今天我把话放这儿，明天我要会【正则表达式】

看、未来

发布于 2021-09-18 10:06:07

3830

发布于 2021-09-18 10:06:07

参考资料： 1、菜鸟教程：https://www.runoob.com/regexp/regexp-tutorial.html 2、RegexOne：https://regexone.com/lesson/introduction_abcs （这个网站是刷题网站，如果不会用的话，百度翻译一下就知道了） 3、我学网安的好兄弟总结的PDF。

好，切入正题。

文章目录

我想我们就直奔主题吧，不想废话了，能点进来的也是想学点干货嘛。

先把上面第二个刷题网址打开，然后上车。顺便想打开第一个网址也行。

第一题：普通字母匹配

解题须知：

[ABC]：匹配 [...] 中的所有字符
[A-Z]：[A-Z] 表示一个区间，匹配所有大写字母，[a-z] 表示所有小写字母。
^：匹配输入字符串的开始位置，除非在方括号表达式中使用，当该符号在方括号表达式中使用时，表示不接受该方括号表达式中的字符集合。要匹配 ^ 字符本身，请使用 \^，下同。
$：匹配输入字符串的结尾位置。如果设置了 RegExp 对象的 Multiline 属性，则 $ 也匹配 '\n' 或 '\r'。
{}：标记限定符表达式
[]：标记一个中括号表达式
{n}：n 是一个非负整数。匹配确定的 n 次
{n,}：n 是一个非负整数。至少匹配n 次
{n,m}：m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次

看概念终究是不好受的，还有可能看不懂。

来，看题目：

好，实现一下：

好啦（别跟我说什么[a-g]* 也能实现，咱是为了做题目而做题目吗？咱是为了尽可能多的把所有知识点串起来）。

第二题：大杂烩

来，看题目：

解题须再知：

正则匹配是从左到右顺序匹配的
*：匹配前面的子表达式零次或多次。
+：匹配前面的子表达式一次或多次。
[\s\S]：匹配所有。\s 是匹配所有空白符，包括换行，\S 非空白符，包括换行。
\w：匹配字母、数字、下划线。等价于 [A-Za-z0-9_]
|：指明两项之间的一个选择。要匹配 |，请使用 \|
()：标记一个子表达式的开始和结束位置。子表达式可以获取供以后使用

好，实现一下看：

有点长，截不下，就写这里吧：

^[a-z]{3,6}([ ]|[0-9]+)([ ]|[a-z]+|")([ = ]|123)*("|;)*$

第三题：否定式上场

解题还需知：

(?=pattern)：正向肯定预查（look ahead positive assert），在任何匹配pattern的字符串开始处匹配查找字符串。例如，"Windows(?=95|98|NT|2000)"能匹配"Windows2000"中的"Windows"，但不能匹配"Windows3.1"中的"Windows"。

(?!pattern)：正向否定预查(negative assert)，在任何不匹配pattern的字符串开始处匹配查找字符串。例如"Windows(?!95|98|NT|2000)"能匹配"Windows3.1"中的"Windows"，但不能匹配"Windows2000"中的"Windows"。

(?<=pattern)：反向(look behind)肯定预查，与正向肯定预查类似，只是方向相反。例如，"(?<=95|98|NT|2000)Windows"能匹配"2000Windows"中的"Windows"，但不能匹配"3.1Windows"中的"Windows"。

(?<!pattern)：反向否定预查，与正向否定预查类似，只是方向相反。例如"(?<!95|98|NT|2000)Windows"能匹配"3.1Windows"中的"Windows"，但不能匹配"2000Windows"中的"Windows"。

我的题解：

第四题：依旧练否定式

解题须知：

[^ABC]：匹配除了 [...] 中字符的所有字符
\w：匹配字母、数字、下划线。等价于 [A-Za-z0-9_] 
.：匹配除换行符 \n 之外的任何单字符。要匹配 . ，请使用 \. 。

