正则表达式之所以难学,是因为它有大量的符号,每个符号的意义和用法又是不一样的,但是只要掌握了用法,正则表达式也可以很友好。
本文中所有的代码都在python的re模块下运行。
定义是定义,太正经了就没法用了。我们来举个栗子:假如你得到了一个网页的HTML源码。其中有一段
你想要把这个hello world提取出来,但你这时如果只会python 的字符串处理,那么第一反应可能是
然后从这个位置向下查找到下一个<h1>出现这样做未尝不可,但是很麻烦不是吗。需要考虑多个标签,一不留神就多匹配到东西了,而如果想要非常准确的匹配到,又得多加循环判断,效率太低。
这时候,正则表达式就是首选的帮手。
首先,从最基础的正则表达式说起。
假设我们的想法是把一个字符串中的所有'python'给匹配到。我们试一试怎么做
看完这段代码,你是不是觉得:卧槽?这就是正则表达式?直接写上去就行?
确实,正则表达式并不像它表面上那么奇葩,如果不是我们故意改变一些符号的含义时,你看到的就是想要匹配的。
所以,先把大脑清空,先认为正则表达式就是和想要匹配的字符串长得一样。在之后的练习中我们会逐步进化
0.无论是python还是正则表达式都是区分大小写的,所以当你在上面那个例子上把'python'换成了'Python',那就匹配不到你心爱的python了。
1.重新回到第一个例子中那个<h1>hello world<h1>匹配。假如我这么写,会怎么样?
有了入门级的经验,我们知道那两个<h1>就是普普通通的字符,但是中间的是什么鬼?
.字符在正则表达式代表着可以代表任何一个字符(包括它本身)
findall返回的是所有符合要求的元素列表,包括仅有一个元素时,它还是给你返回的列表。
机智如你可能会突然问:那我如果就只是想匹配'.'呢?结果啥都给我返回了咋整?在正则表达式中有一个字符,其实如果你编程经验较多的话,你就会发现这是好多地方的“转义符”。
举个栗子,你真的想匹配'relax149137@gmail.com'这个邮箱(我的邮箱),你可以把正则表达式写成下面这个样子:
发现了吧,我们在.的前面加上了转义符,但是并不是代表匹配“.”的意思,而是只匹配“.”的意思!
不知道你细不细心,有没有发现我们第一次用.时,后面还跟了一个+?那这个加号是干什么的呢?
其实不难想,我们说了“.字符在正则表达式代表着可以代表任何一个字符(包括它本身)”,但是'hello world'可不是一个字符啊。
+的作用是将前面一个字符或一个子表达式重复一遍或者多遍。
比方说表达式“ab+”那么它能匹配到“abbbbb”,但是不能匹配到'a',它要求你必须得有个b,多了不限,少了不行。你如果问我有没有那种“有没有都行,有多少都行的表达方式”,回答是有的。
*跟在其他符号后面表达可以匹配到它0次或多次
比方说我们在王叶内遇到了链接,可能既有http://开头的,又有https://开头的,我们怎么处理?
输出
2.比方说我们有这么一个字符串'cat hat mat qat',你会发现前面三个是实际的单词,最后那个是我胡编乱造的。如果你本来就知道'at'前面是c、h、m其中之一时这才构成单词,你想把这样的匹配出来。根据已经学到的知识是不是会想到写出来三个正则表达式进行匹配?实际上不需要。因为有一种多字符匹方式
[]代表匹配里面的字符中的任意一个
还是举个栗子,我们发现啊,有的程序员比较过分,,在<html></html>这对标签上,大小写混用,老害得我们抓不到想要的东西,我们该怎么应对?是写16*16种正则表达式挨个匹配?no
输出
我们既然有了范围性的匹配,自然有范围性的排除。
[^]代表除了内部包含的字符以外都能匹配
还是cat,hat,mat,qat这个例子,我们想匹配除了qat以外的,那么就应该这么写:
输出
3.介绍到这里,我们可能已经掌握了大致的正则表达式的构造方式,但是我们常常会在实战中遇到一些匹配的不准确的问题。比方说:
输出结果
呦呵!你咋能多了呢?我理想的结果是@hit.,你咋还给我加量了呢?这是因为正则表达式默认是“贪婪”的,我们之前讲过,“+”代表是字符重复一次或多次。但是我们没有细说这个多次到底是多少次。所以它会尽可能“贪婪”地多给我们匹配字符,在这个例子里也就是匹配到最后一个“.”。
我们怎么解决这种问题呢?只要在“+”后面加一个“?”就好了。
输出结果
加了一个“?”我们就将贪婪的“+”改成了懒惰的“+”。这对于[abc]+,w*之类的同样适用。
个人建议:在你使用'+',''的时候,一定先想好到底是用贪婪型还是懒惰型,尤其是当你用到范围较大的项目上时,因为很有可能它就多匹配字符回来给你!!!*
为了能够准确的控制重复次数,正则表达式还提供
{a,b}(代表a<=匹配次数<=b)
还是举个栗子,我们有sas,saas,saaas,我们想要sas和saas,我们怎么处理呢?
输出
如果你省略掉{1,2}中的2,那么就代表至少匹配一次,那么就等价于?
如果你省略掉{1,2}中的1,那么就代表至多匹配2次。
利用十分钟你可以上手正则表达式,但不可能掌握它,最重要的事情是
联系客服