python入门_常见正则表达式匹配

made_in_miliLV的主页.png

- 正则表达式：正则表达式是一个特殊的字符序列，它能帮助你方便的检查一个字符串是否与某种模式匹配。在开发的使用场景 - 例如：匹配url等等

本文中，对正则表达式的一些语法使用，进行了探究与测试，其中包括以下几部分: ①.正则表达式模块组成 ②.正则表达式的语法 - '.' , '[...]' , '\d \D' , '\s \S', ' \w \W' ③.正则表达式的语法 - ' * ', ' + ', ' ? ', ' {m} {m,n}', ' *? +? ?? ' ④.正则表达式的语法 - '^', ' $' ,' \A \Z' ⑤.正则表达式的语法 - '|' , ' (ab) ',

• 特别说明，图片名称 与上图的目录对应： 四[n] = 语法四 = 第⑤条！

1.png

a.使用re的compilie - 生成 pattern对象
b.调用pattern的方法 - 匹配字符串 -- 方法举例：match
    --match：从字符串开头开始匹配，匹配的内容是 compile（‘str’）中的 str
c.返回一个匹配结果 - result

2.png

3.png

• 使用find方法
  • 找到，就返回起始索引起始下标
  • 找不到，就返回 -1

4.png

• 使用 startswitch - 判断起始字符串 匹配

使用正则匹配

5.png

a.查看pattern内容

6.png

b.查看pattern类型 - pattern实例

7.png

c.查看pattern的所有方法

8.png

d. 查看match的用法：

9.png

• match用法 - 从起始位置开始匹配 匹配成功的话 - 返回对象 匹配不到的话 - 返回zero

10.png

• 使用match - 开始匹配

11.png

_12.png

==> 匹配成功，返回对象

13.png

==>匹配失败 - 返回zero

匹配数据查看

• 查看匹配的内容 - group()

15.png

16.png

group() - 使用说明 - 返回字符串or 元组
      ==>匹配的内容是'()' - 返回元组
      ==>匹配的内容是str - 返回字符串

• 查看 匹配内容在源字符串中的 - 位置

17.png

a.查看匹配规则 - miliLV

18.png

b.查看源字符串

19.png

20.png

c. miliLV 在 'miliLV study python' 字符串中的 [0,6）位置，没毛病

• 查看源字符串 - string

21.png

• 匹配大小写 - 大写的ignorecase

22.png

匹配规则 - ‘python’ + re.I => 可以匹配大写的'python'

23.png

进行匹配的数据源 - 'PYThon'

24.png

查看匹配结果

25.png

匹配的规则 - 'python' ,re.I 匹配数据源大写的PYT 拼小写的 hon！ == 'PYThon' 这个匹配规则，只要是 'python'这个str，无论里面的字符大小写，都可以顺利匹配！

• 直接使用match的方式 - 不多设置一个pattern接收

26.png

27.png

正则表达式语法说明一： '.' , '[...]' , '\d \D' , '\s \S', ' \w \W' 用法

一（1）.png

• 使用“.” 匹配 --> 除了\n以外的所有字符

①.'a' 匹配 'a'

一（2）.png

②.'a'的规则 - 匹配内容：‘b’

一（3）.png

③.使用万能匹配 - '.'

一（4）.png

④.查看'.'的匹配规则：

一（5）.png

• 匹配 - 字典{xxx}

1. { } 中 - 内容是字符

一（6）.png

1. { } 中 - 内容是数字

一（7）.png

1. { }中 - 内容有多个字符

一（8）.png

总结： 一个“.” 只能对应一个字符！

疑问 - 多字符匹配如何匹配？？

一（9）.png

一（10）.png

一（11）.png

总结： 几个字符 - 就用几个"." 去对应匹配 一个点不是匹配一个字符串！而是一个字符！ 所以上图的{.} - 匹配不了两个字符{ 1C }的内容！- zero！

• 字符集匹配 - [ ... ]

一（12）.png

1. 匹配 - ['abc'] 字符集‘abc’中的某个字符是否存在

一（13）.png

1. 匹配非字符集中的字符 - 比如'd'

一（14）.png

1. 为了让d 包含在字符集中匹配 - 修改匹配规则

一（15）.png

虽然可以一个一个写，但是如果匹配的规则是所有英文字母，不得写a,b,c,d, ... z?

