Python 正则表达式（匹配分组）

#coding=utf-8

import re

In [3]: re.match('[1-9]?d','8').group()                                       
Out[3]: '8'

In [5]: re.match('[1-9]?d','78').group()                                      
Out[5]: '78'

# 不正确的情况，因为[1-9]无法匹配0，那么直接就是使用d匹配到0就结束了，所以只会打印一个0，不会打印8出来。
In [6]: re.match('[1-9]?d','08').group()                                      
Out[6]: '0'

# 修正之后的，由于[1-9]无法匹配0，那么报错的时候ret为空，直接打印不在0-100之间
In [14]: ret = re.match('[1-9]?d$|100','08')                                  

In [15]: if ret: 
    ...:     print(ret.group()) 
    ...: else: 
    ...:     print("不在0-100之间") 
    ...:                                                                       
不在0-100之间

In [16]:  

# 改匹配第一个字符为[0-9]，当然就可以匹配出08来了
In [9]: re.match('[0-9]?d$','08').group()                                     
Out[9]: '08'

# 匹配100肯定报错，因为这里只是匹配两位字符，那么就需要使用 | 增加一个匹配的类型了。
In [17]: re.match('[1-9]?d$','100').group()                                   
---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-17-6c1fe61a1e0d> in <module>
----> 1 re.match('[1-9]?d$','100').group()

AttributeError: 'NoneType' object has no attribute 'group'

In [18]:     

# 添加 | 用来后续可以多个一个判断 100 的情况
In [18]: re.match('[1-9]?d$|100','100').group()                               
Out[18]: '100'

#coding=utf-8

import re

# 首先来简单匹配一个163的邮箱地址
In [19]: re.match('w{4,20}@163.com','test@163.com').group()                  
Out[19]: 'test@163.com'

# 那么这个要判断163、126、qq的邮箱，我是不是直接加上|就好了呢？从结果来看，并不是的。
In [20]: re.match('w{4,20}@163|qq|126.com','test@163.com').group()           
Out[20]: 'test@163'

In [21]: re.match('w{4,20}@163|qq|126.com','qq').group()                     
Out[21]: 'qq'

In [22]: re.match('w{4,20}@163|qq|126.com','126.com').group()                
Out[22]: '126.com'

In [23]:   
# 从上面的三个结果来看，貌似 | 把整体拆分三个规则来匹配。
# 很明显这不是我们想要的结果。明显就是 | 的或范围没有做好限制。
# 下面可以使用分组 （） 来限定 或 的范围来解决问题

# 我在 (163|qq|126) 增加了括号，说明 | 这个或判断只在这个括号中有效果
In [23]: re.match('w{4,20}@(163|qq|126).com','126.com').group()              
---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-23-fd220fc6f021> in <module>
----> 1 re.match('w{4,20}@(163|qq|126).com','126.com').group()

AttributeError: 'NoneType' object has no attribute 'group'

# 来看看，这个直接qq的当然就会匹配报错了。
In [24]: re.match('w{4,20}@(163|qq|126).com','qq').group()                   
---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-24-90ca396faa28> in <module>
----> 1 re.match('w{4,20}@(163|qq|126).com','qq').group()

AttributeError: 'NoneType' object has no attribute 'group'

# 那么输入正确的邮箱地址，再来匹配看看是否正确。
In [25]: re.match('w{4,20}@(163|qq|126).com','test@163.com').group()         
Out[25]: 'test@163.com'

In [26]: re.match('w{4,20}@(163|qq|126).com','test@qq.com').group()          
Out[26]: 'test@qq.com'

In [27]: re.match('w{4,20}@(163|qq|126).com','test@126.com').group()         
Out[27]: 'test@126.com'

In [28]:   
# 从上面的三个结果来看，都很正确匹配出来163、126、qq三种邮箱了。

# 最后输入另一种未定义的 hostmail 邮箱，当然就是报错的结果了。
In [28]: re.match('w{4,20}@(163|qq|126).com','test@hostmail.com').group()    
---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-28-a9b2cc3bf2e3> in <module>
----> 1 re.match('w{4,20}@(163|qq|126).com','test@hostmail.com').group()

AttributeError: 'NoneType' object has no attribute 'group'

In [29]:     

In [29]: tels = ["13800001234", "18916844321", "10086", "18800007777"] 

In [35]: for tel in tels: 
    ...:     ret = re.match('^1d{9}[0-35-68-9]$',tel) 
    ...:     if ret: 
    ...:         print("%s 手机号码结果不以4或者7结尾" % ret.group()) 
    ...:     else: 
    ...:         print("%s 手机号码不是想要找的" % tel) 
    ...:                                                                       
13800001234 手机号码不是想要找的
18916844321 手机号码结果不以4或者7结尾
10086 手机号码不是想要找的
18800007777 手机号码不是想要找的

In [36]:    

In [36]: re.match('d{3,4}-?d+','0755-12345678').group()                      
Out[36]: '0755-12345678'

In [37]: re.match('(d{3,4})-?(d+)','0755-12345678').group()                  
Out[37]: '0755-12345678'

