|`

表示两个表达式选择一个匹配


s1 = "z\nzood\nfood"
r = re.findall("z|food", s1)   # 匹配"z"或"food"
print(r)

运行结果：


['z', 'z', 'food']


r = re.findall("[z|f]ood", s1)   # 匹配"zood"或"food"
print(r)  #

运行结果：


['zood', 'food']

2.8 分组元字符`()`

将括号之间的表达式定义为组(group),并且将匹配这个子表达式的字符返回


s1 = "z\nzood\nfood"

r = re.findall("[z|f]o*", s1)   # 不加分组，拿到的引号内正则表达式匹配到的字符
print(r)

运行结果：


['z', 'zoo', 'foo']


r = re.findall("[z|f](o*)", s1)   # 加上分组，返回的将是引号内正则表达式匹配到的字符中（）中的内容。
print(r)  # ['', 'oo', 'oo']

运行结果：


['', 'oo', 'oo']

2.9 转义元字符`\`

用来匹配元字符本身时的转义，和特定字符组成字符串，见预定义字符组


s = '12345@qq.com'
r = re.findall('\.', s)
print(r)

运行结果：


['.']

2.10 非贪婪模式

在默认情况下，元字符*,+和{n,m}会尽可能多的匹配前面的子表达式，这叫贪婪模式。


s = "abcadcaec"

r = re.findall(r"ab.*c", s)   # 贪婪模式，尽可能多的匹配字符(.*或者.+)
print(r)

运行结果：


['abcadcaec']


r = re.findall(r"ab.*?c", s)  # 非贪婪模式，尽可能少的匹配字符
print(r)

运行结果：


['abc']


r = re.findall('ab.+c', s)  # 贪婪
print(r)

运行结果：


['abcadcaec']


r = re.findall('ab.+?c', s)  # 非贪婪
print(r)

运行结果：


['abcadc']


r = re.findall('ab.{0,}', s) # 贪婪
print(r)

运行结果：


['abcadcaec']


r = re.findall('ab.{0,}?', s) # 非贪婪
print(r)

运行结果：


['ab']

3. 预定义字符组

元字符\与某些字符组合在一起表示特定的匹配含义

3.1 `\d`

匹配单个数字，等价于[0-9]


s = "<a href=' asdf'>1360942725</a>"
a = re.findall('\d', s)
print(a)

运行结果：


['1', '3', '6', '0', '9', '4', '2', '7', '2', '5']


a = re.findall('\d+', s)
print(a)

运行结果：


['1360942725']

3.2 `\D`

匹配任意单个非数字字符，等价于[^0-9]


a = re.findall('\D', s)
print(a)

运行结果：


['<', 'a', ' ', 'h', 'r', 'e', 'f', '=', "'", ' ', 'a', 's', 'd', 'f', "'", '>', '<', '/', 'a', '>']

3.3`\s`

匹配任意单个空白符，包括空格，制表符(tab),换行符等


s = 'fdfa**68687+ 我怕n fdg\tf_d\n'
a = re.findall('\s', s)
print(a)

运行结果：


[' ', ' ', '\t', '\n']

3.4 \S

匹配任何非空白字符


s = 'fdfa**68687+ 我怕n fdg\tf_d\n'
a = re.findall('\S', s)
print(a)

运行结果：


['f', 'd', 'f', 'a', '', '', '6', '8', '6', '8', '7', '+', '我', '怕', 'n', 'f', 'd', 'g', 'f', '_', 'd']

3.5 \w

匹配除符号外的单个字母，数字，下划线或汉字等


a = re.findall("\w", s)
print(a)

运行结果：


['f', 'd', 'f', 'a', '6', '8', '6', '8', '7', '我', '怕', 'n', 'f', 'd', 'g', 'f', '_', 'd']

小案例

检测邮箱


s = "3003756995@qq.com"
a = re.findall('^\w+@\w+\.com$', s) # 检测邮箱
if a:
    print('是正确格式的邮箱')
else:
    print('不是邮箱地址')

是正确格式的邮箱
2. 检测手机号码


s = '13812345678'
r = re.findall('^1[3-9]\d{9}$', s)  # 检查手机号码
if r:
    print('手机号码格式正确')
else:
    print('手机号码格式不正确')

手机号码格式正确

4.re模块常用函数

4.1 `re.match`

re.match(pattern, string, flag)
- 尝试从字符串的起始位置匹配一个模式，成功返回匹配对象，否则返回None
- pattern: 正则表达式
- string: 被匹配的字符串
- flag: 标志位，表示匹配模式


import re
url = 'www.hhxpython.com'
res = re.match('www', url)    # 'www' 就是正则表达式，没有元字符表示匹配字符本身
                              # re.match默认是从字符串开头匹配，等价于'^www'
print(res)

