正则表达式

正则表达式，以python语言为例

• 常见匹配模式：
• 最常规的匹配 re.match
• 匹配目标
• 贪婪匹配
• 非贪婪匹配
• 匹配模式
• 转义
• re.search
• re.findall
• re.sub
• re.compile
• Java的正则

正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个”规则字符串“，这个”规则字符串“用来表达对字符串的一种过滤逻辑。正则表达式每个语言都有，以python为例，相关函数在re包中。
对于一些常用匹配功能，可以参考 https://tool.oschina.net/regex 的表达式模板。

常见匹配模式：

模式	描述
w	匹配字母数字及下划线
W	匹配非字母数字下划线
s	匹配任意空白字符
S	匹配任意非空字符
d	匹配任意数字，等价于[0-9]
D	匹配任意非数字
A	匹配字符串开始
Z	匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串
z	匹配字符串结束
G	匹配最后匹配完成的位置
n	匹配一个换行符
t	匹配一个制表符
^	匹配字符串的开头
$	匹配字符串的末尾
.	匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符
[…]	用来表示一组字符，单独列出：[amk] 匹配‘a’, ‘m’或’k’
[^…]	不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符
*	匹配0个或多个的表达式，如 .* 匹配任意个任意字符， s*匹配任意个空白字符；.*?与s*?是非贪婪模式
+	匹配一个或多个的表达式
?	匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式
{n}	精确匹配n个前面表达式
{n,m}	匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式
a|b	匹配a或b
{}	匹配括号内的表达式，也表示一个组

最常规的匹配 re.match

re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。
re.match(pattern, string, flags=0): 三个参数分别代表正则表达式，要匹配的字符串，匹配模式。
最大缺点是必须从字符串的第一个字符开始匹配，所以并不常用。

import re

content = "Hello 123 4567 World_This is a Regex Demo"
print(len(content))
result = re.match("Hellosd{3}sd{4}sw{10}.*Demo$", content)
# 作用和上面是一样的（.* 用的好，方便少不了，.* 表示匹配任意多个任意字符）
# result = re.match("Hello.*Demo$", content)
print(result)
print(result.group())
print(result.span())

41

Hello 123 4567 World_This is a Regex Demo
(0, 41)

匹配目标

import re

content = "Hello 1234567 World_This is a Regex Demo"
# 把要匹配的目标用（）括起来，然后指定它的左右端点；group(1)表示第一个小括号，group(n)表示第n个小括号
result = re.match("Hellos(d+)sWorld.*Demo$", content)
print(result)
print(result.group())
print(result.group(1))
print(result.span())


Hello 1234567 World_This is a Regex Demo
1234567
(0, 40)

贪婪匹配

import re

# .* 贪婪模式，会匹配尽可能多的字符。由于(d+)至少要有一个字符，所以.*给(d+)留了一个7，123456全匹配啦
content = "Hello 1234567 World_This is a Regex Demo"
result = re.match("He.*(d+).*Demo$", content)
print(result)
print(result.group())
print(result.group(1))
print(result.span())


Hello 1234567 World_This is a Regex Demo
7
(0, 40)

非贪婪匹配

import re

# .*？ ？会把.*变为非贪婪模式，匹配时看到后面有个(d+)要匹配数字时就把数字全给了后面的(d+)
content = "Hello 1234567 World_This is a Regex Demo"
result = re.match("He.*?(d+).*Demo$", content)
print(result)
print(result.group())
print(result.group(1))
print(result.span())


Hello 1234567 World_This is a Regex Demo
1234567
(0, 40)

匹配模式

import re

# python中的字符串内部换行方法：1）n；2）'''使用三个单引号 
content = '''Hello 1234567 World_This 
is a Regex Demo'''

# result = re.match("He.*?(d+).*?Demo$", content)
# .* 可以匹配任意字符，但是不能匹配换行符；但是把匹配模式设置为 re.S 后就可以匹配换行符
result = re.match("He.*?(d+).*?Demo$", content, re.S)
print(result)
print(result.group())
print(result.group(1))
print(result.span())


Hello 1234567 World_This 
is a Regex Demo
1234567
(0, 41)