解决办法 : 区间匹配 - 使用简写

一（16）.png

大写字母 - 大A呢？

一（17）.png

• 解决办法：必须要再添加A-Z的匹配规则，a-z 是无法匹配大写字母 “A”的

一（18）.png

一（19）.png

区间匹配，匹配规则如下

• 可以连着写 : a-zA-Z
• 也可以用“,”隔开 : a-z,A-Z

==> 怀疑：[a,b]规则 - 匹配 ‘1，2’

一（20）.png

一（21）.png

• 不管a & z 的顺序，写在第一个的，就会被匹配

测试 -匹配双字符呢？

一（22）.png

一（23）.png

总结： 一个‘[ ]’ 就是匹配一个字符，多余的字符会被忽略！

• 匹配单词字符 \w

一（24）.png

1. 正常匹配字符 --> \w

一（25）.png

一（26）.png

2.使用单词匹配 ：\w -匹配非正常字符 - 例如此处的“ ” - 空格

一（27）.png

3.使用非单词匹配 : \W - 匹配非正常字符 - 空格

一（28）.png

• 匹配内容为 - [xxx]的情况下

1.匹配规则'[xxx] '

一（29）.png

2.匹配规则 - '[[xxx]]'

一（30）.png

3.解决办法 - 加转译字符！

一（31）.png

正则语法二 * __ + __ ？ __ {m}/{m,n} __ *?/+?/??

二(1).png

• 正则匹配 - *

1. 匹配 - 双字符的情况下

二(2).png

1. 匹配 - 单字符的情况下

二(3).png

• * 排上用场的时候!

二(4).png

二(5).png

* 可以匹配 0 次 或者多次，例如上图的[a-z]* 匹配0次，也成功匹配！

• test：*匹配无限次！

1.常规匹配 - 未使用 *

二(6).png

2.优化匹配 - 带 *

二(7).png

• test:数字开头的匹配

1. 数字开头

二(8).png

1. 数字结尾

二(9).png

总结：

• * 代表可以出现0次 or 无限次
• *的结尾标志 - 出现在 不满足匹配规则的第一个字符开始，全部舍弃

• 正则匹配 - “+” 号

二(10).png

• 例如：项目需求 - 测试变量名是否正确

①.大小写字母开头

二(11).png

②.下划线开头

二(12).png

二(13).png

二(14).png

③.数字开头

二(15).png

变量名 -- 只能以 下划线_ or 大小写字母开头！

• 正则 - 开头 ==> 大小写字母 or _ 至少一次，可以多次 ==> '+' 派上场了！

①.匹配单字符

二(16).png

②.匹配单下划线

二(17).png

③.匹配 - 多字符

二(18).png

==> 只匹配了一个字符！！ 所以需要'+'登场了！

④.匹配 - 多字符 && 使用 '+'

二(19).png

⑤. 匹配 - 带数字的！比如button1

二(20).png

⑥.优化- 加号+ && * 结合使用！

二(21).png

思路：

• 英文字母 or _ 开头是必须的，所以用 加号 - 表明只是匹配一次
• 除了首字符，其他的可以用数字，英文字母等，但是不一定要有！所以可以0次，用*

test: ①.前部分用+，匹配后部分（数字or英文字母，但是不设置 * 的次数）

二(22).png

前部分[_,a-z,A-Z] 使用了‘+’,表示可以1-N次，当第一个不满足匹配规则的 - 数字1出现之后，停止前部分匹配 - 使用后部分 带[0-9]的匹配规则

②.后部分的匹配内容 - 数字长度改为不等于1之后：

二(23).png

③.优化：使用'*' - 表示后部分的规则 - 可以不出现 or 出现多次

二(24).png

• 正则匹配 - “?” 号

二(25).png

例如 - 验证：一个数字 - 是否是0-99直接的数字

分析 ->

• 最少一位，至多2位，个位数上的是必须的，所以直接用[0-9]
• 十位数上，可能有，也可能没有,如果0-9，就没有十位数，所以十位数上匹配规则 --> '[1-9]?'
• 加个问号 - 代表十位数可以有一次，也可以没有！

test:

1. 常规数字：

二(26).png

1. 个位数为 0

二(27).png

1. 小于10的个位数数字

二(28).png

1. 特例：创世神- 09（以0开头的 - 个位数！）- dotaer才懂的这个梗

二(29).png

解释原因：

• 查看十位数的匹配规则 - [1-9]? -- 此时十位数是0，所以不满足[1-9]的匹配条件，并且十位数是 ？ - 可以为 0次！ --> 所以首数字 -0 直接进入后半部分匹配！
• 个位数匹配规则 - [0-9]，并且只能匹一次，此时进来匹配的是 '09' ==> ‘0’满足 匹配条件 -[0-9]！ ==> 所以最终输出0，因为个位数的匹配是 - [0-9]，并没有+ or * ，所以只匹配一个字符 --> ‘0’，剩下的'9'就被舍弃了

