正则表达式应用的场景也非常多。常见的比如：搜索引擎的搜索、爬虫结果的匹配、文本数据的提取等等都会用到，所以掌握甚至精通正则表达式是一个硬性技能，非常必要。
正则表达式
正则表达式是一个特殊的字符序列，由普通字符和元字符组成。元字符能帮助你方便的检查一个字符串是否与某种模式匹配。
Python中则提供了强大的正则表达式处理模块，即 re 模块， 为Python的内置模块。
下面，我带大家来一个入门demo例子，代码如下：
- import re
- reg_string = "hello9527python@wangcai.@!:xiaoqiang"
- reg = "hello"
- result = re.findall(reg,reg_string)
- print(result)
这里reg_string就是我们的普通字符，reg就是我们的元字符。
我们使用 re 模块中的findall函数，进行匹配，返回的结果是列表数据类型。
我们使用正则表达式，就是为了在很长的字符串中，找到我们需要的字符串片段。
元字符
Python中常见元字符及其含义如下：
下面，我们具体使用下Python中的常见的元字符。
我们还是使用上次的例子，这次我们需要在reg_string匹配出我们的数字，只需要将reg换成\d，代码如下图所示。
比如，我们在之前的reg的hello前面加上一个^，意味着我们 匹配字符串的开始的hello，那么结果就是一个，就是我们开头的hello。
如果，我们把reg换成\w，代码如下图所示。
这样就是匹配数字字母下划线，包括我们的汉字。
反义代码
Python中常见反义代码 及其含义如下：
其实，记忆很简单，我们是不是知道\d匹配数字，那么\d的大写\D就是匹配非数字，元字符[a]匹配a任意字符，那么[^a]就是匹配除了a以外的任意字符。
下面是具体例子
- >>> import re
- >>> reg_string = "hello9527python@wangcai.@!:xiaoqiang"
- >>> reg = "\D"
- >>> re.findall(reg,reg_string)
- ['h', 'e', 'l', 'l', 'o', 'p', 'y', 't', 'h', 'o', 'n', '@', 'w', 'a', 'n', 'g', 'c', 'a', 'i', '.', '@', '!', ':', 'x', 'i', 'a', 'o', 'q', 'i', 'a', 'n', 'g']
- >>> reg = "[^a-p]"
- ['9', '5', '2', '7', 'y', 't', '@', 'w', '.', '@', '!', ':', 'x', 'q']
限定符什么是限定符?就是限定我们匹配的个数的东西。
Python中常见限定符 及其含义如下：
我们还是用我们之前的reg_string，这次我们限定了元字符为\d{4}，也就是我们的匹配的数字必须是4个。
下面，我们来提高难度，匹配字母和数字，限定个数为4个。
这样我们可以使用[0-9a-z]{4}，作为我们的元字符，[0-9a-z]代表了0到9的十个数字和a到z的小写26个英文字母。[0-9a-z]{4}限定了个数为4个。
我们打印输出下。
如果遇到了不是在[0-9a-z]范围内，就会跳过，直到后面的4个都是在[0-9a-z]范围内就打印输出。
匹配ip地址
在互联网中，一台主机只有一个IP地址。IP地址用于在TCP/IP通信协议中标记每台计算机的地址，通常用于十进制来表示，如192.168.1.100。
在window系统中，我们可以通过ipconfig查看我们的ip。在linux系统中，我们可以通过ifconfig查看我们的ip。
我们的ip字符串是这样子的：ip = "this is ip:192.168.1.123 :172.138.2.15"下面要求使用正则表达式，将ip匹配出来。
其实，我们主要编写元字符。比如：reg = "\d{3}.\d+.\d+.\d+"，因为第一个数字必须是三位数开头，我们可以设定\d{3}固定起来。
我们除了可以使用findall，还可以使用search，我们把元字符reg = "(\d{1,3}.){3}\d{1,3}"。
这元字符中的\d{1,3}.指定是我们ip前三个数字，后面加{3}就是重复3次。\d{1,3}指的就是我们ip最后一个数字。
但是search和findall是有区别的，search只能匹配第一个，我们需要使用列表取出第一个，而findall匹配所有。
组匹配
什么是组匹配，比如说这里边我有一个字符串s = this is phone:13888888888 and this is my postcode:012345，我需要你把手机号和验证码匹配出来。
因为，我们要匹配两个，而已每个的元字符都是不一样的。所以，我们需要分组匹配。
正则表达式的括号表示分组匹配，括号中的模式可以用来匹配分组的内容。