In [38]: re.match('(d{3,4})-?(d+)','0755-12345678').group(1)                 
Out[38]: '0755'

In [39]: re.match('(d{3,4})-?(d+)','0755-12345678').group(2)                 
Out[39]: '12345678'

# 还有另外一种方式匹配，使用开头匹配符号 ^ 然后写上最后需要匹配的符号 - 
In [50]: re.match('[^-]*','0755-12345678').group()                             
Out[50]: '0755'

In [51]: re.match('[-]*','0755-12345678').group()                              
Out[51]: ''

In [52]: re.match('[^-]*','0755-12345678').group()                             
Out[52]: '0755'

In [53]: re.match('[^j]*','0755j12345678').group()                             
Out[53]: '0755'

In [54]: re.match('[^-]*','0755j12345678').group()                             
Out[54]: '0755j12345678'

In [55]: re.match('[^j]*','0755j12345678').group()                             
Out[55]: '0755'

In [56]:   

In [60]: re.match('[^-]*-?d+','0755-12345678').group()                        
Out[60]: '0755-12345678'

In [61]: re.match('([^-]*)-?(d+)','0755-12345678').group()                    
Out[61]: '0755-12345678'

In [62]: re.match('([^-]*)-?(d+)','0755-12345678').group(1)                   
Out[62]: '0755'

In [63]: re.match('([^-]*)-?(d+)','0755-12345678').group(2)                   
Out[63]: '12345678'

In [64]:       

# 这种写法的好处就是匹配所有 - 号前面的字符串
In [64]: re.match('([^-]*)-?(d+)','Abcdasdasd-12345678').group(2)             
Out[64]: '12345678'

In [65]: re.match('([^-]*)-?(d+)','Abcdasdasd-12345678').group(1)             
Out[65]: 'Abcdasdasd'

In [66]:  

#coding=utf-8

import re

# 首先匹配第一个<html>看看
In [66]: re.match('<[a-zA-Z]*>','<html>hello beauty</html>').group()           
Out[66]: '<html>'

# 后面如果是用 .* 的话的确可以匹配所有字符，但是不利用后面想要再次() 分组
In [67]: re.match('<[a-zA-Z]*>.*','<html>hello beauty</html>').group()         
Out[67]: '<html>hello beauty</html>'

# 使用 w 可以匹配字母、数字、下划线，但是不能匹配空格、tab等，所以只到hello这里。
In [68]: re.match('<[a-zA-Z]*>w*','<html>hello beauty</html>').group()        
Out[68]: '<html>hello'

# 加上s再两个w之间进行匹配，那么就可以解决这个空格的问题了。剩下就是匹配最后的</html>
In [77]: re.match('<[a-zA-Z]*>w*sw*','<html>hello beauty</html>').group()                 
Out[77]: '<html>hello beauty'

# 在最后写上匹配规则就可以了。
In [78]: re.match('<[a-zA-Z]*>w*sw*</[a-zA-Z]*>','<html>hello beauty</html>').group()     
Out[78]: '<html>hello beauty</html>'

In [79]

# 但是，可以看到匹配的规则是大小写字母，如果不一样的html标签呢？
In [80]: re.match('<[a-zA-Z]*>w*sw*</[a-zA-Z]*>','<html>hello beauty</h>').group()        
Out[80]: '<html>hello beauty</h>'

# 这样虽然也匹配出了结果，但是并不是想要的呀。最好的结果是结尾也应该是html
# 那么问题来了，很多时候匹配这是可能会变化的，不一定都是<html>，可能是<hello>都有可能。
In [81]:     

# 正确的理解思路：如果在第一对<>中是什么，按理说在后面的那对<>中就应该是什么

# 通过引用分组中匹配到的数据即可，但是要注意是元字符串，即类似 r""这种格式
In [89]: re.match(r'<([a-zA-Z]*)>w*sw*</1>','<html>hello beauty</html>').group()         
Out[89]: '<html>hello beauty</html>'

In [90]: re.match(r'<([a-zA-Z]*)>w*sw*</1>','<html>hello beauty</html>').group(1)        
Out[90]: 'html'

# 上面将匹配的内容结尾写成了 1 ，那么就是直接使用第一个括号分组的内容。
In [91]:       

#coding=utf-8

import re

In [92]: re.match(r"<(?P<name1>w*)><(?P<name2>w*)>.*</(?P=name2)></(?P=name1)>", "<html><h1>www.baidu.com</h1></html>").group()                     
Out[92]: '<html><h1>www.baidu.com</h1></html>'

# 将第二个h标签改为 h2，使得不匹配h1。确认是否会报错。
In [94]: re.match(r"<(?P<name1>w*)><(?P<name2>w*)>.*</(?P=name2)></(?P=name1)>", "<html><h1>www.baidu.com</h2></html>").group()                     
---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-94-f0034ed73d2c> in <module>
----> 1 re.match(r"<(?P<name1>w*)><(?P<name2>w*)>.*</(?P=name2)></(?P=name1)>", "<html><h1>www.baidu.com</h2></html>").group()

AttributeError: 'NoneType' object has no attribute 'group'

In [95]: