什么是正则表达式

基本说来，正则表达式是一种用来描述一定数量文本的模式。Regex代表Regular Express。我们使用一种自定义的模式来匹配一定数量的文本，并从中提取所需数据。如同window的通配符，如：.txt查找所有txt文件。就被解释成任意字符。

python中的正则表达式大致分为以下几部分：

• 元字符
• 模式
• re 内置对象用法

所有关于正则表达式的操作都使用 python 标准库中的 re 模块。

Python中的re模块

import re  # 导入re模块
dir(re)  # 查看re模块的方法和属性

['A', 'ASCII', 'DEBUG', 'DOTALL', 'I', 'IGNORECASE', 'L', 'LOCALE', 'M', 'MULTILINE', 'RegexFlag', '
S', 'Scanner', 'T', 'TEMPLATE', 'U', 'UNICODE', 'VERBOSE', 'X', '_MAXCACHE', '__all__', '__builtins_
_', '__cached__', '__doc__', '__file__', '__loader__', '__name__', '__package__', '__spec__', '__ver
sion__', '_alphanum_bytes', '_alphanum_str', '_cache', '_compile', '_compile_repl', '_expand', '_loc
ale', '_pattern_type', '_pickle', '_subx', 'compile', 'copyreg', 'enum', 'error', 'escape', 'findall
', 'finditer', 'fullmatch', 'functools', 'match', 'purge', 'search', 'split', 'sre_compile', 'sre_pa
rse', 'sub', 'subn', 'template']

一、常见的元字符及用法

重复与贪婪重复和惰性重复

重复的含义是指重复匹配满足某一匹配模式的文本。
如例中(匹配ip)的’?’号就是一个重复的例子，它的含义是某一匹配模式，至多出现一次。以下列出一些重复的标示：

1. * ：星号，重复任意多次，如：\w*，代表任意字母，数字，下划线，汉字出现任意多次
2. + ：加号：至少出现一次，如：\d+，代表任意数字至少出现一次
3. ? ：问好：至多出现一次(出现一次或则不出现)，如：\s?，代表空白字符出现0或则1次
4. {n}：n代表任意数字，如：.{5}，代表任意字符出现5次
5. {n,}：n代表任意数字，如：\d{5,}，代表任意数字出现5到多次
6. {n,m}：n,m代表任意数字，如：\d{5,10}，代表任意数字出现5到10次

1)re.match("[A-Z][a-z]*","Liujianhong ")

  re.match("[A-Za-z]*","LiuJianhong ")

  re.match("[A-Z][a-z]*","LiuJianhong ")

2)re.match("[a-zA-Z_]+[\w_]*","LiuJianhong3 ")

3)re.match("[0-9]?[\d]","1")

  re.match("[0-9]?[\d]","111")

4)re.match("\w{5}","1sadfasdf11")

5)re.match("\w{5,}","1sadfasdf11")

6)re.match("\w{5,9}","1sadfasdf11")

re.match(".*\\bliu\\b","i is liu fas fsa5 662 2a") # 注意为什么使用点

re.match(r".*\bliu\b","i is liu fas fsa5 662 2a")  #结果同上

贪婪与惰性匹配

首先看一个正则表达式例子：“<.>”
这个正则表达式将匹配以’<’开头，’>’结尾中间任意次任意字符，
如:<br/>，<div/>，</script>等。
当如果用该正则表达式去匹配<div>hello world</div>的话被匹配出的文本就是<div>hello world</div>，因为默认情况下正则表达式是贪婪匹配。正则表达式引擎或默认情况下将默认搜索最后一个匹配锚点。所以本例中的最后匹配锚点是</div>的>而不是<div>的>。这便是贪婪匹配。
既然明白有贪婪匹配，就必然需知惰性匹配
以上为上面这个正则表达式例子稍作改动：<.?>，我们在*后面加上一个问号便告诉引擎按照惰性匹配的方式进行搜索，使用这个正则表达式匹配<div>hello world</div>得到的结果会有两个，一个是<div>另一个是</div>。因为我们没有限定开头和结尾。

字符集

字符集：[A-Za-z0-9]，匹配一个字符，这个字符是A-Za-z0-9中的任意一个

分歧

分歧：(a|b)*,a或则b出现任意多次

反义：

分组

正则表达式的分组以()小括号进行标示，

re.match("100|[1-9][0-9]|[0-9]","2") # 匹配100以内的数

re.match("100|[1-9]?\d$","2") 

re.match("\d+(183|192|168)\s","452183 ")

re.match("\d+(183|192|168)\s","452183 ").group()

re.match("\d+(183|192|168)\s","452183 ").group(1) #注意当输入1的结果

re.match("\d+(183|192|168)\.(li|wang|liu)","452168.wang").group(2) 

re.match("(.*)-(\d+)","0931-5912872 ").group(2) #小括号的使用场景，特别方便

re.match("<[a-zA-Z]*>\w*</[a-zA-Z]*>","<a>liujianhong</a>") #看似正确，其实Error

re.match("<[a-zA-Z]*>\w*</[a-zA-Z]*>","<a>liujianhong</html>") #这个就是漏洞

re.match(r"<([a-zA-Z] *)>\w*</ \1>","<a>liujianhong</html>") #此时\1表示第一个括号中的值

re.match("<([a-zA-Z] *)>\w*</ \\1>","<a>liujianhong</html>") #这样也行

常用正则表达式