regular expression

跟风学正则の笔记 测试工具

what is Regular Expression

正则表达式(regular expression)描述了一种字符串匹配的模式，可以用来检查一个串是否含有某种子串、将匹配的子串做替换或者从某个串中取出符合某个条件的子串等。

How

From LiaoXueFeng

Simple Introduction

在正则表达式中，如果直接给出字符，就是精确匹配。

用\d可以匹配一个数字，\w可以匹配一个字母或数字，所以：

• '00\d'可以匹配'007'，但无法匹配'00A'；

而.可以匹配任意字符，所以：

• 'py.'可以匹配'pyc'、'pyo'、'py!'

要匹配变长的字符，在正则表达式中，

1. 用*表示任意个字符（包括0个）
2. 用+表示至少一个字符
3. 用?表示0个或1个字符
4. 用{n}表示n个字符，用{n,m}表示n-m个字符：

A|B可以匹配A或B，所以(P|p)ython可以匹配'Python'或者'python'。

^表示行的开头，^\d表示必须以数字开头。

$表示行的结束，\d$表示必须以数字结束。

如果你想查找元字符本身的话，比如你查找.,或者,就出现了问题：你没办法指定它们，因为它们会被解释成别的意思。这时你就得使用\来取消这些字符的特殊意义。因此，你应该使用.和\。当然，要查找\本身，你也得用\.

例如：deerchao\.net匹配deerchao.net，C:\\Windows匹配C:\Windows。

In Python

import re# 从头找,找到了返回对象,找不到返回nonere.match(p,text)# 不是从第一个字符开始找obj = re.search(p,text)obj.start(),obj.end(),obj.group()# 找到多个对象re.findall(p,text)# 找到后把字符串分隔开re.split(p,text)# p替换成sre.sub(p,s,text)^ 字符串开头\b 单词开头\末尾\w 数字字母\S 不是空格+ == {1,}? 非贪婪模式

import re# emailpatten = 'bill.gates@microsoft.com'r = r'^(\w*)\.?(\w*)@(\w+).(\w+)'print(re.match(r,patten).groups())r1 = r'(<\w+\s\w+>)\s*(\w*)\.?(\w*)@(\w+).(\w+)'patten1 = '<Tom Paris> tom@voyager.org'print(re.match(r1,patten).groups())# 别人的re_email = re.match(r'^(\w+\.\w+|\w+)(\@\w+\.com)$','bill.a@microsoft.com')print(re_email.groups())

字符类型

1. 普通字符
2. 非打印字符 | char | description | | —- | ———————————- | | \cx | 匹配由x指明的控制字符。 | | \f | 匹配一个换页符。等价于 \x0c 和 \cL | | \n | 匹配一个换行符。等价于 \x0a 和 \cJ | | \r | 匹配一个回车符。等价于 \x0d 和 \cM | | \s | 匹配任何空白字符 空格、制表符、换页符==[\f\n\r\t\v]。 | | \S | 匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。 |
3. 控制字符 | char | description | | —- | —————————————- | | $ | 匹配输入字符串的结尾位置。 | | ( ) | 标记一个子表达式的开始和结束位置。 | | | 匹配前面的子表达式零次或多次。要匹配 字符，请使用 *。 | | + | 匹配前面的子表达式一次或多次。要匹配 + 字符，请使用 +。 | | . | 匹配除换行符 \n之外的任何单字符。要匹配 .，请使用 \。 | | [ | 标记一个中括号表达式的开始。要匹配 [，请使用 [。 | | ? | 匹配前面的子表达式零次或一次，或指明一个非贪婪限定符。要匹配 ? 字符，请使用 \?。 | |  | 将下一个字符标记为或特殊字符、或原义字符、或向后引用、或八进制转义符。例如， ‘n’ 匹配字符 ‘n’。’\n’ 匹配换行符。序列 ‘\‘ 匹配 “\”，而 ‘(‘ 则匹配 “(“。 | | ^ | 匹配输入字符串的开始位置，除非在方括号表达式中使用，此时它表示不接受该字符集合。 | | { | 标记限定符表达式的开始。要匹配 {，请使用 {。 | | | | 指明两项之间的一个选择。要匹配 |，请使用 |。 | | | |
4. 限定字符

示例

\d{3}\s+\d{3,8}

1. \d{3}表示匹配3个数字，例如'010'；
2. \s可以匹配一个空格（也包括Tab等空白符），所以\s+表示至少有一个空格，例如匹配' '，' '等；
3. \d{3,8}表示3-8个数字，例如'1234567'。

\(?0\d{2}[) -]?\d{8}。

“(”和“)”也是元字符，后面的分组节里会提到，所以在这里需要使用转义。

这个表达式可以匹配几种格式的电话号码，像(010)88886666，或022-22334455，或02912345678等。我们对它进行一些分析吧：首先是一个转义字符(,它能出现0次或1次(?),然后是一个0，后面跟着2个数字(\d{2})，然后是)或-或空格中的一个，它出现1次或不出现(?)，最后是8个数字(\d{8})。

Exercise

email

import re# emailpatten = 'bill.gates@microsoft.com'r = r'^(\w*)\.?(\w*)@(\w+).(\w+)'print(re.match(r,patten).groups())r1 = r'(<\w+\s\w+>)\s*(\w*)\.?(\w*)@(\w+).(\w+)'patten1 = '<Tom Paris> tom@voyager.org'print(re.match(r1,patten).groups())# 别人的re_email = re.match(r'^(\w+\.\w+|\w+)(\@\w+\.com)$','bill.a@microsoft.com')print(re_email.groups())

参考资料

Runoob 30min 廖雪峰 官方文档 python正则 路人甲