Python基礎 ：Regex

標籤：包括   換行   url   app   .com   detail   blank   字串替換   轉義   

一、前言

1.1Regex簡述

Regex是一種尋找以及字串替換操作。Regex在文字編輯器中廣泛使用，比如Regex被用於：

　　1.檢查文本中是否含有指定的特徵詞

　　2.找出文中匹配特徵詞的位置

　　3.從文本中提取資訊，比如：字串的子串

　　4.修改文本

與文字編輯器相似，幾乎所有的進階程式設計語言都支援Regex。在這樣的語境下，“文本”也就是一個字串，可以執行的操作都是類似的。一些程式設計語言（比如Perl，JavaScript）會檢查Regex的文法。

 

1.2 常用的正則匹配工具 

線上匹配工具：

　　1. http://www.regexpal.com/ 

      2. http://rubular.com/ 

正則匹配軟體：

      McTracer 

      用過幾個之後還是覺得這個是最好用的，支援將正則導成對應的語言如java C# js等還幫你轉義了，Copy直接用就行了很方便，另外支援把Regex用法解釋，如哪一段是捕獲分組，哪段是貪婪匹配等等，總之用起來 So Happy .

 

1.3Regex文法

　　\w匹配字母數字及底線

　　\W匹配非字母數字及底線

　　\s匹配任意空白字元，等價於 [\t\n\r\f].

　　\S匹配任意非Null 字元

　　\d匹配任一數字，等價於 [0-9]

　　\D匹配任意非數字

　　\A匹配字串開始

　　\Z匹配字串結束，如果是存在換行，只匹配到換行前的結束字串

　　\z匹配字串結束

　　\G匹配最後匹配完成的位置

　　\n匹配一個分行符號

　　\t匹配一個定位字元

　　^匹配字串的開頭

　　$匹配字串的末尾。

　　.匹配任一字元，除了分行符號，當re.DOTALL標記被指定時，則可以匹配包括分行符號的任一字元。

　　[...]用來表示一組字元,單獨列出：[amk] 匹配 ‘a‘，‘m‘或‘k‘

　　[^...]不在[]中的字元：[^abc] 匹配除了a,b,c之外的字元。

　　*匹配0個或多個的運算式。

　　+匹配1個或多個的運算式。

　　?匹配0個或1個由前面的Regex定義的片段，非貪婪方式

　　{n}精確匹配n個前面運算式。

　　{n, m}匹配 n 到 m 次由前面的Regex定義的片段，貪婪方式

　　a|b匹配a或b

　　( )匹配括弧內的運算式，也表示一個組

可能完了之後就有點暈暈的了把，不用擔心，下面我們會詳細講解下一些常見的規則的用法。怎麼用它來從網頁中提取我們想要的資訊。

 

1.4Python中使用

其實Regex不是Python專屬的，它在其他程式設計語言中也可以使用，但是Python的re庫提供了整個Regex的實現，利用re庫我們就可以在Python中使用Regex來，在Python中寫Regex幾乎都是用的這個庫。

下面我們就來瞭解下它的用法。

match()

在這裡首先介紹第一個常用的匹配方法，match()方法，我們向這個方法傳入要匹配的字串以及Regex，就可以來檢測這個Regex是否匹配字串了。

match()方法會嘗試從字串的起始位置匹配Regex，如果匹配，就返回匹配成功的結果，如果不匹配，那就返回None。

我們用一個執行個體來感受一下：

import recontent =‘Hello 123 4567 World_This a Regex Demo‘print (len(content))result = re.match(‘^Hello\s\d\d\d\s\d{4}\s\w{10}‘,content)print resultprint result.group()print result.span()

輸出結果：

在這裡我們首先聲明了一個字串，包含英文字母、空白字元、數字等等內容，接下來我們寫了一個Regex^Hello\s\d\d\d\s\d{4}\s\w{10}來匹配這個長字串。

開頭的^是匹配字串的開頭，也就是以Hello開頭，然後\s匹配空白字元，用來匹配目標字串的空格，\d匹配數字，三個\d匹配123，然後再寫一個\s匹配空格，後面還有4567，我們其實可以依然用四個\d來匹配，但是這麼寫起來比較繁瑣，所以在後面可以跟{4}代表匹配前面的字元四次，也就是匹配四個數字，這樣也可以完成匹配，然後後面再緊接一個空白字元，然後\w{10}匹配10個字母及底線，Regex到此為止就結束了，我們注意到其實並沒有把目標字串匹配完，不過這樣依然可以進行匹配，只不過匹配結果短一點而已。

我們調用match()方法，第一個參數傳入了Regex，第二個參數傳入了要匹配的字串。

列印輸出一下結果，可以看到結果是SRE_Match對象，證明成功匹配，它有兩個方法，group()方法可以輸出匹配到的內容，結果是Hello 123 4567 World_This，這恰好是我們Regex規則所匹配的內容，span()方法可以輸出匹配的範圍，結果是(0, 25)，這個就是匹配到的結果字串在原字串中的位置範圍。

通過上面的例子我們可以基本瞭解怎樣在Python中怎樣使用Regex來匹配一段文字。

二、Regex練習

          初級練習

                   1、求非負整數 : ^\d+$

                       Tips:需要注意的是這個匹配模式為多行模式下進行的

             

                  2、匹配正整數： ^[1-9]*[1-9][0-9]*$ 在網上也有這種寫法的 ^[0-9]*[1-9][0-9]*$

                      這裡我也不貼了，前者指能匹配123012這種整數，而後者可以匹配001230。

                       取捨就看實際的需要了

                  3、非正整數：^(-\d+|(0+))$

                  4、負整數：^-[0-9]*[1-9][0-9]*$  

                  5、整數 ：^-?\d+$

                  6、非負浮點數 ：^\d+(\.\d+)?$

                  7、正浮點數 ：^(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*))$

                  8、非正浮點數 ：^((-\d+(\.\d+)?)|(0+(\.0+)?))$

                  9、負浮點數：^(-(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*)))$

                 10、浮點數：^(-?\d+)(\.\d+)?$

                 11、有數字、26個英文字母組成的字串：^[A-Za-z0-9]+$

          中級練習

 

                   1、長度為8-10的使用者密碼（以字母開頭、數字、底線）

                        ^[a-zA-Z]\w{7,10}$

                   2、驗證輸入只能是漢字 ： ^[\u4e00-\u9fa5]{0,}$

                   3、電子郵箱驗證：^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$

                   4、URL地址驗證：^http://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$

                   5、電話號碼的驗證：請參考：http://blog.csdn.net/kiritor/article/details/8733469

                   6、簡單的社會安全號碼驗證：\d{15}|\d{18}$

                   ..............................          

          進階練習

                  1、提取並捕獲html標籤內容：

                     <a(?: [^>]*)+href=([^ >]*)(?: [^>]*)*>

               

                    <OPTION\s.*?>

               

以上練習是參考網上的。寫的不好之處，請大家多多指教。

Python基礎 ：Regex