[[350298]]

正則表達(dá)式應(yīng)用的場(chǎng)景也非常多。常見的比如：搜索引擎的搜索、爬蟲結(jié)果的匹配、文本數(shù)據(jù)的提取等等都會(huì)用到，所以掌握甚至精通正則表達(dá)式是一個(gè)硬性技能，非常必要。

正則表達(dá)式

正則表達(dá)式是一個(gè)特殊的字符序列，由普通字符和元字符組成。元字符能幫助你方便的檢查一個(gè)字符串是否與某種模式匹配。

Python中則提供了強(qiáng)大的正則表達(dá)式處理模塊，即 re 模塊， 為Python的內(nèi)置模塊。

下面，我?guī)Т蠹襾硪粋€(gè)入門demo例子，代碼如下：

import re 
reg_string = "hello9527python@wangcai.@!:xiaoqiang" 
reg = "hello" 
result = re.findall(reg,reg_string) 
print(result) 

這里reg_string就是我們的普通字符，reg就是我們的元字符。

我們使用 re 模塊中的findall函數(shù)，進(jìn)行匹配，返回的結(jié)果是列表數(shù)據(jù)類型。

我們使用正則表達(dá)式，就是為了在很長的字符串中，找到我們需要的字符串片段。

元字符

Python中常見元字符及其含義如下：

下面，我們具體使用下Python中的常見的元字符。

我們還是使用上次的例子，這次我們需要在reg_string匹配出我們的數(shù)字，只需要將reg換成\d，代碼如下圖所示。

比如，我們?cè)谥暗膔eg的hello前面加上一個(gè)^，意味著我們 匹配字符串的開始的hello，那么結(jié)果就是一個(gè)，就是我們開頭的hello。

如果，我們把reg換成\w，代碼如下圖所示。

這樣就是匹配數(shù)字字母下劃線，包括我們的漢字。

反義代碼

Python中常見反義代碼 及其含義如下：

其實(shí)，記憶很簡(jiǎn)單，我們是不是知道\d匹配數(shù)字，那么\d的大寫\D就是匹配非數(shù)字，元字符[a]匹配a任意字符，那么[^a]就是匹配除了a以外的任意字符。

下面是具體例子

>>> import re 
>>> reg_string = "hello9527python@wangcai.@!:xiaoqiang" 
>>> reg = "\D" 
>>> re.findall(reg,reg_string) 
['h', 'e', 'l', 'l', 'o', 'p', 'y', 't', 'h', 'o', 'n', '@', 'w', 'a', 'n', 'g', 'c', 'a', 'i', '.', '@', '!', ':', 'x', 'i', 'a', 'o', 'q', 'i', 'a', 'n', 'g'] 
>>> reg = "[^a-p]" 
['9', '5', '2', '7', 'y', 't', '@', 'w', '.', '@', '!', ':', 'x', 'q'] 

限定符什么是限定符?就是限定我們匹配的個(gè)數(shù)的東西。

Python中常見限定符 及其含義如下：

我們還是用我們之前的reg_string，這次我們限定了元字符為\d{4}，也就是我們的匹配的數(shù)字必須是4個(gè)。

下面，我們來提高難度，匹配字母和數(shù)字，限定個(gè)數(shù)為4個(gè)。

這樣我們可以使用[0-9a-z]{4}，作為我們的元字符，[0-9a-z]代表了0到9的十個(gè)數(shù)字和a到z的小寫26個(gè)英文字母。[0-9a-z]{4}限定了個(gè)數(shù)為4個(gè)。

我們打印輸出下。

如果遇到了不是在[0-9a-z]范圍內(nèi)，就會(huì)跳過，直到后面的4個(gè)都是在[0-9a-z]范圍內(nèi)就打印輸出。

匹配ip地址

在互聯(lián)網(wǎng)中，一臺(tái)主機(jī)只有一個(gè)IP地址。IP地址用于在TCP/IP通信協(xié)議中標(biāo)記每臺(tái)計(jì)算機(jī)的地址，通常用于十進(jìn)制來表示，如192.168.1.100。

在window系統(tǒng)中，我們可以通過ipconfig查看我們的ip。在linux系統(tǒng)中，我們可以通過ifconfig查看我們的ip。

我們的ip字符串是這樣子的：ip = "this is ip:192.168.1.123 :172.138.2.15"下面要求使用正則表達(dá)式，將ip匹配出來。

其實(shí)，我們主要編寫元字符。比如：reg = "\d{3}.\d+.\d+.\d+"，因?yàn)榈谝粋€(gè)數(shù)字必須是三位數(shù)開頭，我們可以設(shè)定\d{3}固定起來。

我們除了可以使用findall，還可以使用search，我們把元字符reg = "(\d{1,3}.){3}\d{1,3}"。

這元字符中的\d{1,3}.指定是我們ip前三個(gè)數(shù)字，后面加{3}就是重復(fù)3次。\d{1,3}指的就是我們ip最后一個(gè)數(shù)字。

但是search和findall是有區(qū)別的，search只能匹配第一個(gè)，我們需要使用列表取出第一個(gè)，而findall匹配所有。

組匹配

什么是組匹配，比如說這里邊我有一個(gè)字符串s = this is phone:13888888888 and this is my postcode:012345，我需要你把手機(jī)號(hào)和驗(yàn)證碼匹配出來。