运行结果：


<re.Match object; span=(0, 3), match='www'>


res2 = re.match('hhx', url)
print(res2)

运行结果：


None

匹配对象

match函数返回一个匹配对象，通过这个对象可以取出匹配到的字符串和分组字符串


line = 'Good good study, Day day up!'
match_obj = re.match('(?P<aa>.*), (.*) (.*)', line)  
if match_obj: 
    print(match_obj.group())    # 返回匹配到的字符串
    print(match_obj.group(1))   # 返回对应序号分组字符串 从1开始
    print(match_obj.group(2))
    print(match_obj.group(3))
else:
    print('not found')
print(match_obj.groups())  # 返回分组字符串元组
print(match_obj.groupdict())  # 按照分组名和分组字符串组成字典 (?P<name>pattern)

运行结果：


Good good study, Day day up!
Good good study
Day day
up!
('Good good study', 'Day day', 'up!')
{'aa': 'Good good study'}

4.2 `re.search`

re.search(pattern, string, flag)
- 扫描整个字符串返回第一个成功的匹配对象
- pattern: 正则表达式
- string: 被匹配的字符串
- flag: 标志位，表示匹配模式


url = 'www.hhxpython.com'
res = re.search('www', url)    # 'www' 就是正则表达式，没有元字符表示匹配字符本身
print(res)

运行结果：


<re.Match object; span=(0, 3), match='www'>


res2 = re.search('hhx', url)
print(res2)

运行结果：


<re.Match object; span=(4, 7), match='hhx'>


res3 = re.search('h', url)
print(res3)

运行结果：


<re.Match object; span=(4, 5), match='h'>

4.3 `re.sub`

re.sub(pattern, repl, string, count=0, flag)
- 将表达式匹配到的部分替换为制定字符串，返回替换后的新字符串
- pattern: 正则表达式
- repl: 用来替换的字符串
- string: 被匹配的字符串
- count: 替换次数，默认为0，表示全部替换
- flags: 标志位，表示匹配模式


phone = '2004-959-559 # 这是一个国外电话号码'

# 删除字符串中的python注释
num = re.sub('#.*', '', phone)
print(num)

运行结果：


2004-959-559


# 删除连接符号 -
num = re.sub('-', '', num)
print(num)

运行结果：

2004959559

4.4 `re.findall`

re.findall(pattern, string, flags=0)
- 在字符串中找到正则表达式匹配的所有子串，返回一个列表,匹配失败则返回空列表
- pattern: 正则表达式
- string: 被匹配的字符串
- flags: 标志位，表示匹配模式


res1 = re.findall('day', line, re.I)
res2 = re.search('day', line, re.I)
res3 = re.match('day', line, re.I)

print('findall', res1)
print('search', res2.group())
print('search', res3)

运行结果：


findall ['Day', 'day']
search Day
search None

`match`,`search`,`findall`的区别

match从头开始匹配，成功返回匹配对象，失败返回None
search只匹配第一个，成功返回匹配对象，失败返回None
findall匹配所有，成功返回所有匹配到的字符串组成的列表，失败返回空列表

4.5 `re.compile`

re.compile(pattern, [flags])
- compile函数用于编译正则表达式，生成一个正则表达式对象,该对象调用findall，search，match，sub 等方法
- pattern: 正则表达式
- flags: 标志位，表示匹配模式
  面向对象编程时使用


pattern = re.compile('day', re.I)
res1 = pattern.findall(line)
res2 = pattern.search(line)
res3 = pattern.match(line)
print('findall', res1)
print('search', res2.group())
print('match', res3)

运行结果：


findall ['Day', 'day']
search Day
match None

三、应用场景

在做自动化测试时用例数据是动态的，需要程序自动处理。


import re
# 用例json数据字符串
data = '{"member_id":"#member_id#","pwd":"#pwd#","user":"#user#","loan_id":"#loan#"}'
# 动态数据
class DynamicData:
    member_id = 123
    user = "musen"
    pwd = "lemonban"
    loan = 31

def mk_data(json_str,dn_data):
    while True:
        item = re.search('#(.*?)#', json_str)
        # 没有匹配到说明匹配完成
        if not item:
            break
        # 需要被替换的字符串
        need_replace = item.group()
        # 需要被替换的参数名
        key = item.group(1)
        # 替换
        json_str = json_str.replace(need_replace, str(getattr(dn_data, key)))
    return json_str

mk_data(data, DynamicData)

运行结果：


'{"member_id":"123","pwd":"lemonban","user":"musen","loan_id":"31"}'

测试派 Give testers a home.