python 正则表达式概述及常用字符

下面我将详细讲解Python正则表达式的概述及常用字符，以及两个具体的示例说明。

Python正则表达式概述

正则表达式（Regular Expression）是一种高效的文本处理工具，常用于文本匹配、提取、替换等操作。Python通过内置的re模块支持正则表达式操作。在正则表达式中，由特定字符和符号组成的匹配规则，被称为正则表达式的模式。

常用字符

普通字符

普通的字符（a、b、c等）表示匹配该字符本身。

特殊字符

下面是一些Shell中常涉及到的一些特殊字符：

. 匹配任意单个字符，换行符除外。
\d 匹配任意一个数字
\D 匹配任意一个非数字
\w 匹配任意一个单词字符，包括字母、数字、下划线等。
\W 匹配任意一个非单词字符。
\s 匹配任意一个空白字符，包括空格、制表符、换行符等。
\S 匹配任意一个非空白字符。
\t 匹配一个制表符。
\n 匹配一个换行符。
\r 匹配一个回车符。
^ 匹配行首。
$ 匹配行尾。
[] 匹配中括号中出现的任意一个字符，比如[abc]匹配a、b、c中的任意一个字符。
[^] 匹配中括号中没有出现的任意一个字符，比如[^abc]匹配非a、b、c中的任意一个字符。
[^]也可以表示取反，比如[^0-9]表示匹配所有不是数字的字符
* 匹配前面的字符出现0次或多次。比如ab*匹配一个或多个b的字符串，abbbbbb、ab皆匹配。
+ 匹配前面的字符出现1次或多次。比如ab+匹配一个或多个b的字符串，a不匹配，ab、abbbbbb匹配。
? 匹配前面的字符出现0次或1次。比如ab?匹配0个或1个b，即a或ab。
{} 匹配前面字符出现的次数。比如a{3}匹配3个a，a{3,5}匹配3个到5个a。
| 匹配左侧或右侧的字符。比如a|b匹配a或b。

元字符

元字符是指一些特殊的字符，需要在前面加上“\”才能表示其本身含义。一些常见的元字符包括：

. 匹配任意单个字符。
[ ] 匹配中括号中出现的任意一个字符，比如[a-z]匹配任意一个小写字母。
[^] 匹配中括号中没有出现的任意一个字符，比如[^abc]匹配非a、b、c中的任意一个字符。
+ 匹配前面的字符出现1次或多次。
* 匹配前面的字符出现0次或多次。
? 匹配前面的字符出现0次或1次。
{n,m} 匹配前面字符出现的次数，n表示最少出现的次数，m表示最多出现的次数。
** 表示转义字符，让字符本身失去它原来的意义，变成一个普通字符。比如\b表示一个退格符，\t表示一个制表符，\n表示一个换行符。

示例说明

示例1：验证手机号格式是否正确

我们使用正则表达式来验证一个手机号的格式是否符合要求。手机号的格式为：以数字1开头，紧接着第二位为3、4、5、7或8，再后面的9位数字可以为0-9中的任意一个数字。

验证代码如下：

import re

def checkPhone(phone):
    if len(phone)!=11:
        print('手机号长度不对')
        return False
    matchObj = re.match(r'^1[34578]\d{9}$',phone)
    if matchObj == None:
        print('手机号格式不正确')
        return False
    else:
        return True

#测试：
print(checkPhone('13888888888'))  #True
print(checkPhone('13288888888'))  #True
print(checkPhone('1388888888'))   #False，长度不对
print(checkPhone('1388888888a'))  #False，格式不对

上述代码中，我们先判断手机号的长度是否正确，然后使用正则表达式r'^1[34578]\d{9}$'来判断手机号的格式是否正确。其中^表示开头，$表示结尾，后面的“1[34578]\d{9}”表示必须以数字1开头，紧接着的第二位只能为3、4、5、7或8，后面的9位可以是任意一个数字。如果匹配到了符合条件的模式，则返回True，否则返回False。

示例2：从HTML中提取链接

我们使用正则表达式来从HTML页面中提取所有的链接。HTML页面中的链接一般都是以标签包含，而标签中的href属性就是链接地址。

提取代码如下：

import re

def extractLinks(htmlStr):
    linkPattern = re.compile(r'<a.+?href="(.+?)"')
    links = linkPattern.findall(htmlStr)
    return links

#测试：
htmlStr = '<html><body><a href="http://www.baidu.com">百度一下，你就知道</a><a href="http://www.sohu.com">搜狐首页</a></body></html>'
print(extractLinks(htmlStr)) #['http://www.baidu.com', 'http://www.sohu.com']Y

上述代码中，我们定义了一个名为linkPattern的正则表达式对象，使用了正则表达式r'<a.+?href="(.+?)"'来提取链接地址。其中<a.+?>表示匹配标签，.+?表示匹配任意一个字符+重复0次或多次，使用问号表示非贪婪模式，href="(.+?)"表示匹配href属性的值。最后使用findall方法返回所有匹配到的链接地址。

本站文章如无特殊说明，均为本站原创，如若转载，请注明出处：python 正则表达式概述及常用字符 - Python技术站