因?yàn)?，我們要匹配兩個(gè)，而已每個(gè)的元字符都是不一樣的。所以，我們需要分組匹配。

正則表達(dá)式的括號(hào)表示分組匹配，括號(hào)中的模式可以用來匹配分組的內(nèi)容。

于是我們的元字符就變成：reg = this is phone:(\d{11}) and this is my postcode:(\d{6})我們一般使用search進(jìn)行分組匹配，上次我是不是說過search需要使用列表取出來，這里的組匹配也是一樣，不過這里用的是group()方法。group(1)代表了我們的手機(jī)號(hào)，group(2)代表了我們的驗(yàn)證碼，而group(0)代表了我們的手機(jī)號(hào)和驗(yàn)證碼，代碼如下圖所示。

在正則表達(dá)式中，除了findall和search用法，還有一個(gè)match用法。

match用法只匹配開頭的，也是需要group()取出來，下圖match的例子。

這是的re.I是忽略大小寫的意思。

貪婪與非貪婪

貪婪與非貪婪模式影響的是被量詞修飾的子表達(dá)式的匹配行為，貪婪模式在整個(gè)表達(dá)式匹配成功的前提下，盡可能多的匹配，而非貪婪模式在整個(gè)表達(dá)式匹配成功的前提下，盡可能少的匹配。

貪婪和非貪婪有幾個(gè)非常重要的操作符。

比如說這里邊我有一個(gè)字符串reg_string = pythonnnnnnnnnpythonHelloPytho，我們先使用貪婪的模式下的元字符：reg = "python*"

貪婪模式下的reg = "python*"，意味著n重復(fù)零次或更多次。所以我們看到了第一關(guān)結(jié)果的pythonnnnnnnnn盡可能多的匹配。

下面使用非貪婪的模式下的元字符：reg = "python*?",reg = "python+?",reg = "python??"。

非貪婪模式下的reg = "python*"，意味著n零次或一次，所以我們沒有看到pythonnnnnnnnn的結(jié)果。

手機(jī)號(hào)碼驗(yàn)證首先，我們要知道我們的手機(jī)號(hào)碼是什么開頭的?

移動(dòng)手機(jī)號(hào)碼開頭有16個(gè)號(hào)段：134、135、136、137、138、139、147、150、151、152、157、158、159、182、187、188。

聯(lián)通手機(jī)號(hào)碼開頭有7種號(hào)段：130、131、132、155、156、185、186。

電信手機(jī)號(hào)碼開頭有4個(gè)號(hào)段：133、153、180、189。

這樣我們就可以在開頭做事情了，先判斷開頭是不是上面的號(hào)段，regex = "^((13[0-9])|(14[5|7])|(15([0-3]|[5-9]))|(18[0,5-9]))\d{8}$"，就是我們的元字符，代碼如下：

import re 
 
def checkCellphone(cellphone): 
    regex = "^((13[0-9])|(14[5|7])|(15([0-3]|[5-9]))|(18[0,5-9]))\d{8}$" 
    result = re.findall(regex,cellphone) 
    if result: 
        print("匹配成功") 
        return True 
    else: 
        print("匹配失敗") 
        return False 
cellphone = '13717378202' 
checkCellphone(cellphone) 
 
 
匹配成功 
True 

匹配郵箱合法性

下面，我們進(jìn)行一個(gè)作業(yè)，就是來匹配我們的郵箱號(hào)碼。

作業(yè)的答案如下：

import re 
 
def checkEmail(email): 
 
    regex_1 = '^(\w+)@sina.com$' 
    regex_2 = '^(\w+)@sina.com.cn$' 
    regex_3 = '^(\w+)@163.com$' 
    regex_4 = '^(\w+)@126.com$' 
    regex_5 = '^[1-9][0,9]{4,}+@qq.com$' 
    regex = [regex_1 ,regex_2 ,regex_3, regex_4, regex_5] 
    for i in  regex: 
        result = re.findall(i,email) 
        if result: 
            print("匹配成功") 
            return True 
        else: 
            print("匹配失敗") 
            return False 
email = 'sdjflsdjkl@sina.com' 
checkEmail(email) 

正則表達(dá)式測(cè)試工具

打開開源中國提供的正則表達(dá)式測(cè)試工具 http://tool.oschina.net/regex/，輸入待匹配的文本，然后選擇常用的正則表達(dá)式，就可以得出相應(yīng)的匹配結(jié)果了。

例如，輸入下面這段待匹配的文本：

Hello, my phone number is 123455678 and email is runsen@qq.com, and my website is https://blog.csdn.net/weixin_44510615. 

這段字符串中包含了一個(gè)電話號(hào)碼和一個(gè)電子郵件，接下來就嘗試用正則表達(dá)式提取出來，如圖所示。

在網(wǎng)頁右側(cè)選擇 “匹配 Email 地址”，就可以看到下方出現(xiàn)了文本中的 E-mail。如果選擇 “匹配網(wǎng)址 URL”，就可以看到下方出現(xiàn)了文本中的 URL。是不是非常神奇？

本文已收錄 GitHub，傳送門~[1] ，里面更有大廠面試完整考點(diǎn)，歡迎 Star。