Python正则表达式从入门到实践（1）
正则表达式regular expression用于描述一种字符串匹配的模式pattern,它可用于检查一个字符串是否包含某个子字符串，也可用于从字符串中提取匹配的子字符串，或者对字符串中匹配的子字符串进行替换操作。
Python正则表达式常用于进行数据清洗、数据抓取、网络爬虫等工作，能达到事半功倍的效果，非常值得学习。
正则表达式的构成元素
正则表达式由普通字符和特殊字符(也叫元字符或限定符)组成。
元字符
元字符 | 描述 |
|---|---|
. | 匹配除换行符以外的任意字符 |
\d | 匹配数字, 等价于字符组[0-9] |
\w | 匹配字母, 数字, 下划线 |
\s | 匹配任意的空白符(包括制表符,空格,换行等) |
\b | 匹配单词开始或结束的位置 |
^ | 匹配行首 |
$ | 匹配行尾 |
反义元字符
元字符 | 描述 |
|---|---|
\D | 匹配非数字的任意字符, 等价于[^0-9] |
\W | 匹配除字母,数字,下划线之外的任意字符 |
\S | 匹配非空白的任意字符 |
\B | 匹配非单词开始或结束的位置 |
[^x] | 匹配除x以外的任意字符 |
重复限定符
- 限定符共有6个, 假设重复次数为x次, 那么将有如下规则:
限定符 | 描述 |
|---|---|
* | x>=0 |
+ | x>=1 |
? | x=0 or x=1 |
{n} | x=n |
{n,} | x>=n |
{n,m} | n<=x<=m |
字符组
- […] 表示枚举，匹配中括号内字符之一. 如: [xyz] 匹配字符 x, y 或 z. 如果中括号中包含元字符, 则元字符降级为普通字符, 不再具有元字符的功能, 如 [+.?] 匹配 加号, 点号或问号.
- [m, n] 表示范围，匹配 m ~ n 范围之内的任意字符
排除性字符组
- [^…] 匹配任何未列出的字符,. 如: [^x] 匹配除x以外的任意字符.
多选结构
- | 就是或的意思, 表示两者中的一个. 如: a|b 匹配a或者b字符.
括号
- 括号 常用来界定重复限定符的范围, 以及将字符分组. 如: (ab)+ 可以匹配abab..等, 其中 ab 便是一个分组.
转义字符
- 即转义字符, 通常 * + ? | { [ ( ) ] }^ $ . # 和 空白 这些字符都需要转义.
操作符的运算优先级
- 转义符
- (), (?:), (?=), [] 圆括号或方括号
- *, +, ?, {n}, {n,}, {n,m} 限定符
- ^, $ 位置
- | “或” 操作
正则表达式常用函数
正则表达式旗标
小试牛刀
匹配手机号码
手机号码是一串1开头的11位号码，我们就根据此规则来书写正则表达式
①：1开头：^1
②：除去首位1，还剩下10位数字，\d表示一位数字
③：限定符{10}表示字符重复10次
④：到这里，匹配就应该结束了，所以还需要设置结尾符号$
⑤：综合上述信息，手机号码的正则表达式为^1\d{10}$
匹配身份证号码
身份证号码有15位和18位两种，其中18位号码结尾可能是x
①：1~8开头：^[1-8]
②：除去首位，15位身份证号还剩下14位数字，\d{14}
③：再加上结尾符，15位身份证正则表达式为：^[1-8]\d{14}$
④：除去首位，18位身份证号还剩下17位数字，且最后一位可能是X，\d{16}(\d|X)
⑤：再加上结尾符，18位身份证正则表达式为：^[1-8]\d{16}(\d|X)$
⑥：将15位和18位两种正则结合，身份证号码的正则表达式为^[1-8](\d{14}|\d{16}(\d|X))$
腾讯云开发者
