re模塊

講正題之前我們先來看一個例子：https://reg.jd.com/reg/person?ReturnUrl=https%3A//www.jd.com/

這是京東的註冊頁面，打開頁面我們就看到這些要求輸入個人信息的提示。
假如我們隨意的在手機號碼這一欄輸入一個11111111111，它會提示我們格式有誤。
這個功能是怎麽實現的呢？
假如現在你用python寫一段代碼，類似：

phone_number = input(‘please input your phone number ： ‘)

你怎麽判斷這個phone_number是合法的呢？

根據手機號碼一共11位並且是只以13、14、15、18開頭的數字這些特點，我們用python寫了如下代碼：

while True:
    phone_number = input(‘please input your phone number ： ‘)
    if len(phone_number) == 11             and phone_number.isdigit()            and (phone_number.startswith(‘13‘)             or phone_number.startswith(‘14‘)             or phone_number.startswith(‘15‘)             or phone_number.startswith(‘
 
18‘)):
        print(‘是合法的手機號碼‘)
    else:
        print(‘不是合法的手機號碼‘)

判斷手機號碼是否合法1

這是你的寫法，現在我要展示一下我的寫法：

import re
phone_number = input(‘please input your phone number ： ‘)
if re.match(‘^(13|14|15|18)[0-9]{9}$‘,phone_number):
        print(‘是合法的手機號碼‘)
else:
        print(‘不是合法的手機號碼‘)

對比上面的兩種寫法，此時此刻，我要問你你喜歡哪種方法呀？你肯定還是會說第一種，為什麽呢？因為第一種不用學呀！
但是如果現在有一個文件，我讓你從整個文件裏匹配出所有的手機號碼。你用python給我寫個試試？
但是學了今天的技能之後，分分鐘幫你搞定！

今天我們要學習python裏的re模塊和正則表達式，學會了這個就可以幫我們解決剛剛的疑問。正則表達式不僅在python領域，在整個編程屆都占有舉足輕重的地位。

不管以後你是不是去做python開發，只要你是一個程序員就應該了解正則表達式的基本使用。如果未來你要在爬蟲領域發展，你就更應該好好學習這方面的知識。
但是你要知道，re模塊本質上和正則表達式沒有一毛錢的關系。re模塊和正則表達式的關系 類似於 time模塊和時間的關系
你沒有學習python之前，也不知道有一個time模塊，但是你已經認識時間了 12:30就表示中午十二點半（這個時間可好，一般這會兒就該下課了）。
時間有自己的格式，年月日時分秒，12個月，365天......已經成為了一種規則。你也早就牢記於心了。time模塊只不過是python提供給我們的可以方便我們操作時間的一個工具而已

正則表達式和re模塊

正則表達式本身也和python沒有什麽關系，就是匹配字符串內容的一種規則。

官方定義：正則表達式是對字符串操作的一種邏輯公式，就是用事先定義好的一些特定字符、及這些特定字符的組合，組成一個“規則字符串”，這個“規則字符串”用來表達對字符串的一種過濾邏輯。

正則表達式

在線測試工具 http://tool.chinaz.com/regex/

首先你要知道的是，談到正則，就只和字符串相關了。在我給你提供的工具中，你輸入的每一個字都是一個字符串。
其次，如果在一個位置的一個值，不會出現什麽變化，那麽是不需要規則的。
　　比如你要用"1"去匹配"1"，或者用"2"去匹配"2"，直接就可以匹配上。這連python的字符串操作都可以輕松做到。
那麽在之後我們更多要考慮的是在同一個位置上可以出現的字符的範圍。

字符組 ： [字符組]
在同一個位置可能出現的各種字符組成了一個字符組，在正則表達式中用[]表示
字符分為很多類，比如數字、字母、標點等等。
假如你現在要求一個位置"只能出現一個數字",那麽這個位置上的字符只能是0、1、2...9這10個數之一。

正則

待匹配字符

匹配
結果

說明

[0123456789]

8

True

在一個字符組裏枚舉合法的所有字符，字符組裏的任意一個字符
和"待匹配字符"相同都視為可以匹配

[0123456789]

a

False

由於字符組中沒有"a"字符，所以不能匹配

[0-9]

7

True

也可以用-表示範圍,[0-9]就和[0123456789]是一個意思

[a-z]

s

True

同樣的如果要匹配所有的小寫字母，直接用[a-z]就可以表示

[A-Z]

B

True

[A-Z]就表示所有的大寫字母

[0-9a-fA-F]

e

True

可以匹配數字，大小寫形式的a～f，用來驗證十六進制字符

字符：

元字符

匹配內容

匹配非字母或數字或下劃線

匹配非數字

匹配非空白符

匹配字符a或字符b

匹配括號內的表達式，也表示一個組

匹配字符組中的字符

匹配除了字符組中字符的所有字符

量詞：

量詞

用法說明

. ^ $

* + ? { }

?表示重復零次或一次，即只匹配"李"後面一個任意字符

*表示重復零次或多次，即匹配"李"後面0或多個任意字符

+表示重復一次或多次，即只匹配"李"後面1個或多個任意字符

{1,2}匹配1到2次任意字符

註意：前面的*,+,?等都是貪婪匹配，也就是盡可能匹配，後面加?號使其變成惰性匹配

字符集［］［^］

表示匹配"李"字後面[傑蓮英二棍子]的字符任意次

表示匹配一個不是"和"的字符任意次

表示匹配任意一個數字，匹配到4個結果

表示匹配任意個數字，匹配到2個結果

分組 ()與 或 ｜［^］

身份證號碼是一個長度為15或18個字符的字符串，如果是15位則全部???數字組成，首位不能為0；如果是18位，則前17位全部是數字，末位可能是數字或x，下面我們嘗試用正則來表示：

