【一】正则

（1）引入

• 在线测试工具 http://tool.chinaz.com/regex/

• 首先要知道的是

  • 谈到正则，就只和字符串相关了。
  • 在提供的工具中，输入的每一个字都是一个字符串。

（2）字符组

• 字符组 ：[] 在同一个位置可能出现的各种字符组成了一个字符组
• 在正则表达式中用[]表示
• 字符分为很多类
  • 比如数字、字母、标点等等。
• 假如你现在要求一个位置"只能出现一个数字"
• 那么这个位置上的字符只能是0、1、2...9这10个数之一。

（3）元字符

（4）量词

• *相当于
• +相当于
• ?相当于

（5）位置元字符. ^ $

（6）重复匹配\* + ? { }

• 前面的*,+,?等都是贪婪匹配，也就是尽可能匹配，后面加?号使其变成惰性匹配

（7）字符集［］［^］

（8）分组匹配 ()与 或 ｜［^］

• 身份证号码是一个长度为15或18个字符的字符串
  • 如果是15位则全部有数字组成，首位不能为0；
  • 如果是18位，则前17位全部是数字，末位可能是数字或x，
  • 下面我们尝试用正则来表示：

  | 110101198001017032 | 110101198001017032 | 表示可以匹配一个正确的身份证号                               |

| ^[1-9]\d{13,16}[0-9x]| 正则 | 待匹配字符 | 匹配 结果 | 说明 | | ----------------------------- | ------------------ | ------------------ | ------------------------------------------------------------ | | 1101011980010170 | 1101011980010170 | 表示也可以匹配这串数字，但这并不是一个正确的身份证号码，它是一个16位的数字 | | ^[2]\d{14}(\d{2}[0-9x])?| 正则 | 待匹配字符 | 匹配 结果 | 说明 |
| ----------------------------- | ------------------ | ------------------ | ------------------------------------------------------------ |
| 1101011980010170 | False | `现在不会匹配错误的身份证号了 ()表示分组，将\d{2}[0-9x]分成一组，就可以整体约束他们出现的次数为0-1次` |
| `^([1-9]\d{16}[0-9x] | [1-9]\d{14})| 正则 | 待匹配字符 | 匹配 结果 | 说明 |
| ----------------------------- | ------------------ | ------------------ | ------------------------------------------------------------ |
| 110105199812067023 | 110105199812067023 |

（9）转义符 \

• 在正则表达式中，有很多有特殊意义的是元字符
  • 比如\n和\s等
  • 如果要在正则中匹配正常的"\n"而不是"换行符"就需要对""进行转义，变成''。
• 在python中，无论是正则表达式，还是待匹配的内容，都是以字符串的形式出现的，在字符串中\也有特殊的含义，本身还需要转义。
• 所以如果匹配一次"\n",字符串中要写成'\n'，那么正则里就要写成"\n",这样就太麻烦了。
• 这个时候就用到了r'\n'这个概念，此时的正则是r'\n'就可以了。

（10）贪婪匹配

• 贪婪匹配：在满足匹配时，匹配尽可能长的字符串，默认情况下，采用贪婪匹配

• 几个常用的非贪婪匹配，Pattern
• *? 重复任意次，但尽可能少重复
• +? 重复1次或更多次，但尽可能少重复
• ?? 重复0次或1次，但尽可能少重复
• {n,m}? 重复n到m次，但尽可能少重复
• {n,}? 重复n次以上，但尽可能少重复

（11）

• . 是任意字符
• * 是取 0 至 无限长度
• ? 是非贪婪模式。
• 合在一起就是取尽量少的任意字符，一般不会这么单独写
  • 他大多用在：.*? 就是取前面任意长度的字符，直到一个x出现

【二】re模块常用方法

（1）导入模块

import re

（2）查找结果（findall）

• 当使用 re.findall 时，它会搜索整个字符串，找到所有匹配正则表达式模式的非重叠部分，并将它们作为一个列表返回。这个函数返回的是所有匹配的字符串列表，而不仅仅是第一个匹配项。

• findall（pattern正则表达式，string待匹配内容，flags=0）

import re


namestr='my name is heart,my age is 18'
res = re.findall(pattern=r'\d',string=namestr)
print(res)

（3）编译正则表达式（compile）

• re.compile 是 Python 中 re 模块的一个函数，用于将正则表达式的字符串形式编译成一个可重复使用的正则表达式对象。这个对象可以被用于多次的匹配操作，从而提高效率，尤其是在需要多次使用同一模式的情况下。

import re

name_str = 'my name is heart,my age is 18'
re_type = re.compile(pattern=r'\w')
res_one = re.findall(pattern=re_type,string=name_str)
print(res_one) # ['m', 'y', 'n', 'a', 'm', 'e', 'i', 's', 'h', 'e', 'a', 'r', 't', 'm', 'y', 'a', 'g', 'e', 'i', 's', '1', '8']

（4）查找结果（search）

• re.search 是 Python 中 re 模块提供的一个函数，用于在字符串中搜索第一个匹配给定正则表达式模式的位置。如果找到匹配项，它返回一个包含匹配信息的 re.Match 对象；如果没有找到匹配项，返回 None。