于是我们的元字符就变成：reg = this is phone:(\d{11}) and this is my postcode:(\d{6})我们一般使用search进行分组匹配，上次我是不是说过search需要使用列表取出来，这里的组匹配也是一样，不过这里用的是group()方法。group(1)代表了我们的手机号，group(2)代表了我们的验证码，而group(0)代表了我们的手机号和验证码，代码如下图所示。
在正则表达式中，除了findall和search用法，还有一个match用法。
match用法只匹配开头的，也是需要group()取出来，下图match的例子。
这是的re.I是忽略大小写的意思。
贪婪与非贪婪
贪婪与非贪婪模式影响的是被量词修饰的子表达式的匹配行为，贪婪模式在整个表达式匹配成功的前提下，尽可能多的匹配，而非贪婪模式在整个表达式匹配成功的前提下，尽可能少的匹配。
贪婪和非贪婪有几个非常重要的操作符。
比如说这里边我有一个字符串reg_string = pythonnnnnnnnnpythonHelloPytho，我们先使用贪婪的模式下的元字符：reg = "python*"
贪婪模式下的reg = "python*"，意味着n重复零次或更多次。所以我们看到了第一关结果的pythonnnnnnnnn尽可能多的匹配。
下面使用非贪婪的模式下的元字符：reg = "python*?",reg = "python+?",reg = "python??"。
非贪婪模式下的reg = "python*"，意味着n零次或一次，所以我们没有看到pythonnnnnnnnn的结果。
手机号码验证首先，我们要知道我们的手机号码是什么开头的?
移动手机号码开头有16个号段：134、135、136、137、138、139、147、150、151、152、157、158、159、182、187、188。
联通手机号码开头有7种号段：130、131、132、155、156、185、186。
电信手机号码开头有4个号段：133、153、180、189。
这样我们就可以在开头做事情了，先判断开头是不是上面的号段，regex = "^((13[0-9])|(14[5|7])|(15([0-3]|[5-9]))|(18[0,5-9]))\d{8}$"，就是我们的元字符，代码如下：
- import re
- def checkCellphone(cellphone):
- regex = "^((13[0-9])|(14[5|7])|(15([0-3]|[5-9]))|(18[0,5-9]))\d{8}$"
- result = re.findall(regex,cellphone)
- if result:
- print("匹配成功")
- return True
- else:
- print("匹配失败")
- return False
- cellphone = '13717378202'
- checkCellphone(cellphone)
- 匹配成功
- True
匹配邮箱合法性
下面，我们进行一个作业，就是来匹配我们的邮箱号码。
作业的答案如下：
- import re
- def checkEmail(email):
- regex_1 = '^(\w+)@sina.com$'
- regex_2 = '^(\w+)@sina.com.cn$'
- regex_3 = '^(\w+)@163.com$'
- regex_4 = '^(\w+)@126.com$'
- regex_5 = '^[1-9][0,9]{4,}+@qq.com$'
- regex = [regex_1 ,regex_2 ,regex_3, regex_4, regex_5]
- for i in regex:
- result = re.findall(i,email)
- if result:
- print("匹配成功")
- return True
- else:
- print("匹配失败")
- return False
- email = 'sdjflsdjkl@sina.com'
- checkEmail(email)
正则表达式测试工具
打开开源中国提供的正则表达式测试工具 http://tool.oschina.net/regex/，输入待匹配的文本，然后选择常用的正则表达式，就可以得出相应的匹配结果了。
例如，输入下面这段待匹配的文本：
- Hello, my phone number is 123455678 and email is runsen@qq.com, and my website is https://blog.csdn.net/weixin_44510615.
这段字符串中包含了一个电话号码和一个电子邮件，接下来就尝试用正则表达式提取出来，如图所示。
在网页右侧选择 “匹配 Email 地址”，就可以看到下方出现了文本中的 E-mail。如果选择 “匹配网址 URL”，就可以看到下方出现了文本中的 URL。是不是非常神奇？
本文已收录 GitHub，传送门~[1] ，里面更有大厂面试完整考点，欢迎 Star。