题解一：

题解二：

简单吧。用某位大佬的话说，代码写出来，就是为了给人看的，只是顺便拿去给机器运行一下。

第五题：捕获组

说实话，我觉得这个题好像没必要。

这个你们别管了，我直接实现

题目呢，就讲解这些。后面各位还需要加强训练，反正题库也给你们了。做完一轮，可以选择addition再做一轮。

补缺补漏

来看看我们刚刚落下了哪些吧：

贪婪与非贪婪匹配

*和 + 限定符都是贪婪的，因为它们会尽可能多的匹配文字，只有在它们的后面加上一个 ? 就可以实现非贪婪或最小匹配。

定位符

\b：匹配一个单词边界，即字与空格间的位置
\B：非单词边界匹配

\b 字符的位置是非常重要的。如果它位于要匹配的字符串的开始，它在单词的开始处查找匹配项。如果它位于字符串的结尾，它在单词的结尾处查找匹配项。

下面的表达式匹配单词 Chapter 的开头三个字符，因为这三个字符出现在单词边界后面：

/\bCha/

下面的表达式匹配单词 Chapter 中的字符串 ter，因为它出现在单词边界的前面：

/ter\b/

修饰符

下表列出了正则表达式常用的修饰符：

存在即合理嘛。

使用方式如下：

元字符串

\d：匹配一个数字字符。等价于 [0-9]。
\D：匹配一个非数字字符。等价于 [^0-9]。
\w：匹配字母、数字、下划线。等价于'[A-Za-z0-9_]'。
\W：匹配非字母、数字、下划线。等价于 '[^A-Za-z0-9_]'。

运算符优先级

下表从最高到最低说明了各种正则表达式运算符的优先级顺序：

Python正则表达式

首先，先调用模块re。

先给个模板函数吧

def get_re(re_rule,text):
    t = re.search(re_rule, text)
    if t:
        #t = t.group(1)
        return t
    else:
        print("没有获取到有效内容")
    return t

应该能看得懂怎么用吧，我就不写注释啦。

现在让我们对着这个模板看：

re.search方法

re.search 扫描整个字符串并返回第一个成功的匹配。

re.search(pattern, text, flags=0)

参数释义：

pattern：正则规则
text：待处理文本
flags：修饰符

这个修饰符嘛，就上面那块儿大小写啊啥的。

匹配成功re.search方法返回一个匹配的对象，否则返回None。

re.group(s)方法

我们可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。

group(num=0)：匹配的整个表达式的字符串，group() 可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组。
groups()：返回一个包含所有小组字符串的元组，从 1 到 所含的小组号。

import re

line = "Cats are smarter than dogs"

searchObj = re.search(r'(.*) are (.*?) .*', line, re.M | re.I)

if searchObj:
    print("groups() : ", searchObj.groups())
    print("group() : ", searchObj.group())
    print("group(1) : ", searchObj.group(1))
    print("group(2) : ", searchObj.group(2))

你悟到了吗？

re.sub方法

re.sub用于替换字符串中的匹配项。

sub(pattern, repl, string, count=0, flags=0)

repl: 替换的字符串，可以是函数
string: 要被查找替换的字符串
count: 模式匹配后替换的最大次数，默认0表示替换所有的匹配，可选

演示一下啊，替换掉某些不该出现的字符：

import re

content = "do something fuck you"

rs = re.sub(r'fuck', "*", content)
print(rs)

这个太小儿科了啊，呐，前面说，这个repl可以是函数，是怎么肥四呢？学过C语言的就知道这不就是函数指针嘛。

def calcWords(matched):
    num = len(matched.group())
    return str(num * '*')

content = "do something fuck you"

rs = re.sub(r'fuck', calcWords, content)
print(rs)

看这个函数，可能要有不少人犯嘀咕了，这个calcWords函数里面的参数matched是哪里来的？

据我大胆猜测啊，本来应该是这么写的：

def calcWords(partten,content):
    num = len(serch(partten,content).group())
    return str(num * '*')

content = "do something fuck you"

rs = re.sub(r'fuck', calcWords, content)	
//pattern和content全部沦为calcWords的参数，这就是函数指针
print(rs)

不过Python嘛，一贯的简短，所以就写成了上面那样。