• 在例子中，字符串'my name is heart, my age is 18'中的第一个字符是 'm'，而正则表达式模式\w匹配字母、数字或下划线，因此匹配到了 'm'。所以，res_three的输出是 'm'。group匹配第一个匹配到的字符。

import re

name_str = 'my name is heart,my age is 18'
re_type = re.compile(pattern=r'\w')
res_two = re.search(pattern=re_type,string=name_str)
res_three = re.search(pattern=re_type,string=name_str).group()
print(res_two) # <re.Match object; span=(0, 1), match='m'>
print(res_three) # m

（5）findall和search的区别

re.findall 和 re.search 是 Python 中 re 模块提供的两个不同的正则表达式匹配函数，它们有以下区别：

1. 返回类型:
   • re.findall: 返回一个包含所有匹配项的列表。如果没有找到匹配项，返回空列表 []。
   • re.search: 返回第一个匹配项的 re.Match 对象。如果没有找到匹配项，返回 None。
2. 匹配范围:
   • re.findall: 在整个字符串中搜索，找到所有匹配项，并将它们以列表的形式返回。
   • re.search: 在整个字符串中搜索，找到第一个匹配项就停止搜索，并返回一个 re.Match 对象。
3. 使用场景:
   • re.findall: 适用于需要找到字符串中所有匹配项的情况，例如提取所有的数字、单词等。
   • re.search: 适用于只关心第一个匹配项的情况，或者在整个字符串中找到一个匹配项就足够的情况。

（6）查找结果（match）

• re.match 是 Python 中 re 模块提供的一个函数，用于检查一个字符串是否以指定的正则表达式模式开头。如果匹配成功，它返回一个表示匹配的 re.Match 对象；如果匹配失败，则返回 None。

import re

name_str = 'my name is heart,my age is 18'
re_type = re.compile(pattern=r'\w')
res_one = re.match(pattern=re_type, string=name_str)
res_two = re.match(pattern=re_type, string=name_str).group()
print(res_one) # <re.Match object; span=(0, 1), match='m'>
print(res_two) # m

（7）切割（split）

• re.split 是 Python 中 re 模块提供的一个函数，用于根据正则表达式模式将字符串分割成一个列表。它的使用方式类似于字符串的 split 方法，但是可以使用更复杂的分隔符模式。

import re

name_str = 'abcd'
res_one = re.split(pattern=r'a',string=name_str)
print(res_one) # ['', 'bcd']

（8）指定个数替换（sub）

• re.sub 是 Python 中 re 模块提供的一个函数，用于在字符串中搜索正则表达式模式，并将匹配的部分替换为指定的字符串。这个函数允许你通过正则表达式来灵活地搜索和替换字符串中的文本。

import re

name_str = 'age4heart5god6'

# 将数字替换成'H'，参数1表示只替换1个
result = re.sub(pattern='\d', repl='D', string=name_str, count=1)
print(result)  # ageDheart5god6

（9）替换全部（subn）

• re.subn 是 Python 中 re 模块提供的一个函数，与 re.sub 类似，但它返回一个包含替换次数的元组。这个元组的第一个元素是替换后的新字符串，第二个元素是实际进行替换的次数。

import re

name_str = 'age4heart5god6'

# 将数字替换成'H'，返回元组(替换的结果,替换了多少次)
result = re.subn(pattern='\d',repl= 'H', string=name_str)
print(result) # ('ageHheartHgodH', 3)

（10）匹配结果为迭代器（finditer）

• re.finditer 是 Python 中 re 模块提供的一个函数，用于在字符串中搜索所有匹配正则表达式模式的部分。与 re.findall 不同，re.finditer 返回一个迭代器，该迭代器生成所有匹配的 re.Match 对象。

import re

name_str = 'age4heart5god6778'

# finditer返回一个存放匹配结果的迭代器
ret = re.finditer(pattern='\d', string=name_str)
print(ret)
# <callable_iterator object at 0x0000014ED4CD3EE0>
print(next(ret).group()) # 4
# 查看第一个结果
print(next(ret).group()) # 5
# 查看第二个结果
print([i.group() for i in ret]) # ['6', '7', '7', '8']
# 查看剩余的所有结果

【三】正则方法之优先级

（1）findall的优先级查询

import re

res = re.findall(pattern='www.(baidu|bilibili).com', string='www.bilibili.com')
# 这是因为findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可
print(res)  # ['bilibili']

（2）split的优先级查询

import re

name_str = 'age4heart5god6'

res = re.split(pattern="\d+", string=name_str)
print(res)  # ['age', 'heart', 'god', '']

res = re.split(pattern="(\d+)", string=name_str)
print(res)  # ['age', '4', 'heart', '5', 'god', '6', '']

本栏目推荐文章
• 正则表达式复习三——修饰符
• 正则表达式复习二——元字符
• 初涉正则表达式
• JS的常用验证正则
• 基于正则化的图自编码器在推荐算法中的应用 Application of graph auto-encoders based on regularization in recommendation algorithms
• 正则表达式复习一——介绍
• 第五天：正则表达式
• 正则表达式的概念和实践
• SQL正则表达式
• 前端系列：正则表达式RegExp详解

正则正则 表达式 正则grep 正则p7 正则 对象 正则p9 正则python 正则java 正则 常用 正则notepad 正则 表达式regex