表示也可以匹配這串數字，但這並不是一個正確的身份證號碼，它是一個16位的數字

現在不會匹配錯誤的身份證號了
()表示分組，將\d{2}[0-9x]分成一組，就可以整體約束他們出現的次數為0-1次

表示先匹配[1-9]\d{16}[0-9x]如果沒有匹配上就匹配[1-9]\d{14}

轉義符 \

在正則表達式中，有很多有特殊意義的是元字符，比如\d和\s等，如果要在正則中匹配正常的"\d"而不是"數字"就需要對"\"進行轉義，變成‘\\‘。

在python中，無論是正則表達式，還是待匹配的內容，都是以字符串的形式出現的，在字符串中\也有特殊的含義，本身還需要轉義。所以如果匹配一次"\d",字符串中要寫成‘\\d‘，那麽正則裏就要寫成"\\\\d",這樣就太麻煩了。這個時候我們就用到了r‘\d‘這個概念，此時的正則是r‘\\d‘就可以了。

因為在正則表達式中\是有特殊意義的字符，所以要匹配\d本身，用表達式\d無法匹配

轉義\之後變成\\，即可匹配

如果在python中，字符串中的‘\‘也需要轉義，所以每一個字符串‘\‘又需要轉義一次

在字符串之前加r，讓整個字符串不轉義

貪婪匹配

貪婪匹配：在滿足匹配時，匹配盡可能長的字符串，默認情況下，采用貪婪匹配

默認為貪婪匹配模式，會匹配盡量長的字符串

加上？為將貪婪匹配模式轉為非貪婪匹配模式，會匹配盡量短的字符串

幾個常用的非貪婪匹配pattern

*? 重復任意次，但盡可能少重復
+? 重復1次或更多次，但盡可能少重復
?? 重復0次或1次，但盡可能少重復
{n,m}? 重復n到m次，但盡可能少重復
{n,}? 重復n次以上，但盡可能少重復

.*?的用法

. 是任意字符
* 是取 0 至 無限長度
? 是非貪婪模式。
何在一起就是 取盡量少的任意字符，一般不會這麽單獨寫，他大多用在：
.*?x

就是取前面任意長度的字符，直到一個x出現

re模塊下的常用方法

import re

ret = re.findall(‘a‘, ‘eva egon yuan‘)  # 返回所有滿足匹配條件的結果,放在列表裏
print(ret) #結果 : [‘a‘, ‘a‘]

ret = re.search(‘a‘, ‘eva egon yuan‘).group()
print(ret) #結果 : ‘a‘
# 函數會在字符串內查找模式匹配,只到找到第一個匹配然後返回一個包含匹配信息的對象,該對象可以
# 通過調用group()方法得到匹配的字符串,如果字符串沒有匹配，則返回None。

ret = re.match(‘a‘, ‘abc‘).group()  # 同search,不過盡在字符串開始處進行匹配
print(ret)
#結果 : ‘a‘

ret = re.split(‘[ab]‘, ‘abcd‘)  # 先按‘a‘分割得到‘‘和‘bcd‘,在對‘‘和‘bcd‘分別按‘b‘分割
print(ret)  # [‘‘, ‘‘, ‘cd‘]

ret = re.sub(‘\d‘, ‘H‘, ‘eva3egon4yuan4‘, 1)#將數字替換成‘H‘，參數1表示只替換1個
print(ret) #evaHegon4yuan4

ret = re.subn(‘\d‘, ‘H‘, ‘eva3egon4yuan4‘)#將數字替換成‘H‘，返回元組(替換的結果,替換了多少次)
print(ret)

obj = re.compile(‘\d{3}‘)  #將正則表達式編譯成為一個 正則表達式對象，規則要匹配的是3個數字
ret = obj.search(‘abc123eeee‘) #正則表達式對象調用search，參數為待匹配的字符串
print(ret.group())  #結果 ： 123

import re
ret = re.finditer(‘\d‘, ‘ds3sy4784a‘)   #finditer返回一個存放匹配結果的叠代器
print(ret)  # <callable_iterator object at 0x10195f940>
print(next(ret).group())  #查看第一個結果
print(next(ret).group())  #查看第二個結果
print([i.group() for i in ret])  #查看剩余的左右結果

註意:

1 findall的優先級查詢:

import re

ret = re.findall(‘www.(baidu|oldboy).com‘, ‘www.oldboy.com‘)
print(ret)      這是因為findall會優先把匹配結果組裏內容返回,如果想要匹配結果,取消權限即可

ret = re.findall(‘www.(?:baidu|oldboy).com‘, ‘www.oldboy.com‘)
print(ret) 

2 split的優先級查詢:

ret=re.split("\d+","eva3egon4yuan")
print(ret) #結果 ： [‘eva‘, ‘egon‘, ‘yuan‘]

ret=re.split("(\d+)","eva3egon4yuan")
print(ret) #結果 ： [‘eva‘, ‘3‘, ‘egon‘, ‘4‘, ‘yuan‘]

#在匹配部分加上（）之後所切出的結果是不同的，
#沒有（）的沒有保留所匹配的項，但是有（）的卻能夠保留了匹配的項，
#這個在某些需要保留匹配部分的使用過程是非常重要的。

Python re模塊,正則表達式