• 正则语法之 - 匹配字符出现次数 - {a}/{a,b}

二(30).png

①.匹配5次 - { 5 }

二(31).png

②.不满足条件的 { 5 }

二(32).png

解释：虽然参与匹配的str 是 ‘1234A’有五个字符，But并不是所有字符都满足匹配规则！ 最终只有1234满足，所有匹配的次数 - 4次 ！= 5次，不满足！ -> 返回zero！

③.设置区间匹配 {4,6}

二(33).png

④. 测试 - 越界

二(34).png

⑤.测试 - 部分不满足匹配规则的 - str

二(35).png

⑥.测试 - gamil邮箱 - 假定6位字符 + @ gmail.com

二(36).png

⑦.测试 - 越界

二(37).png

⑧.优化 - 改善匹配规则的次数

二(38).png

• 贪婪模式与非贪婪模式 - ?

二(39).png

1. 贪婪匹配 - *

二(40).png

贪婪模式- abc均在 [a-z]* 的匹配规则下，所以全匹配了 - 尽可能多的匹配

1. 非贪婪模式 - *?

二(41).png

• * 的匹配次数是 - [0,n]，贪婪模式取最多 -n，非贪婪模式 取最少 ==>0
• 所以后部分[a-z]直接匹配0次，最终只匹配前部分 - [0,9]
• 而且[0-9] 没加 * or + 修饰，所以只匹配一次

1. 同理，贪婪模式下的 ==> '+' 匹配

二(42).png

1. 非贪婪的 '+' 匹配 ==> 取最低 - 一次匹配！

二(43).png

1. 贪婪模式下的 '?' ==>( ？ 表示：匹配 0 or 1 次！)

二(44).png

6.非贪婪模式下 '？' ==> ([0,1] - 取最少 = 0次！)

二(45).png

正则语法三 ^ __ $ __ \A __ \Z __

三(1).png

总结： 字符串开头 - ^ 字符串结尾 - $

①.邮箱匹配

三(2).png

②.如果-结尾在.com之后，又加了一堆东西

三(3).png

所以：为了正确匹配邮箱，应该设置以.com结尾为匹配条件！ -> 使用$结尾符

三(4).png

③.正确匹配结果如下：

三(5).png

④.完整写法 - 再加上开头^

三(6).png

三(7).png

test: 1.\A 写在匹配规则前

三(8).png

1. 跟*/ + ？ 一样，写在后面?

三(9).png

3.正确写法：

三(10).png

\A写在前面没错，第一次error，内容里有',' 匹配规则 - \w - 只能匹配字符！数字 && 大小写字母 && 下划线_ ！

三(11).png

三(12).png

正则语法四 | && (ab)

四(1).png

-| '或' 的用法

①.'abc' | '123' ==> 可以匹配 'abc' or '123'！

四(2).png

四(3).png

• 'abc|123' 去 匹配 'abc|123'

四(4).png

猜测结果：

• 匹配成功：匹配的内容group = 'abc|123'
• 匹配失败：只能匹配‘abc’ or ‘123’

②.结果如下：

四(5).png

原理解释：

• 拿'abc|123' 去 匹配规则 -- 'abc|123' 中匹配，发现 匹配规则 - | 前部分的 abc 正好与 我们的源字符串'abc|123'的'abc'匹配 - 满足匹配规则 - success ==> group = 'abc'！

test2:

四(6).png

猜测 - 匹配不上：

• 匹配规则 - 'abc|123'
• 数据源 ---- '123|abc'
• 均不对应，匹配不上！

③.结果如下：

四(7).png

原理解释：

• 数据源 -- '123|abc' 去 匹配规则'abc|123'中查找
• 前部分 'abc'不符合 - 跳过
• 后半部分 '123'符合匹配条件 -- 匹配成功！ group = 123

• 分组 - 使用'()'实现

四(8).png

①.需求 ： 匹配gmail邮箱：

四(9).png

②.需求 - 匹配 gmail && 163 邮箱 - 思路 ： 使用 “|”（或）

四(10).png

③.精简写法 - 不抄写整个的邮箱

四(11).png

- 想要实现参数 ~ gmail || 163的替换，但是后半部分 - 直接被舍去匹配了

特别注意：这里的匹配，并不是 - ‘gmail' or '163.com'! -- 这整个后半部分

四(12).png

• 解决办法 - 正确使用分组 - ()

四(13).png

四(14).png

四(15).png

主要用在XML标签中，暂不学习

• 学习就要不断的保持对未知知识的兴趣，不是别人说什么就是什么。要勇于提出质疑，sunnyxx大神说的 - 要勇于提出质疑，‘凭什么你说的就是对的？我也要试试’
• 正则的规则其实是可以背的，但是如果不自己去探究一波，感觉很多东西就只是死记硬背，终究还是会忘记，只有自己掌握的，才是自己的~