转义

import re

content= "price is $5.00"
# 正则表达式中出现了特殊字符时，可以给他加转义
result = re.match("price is $5.00", content)
print(result)

尽量使用范匹配，也就是 .* ， .*? ；使用括号得到匹配目标，尽量使用非贪婪模式，有换行符就用 re.S

re.search

re.search扫描整个字符串并返回第一个成功的匹配。不会非得从第一个字符开始进行匹配。所以优先用search方法，它不会限制头部。

import re

content = "Extra strings Hello 1234567 World_This is a Regex Demo"
result = re.match("He.*?(d+).*Demo$", content)
result1 = re.search("He.*?(d+).*Demo$", content)
print(result)
print(result1)

None

import re

html = '''
    
经典老歌
        

            

                往事如风
            
            
记事本
'''
# python中字符串里面如果有""，那么最外面必须是单引号（如下行），否则语法错误；
# '''   '''用于字符串换行
result = re.search('(.*?)', html, re.S)
print(result)
print(result.group(0))
print(result.group(1))
print(result.group(2))

import re

html = '''
    
经典老歌
        

            

                往事如风
            
            
记事本
'''
# python中字符串里面如果有""，那么最外面必须是单引号（如下行），否则语法错误；
# '''   '''用于字符串换行
results = re.findall('(.*?)', html, re.S)
print(results)
print(type(results))
for result in results:
    print(result)
    print(result[0], result[1])

[('齐秦', '往事如风'), ('陈慧琳', '记事本')]

('齐秦', '往事如风')
齐秦 往事如风
('陈慧琳', '记事本')
陈慧琳 记事本

re.sub

替换字符串中每一个匹配的子串后返回替换后的字符串。四个参数：正则字符串，要替换成的字符串，原字符串，匹配模式。
（1）替换字串

import re

content = "Extra strings Hello 1234567 World_This is a Regex Demo"
content = re.sub("d+", "", content)
print(content)

Extra strings Hello  World_This is a Regex Demo

（2）匹配字串，在子串基础上添加内容

import re

content = "Extra strings Hello 1234567 World_This is a Regex Demo"
content = re.sub("(d+)", r"1 8910", content)
#  1 的意思即使把第一个括号中的内容拿过来，也就是把（/d+）里的内容拿过来。r不能少
print(content)

Extra strings Hello 1234567 8910 World_This is a Regex Demo

re.compile

将正则字符串编译成正则表达式对象。将一个正则表达式串编译成正则对象，以便于复用该匹配模式。

import re

content = '''Hello 1234567 World_This
is a Regex Demo'''
pattern = re.compile("Hello.*Demo", re.S)
result = re.match(pattern, content)
print(result)
result1 = re.match("Hello.*Demo", content, re.S)
print(result1)

import requests
import re

response = requests.get("http://www.hdu.edu.cn/")
print(response.status_code)
print()
print(response.url)
print()
print(response.headers)
print()
print(response.cookies)
print()
#print(response.text) # 以文本形式打印网页源码
print()
#print(response.content) # 以字节流形式打印

Java的正则

java正则最重要的有两个类Pattern, Matcher。虽然下面只是一个简单例子，但是匹配规则在不同语言中是几乎相同的，想用java的正则方法时，注意字符串的书写要求，比如java中 需要进行转义才行，再稍微搜索下其他博客，基本就会用java的正则方法啦。

package tacos.nacos;

import org.junit.Test;

import java.util.regex.Matcher;
import java.util.regex.Pattern;


public class RegexDemo {

    @Test
    public void test() {
        String content = "delete from user where id = '12345' and name = 'haha'";
        String pattern = "delete.*?om\s(.*?)\s.*?'(\d+)'.*?'(\w+)'";

        Pattern compile = Pattern.compile(pattern);
        Matcher matcher = compile.matcher(content);
        if(matcher.find()){
            System.out.println(matcher.group(0));
            System.out.println(matcher.group(1));
            System.out.println(matcher.group(2));
            System.out.println(matcher.group(3));
        }

        // 上面正则等价于下面的字符串分割
        System.out.println();
        String[] s = content.split(" ");
        System.out.println(s[2]);
        System.out.println(s[6].substring(1, s[6].length()-1));
        System.out.println(s[10].substring(1, s[10].length()-1));
    }
}