正则表达式(regular expression,regex,RE)
- 正则表达式是一种用来简洁表达一组字符串的表达式
- 正则表达式是一种通用的字符串表达框架
- 正则表达式是一种针对字符串表达“简洁”和“特征”思想的工具
- 正则表达式可以用来判断某字符串的特征归属
正则表达式常用操作符
| 操作符 | 说明 | 实例 |
|---|---|---|
| . | 表示任意单个字符 | py. 可以匹配pyc,pyy,py!等等 |
| [ ] | 字符集，对单个字符给出取值范围 | [abc]可以匹配a或b或c；[0-9a-zA-z\_]可以匹配一个数字、一个字母或者一个下划线 |
| [^ ] | 非字符集，对单个字符给出排除范围 | [^abc]可以匹配非a或非b或非c的单个字符 |
| * | 前一个字符0次或多次扩展 | abc* 可以匹配ab、abc、abcc、abccc等等 |
| + | 前一个字符的1次或多次扩展 | abc+可以匹配abc、abcc、abccc等等 |
| ? | 前一个字符0次或1次扩展 | abc?可以匹配ab、abc |
| | | 左右表达式任意一个 | abc|def表示abc、def |
| {m} | 扩展前一个字符m次 | ab{2}c匹配abbc |
| {m,n} | 扩展前一个字符m至n次数（含n） | ab{1，2}c可以匹配abc、abbc |
| ^ | 匹配字符串开头 | ^abc表示abc且在一个字符串的开头,^\d表示必须以数字开头 |
| $ | 匹配字符串结尾 | abc表示abc且在一个字符串的结尾、\d$白哦是必须以数字结尾 |
| ( ) | 分组标记,内部只能使用|操作符 | (abc|def)表示abc、def |
| \d | 可以匹配一个数字，相当于[0-9] | \d{3}表示匹配3个数字，如010 |
| \w | 可以匹配一个字母或者数字或者下划线，相当于[a-zA-Z0-9_] | \w\w\d可以匹配'py3' |
| \s | 可以匹配一个空格（也包括Tab等空白字符） | \s+表示至少有一个空格，如' '、' ' |
精确匹配
在正则表达式中，如果直接给出字符，就是精确匹配
- 'pyt' 匹配'pyt'
- '00\d' 可以匹配'007'
- '\w\d' 可以匹配'!5'
- 'ye.' 可以匹配'yes'
- '(P|p)python' 可以匹配'Python'、'python'
高阶精确匹配,经典实例
- ^[A-Za-z]+$ 匹配由26个英文字母组成的字符串,如'abrg'、'abgsfsfga'
- [a-zA-Z\_][0-9a-zA-Z\_]* 可以匹配由字母或者下划线开头、后接任意一个由字母、数字或者下划线组成的字符串，也就是python的合法变量
- ^-?\d+$ 匹配整数形式的字符串
- ^[0-9][1-9][0-9]$ 匹配正整数形式的字符串
- [1-9]\d{5} 中国境内邮政编码,6位
- [\u4e00-\u9fa5] 匹配中文字符
- \d{3}-\d{8}|\d{4}-\d{7} 国内电话号码,010-68913536
python正则表达式模块，（Re模块）
- re是python的标准库，主要用于字符串匹配
- re库采用raw string类型(原生字符串类型)表示正则表达式，例如
r'[1-9]\d{5}',raw string是不包含对转义符再次转义的字符串 - re库也可以采用string类型表示正则表达，但是较为繁琐，例如
'[1-9]\\d{5}'
re库功能函数
| 函数 | 说明 |
|---|---|
| re.search() | 在一个字符串中搜索匹配正则表达式的第一个位置，返回match对象 |
| re.match() | 从一个字符串的开始位置起匹配正则表达式，返回match对象 |
| re.findall() | 搜索字符串，以列表类型返回全部能匹配的子串 |
| re.split() | 将一个字符串按照正则表达式匹配结果进行分割，返回列表类型 |
| re.finditer | 搜索字符串，返回一个匹配结果的迭代类型，每个迭代元素是match对象 |
| re.sub() | 在字符串中替换所有匹配正则表达式的子串，返回替换后的字符串 |
1. re.search(pattern,string,flags=0)在一个字符串中搜索匹配正则表达式的第一个位置，返回match对象
pattern:正则表达式的字符串或原生字符串表示string:待匹配字符串flags： 正则表达式使用时的控制标记
| 常用标记 | 说明 |
|---|---|
| re.I re.IGNORECASE | 忽略正则表达式的大小写，[A-Z]能够匹配小写字符 |
| re.M re.MULTILINE | 正则表达式中的^操作符能够将给定字符串的每行当做匹配开始 |
| re.s re.DOTALL | 正则表达式中的.操作符能够匹配所有字符串，默认匹配除换行外的所有字符串 |
2. re.match(pattern,string,flags=0)从一个字符串的开始位置起匹配正则表达式，返回match对象
pattern:正则表达式的字符串或者原生字符串表示string:待匹配字符串flags:正则表达式使用时的控制标记
3. re.findall(pattern,string,flags=0)搜索字符串，以列表类型返回全部能匹配的字符串 
4. re.split(pattern,string,maxsplit=0,flags=0)将一个字符串按照正则匹配结果进行分割，返回列表类型
maxsplt:最大分割数，剩余部分作为最后一个元素输出
5. re.finditer(pattern,string,flags=0)搜索字符串，返回一个匹配结果的迭代类型，每个迭代类型是match对象
6. re.sub(pattern,repl,string,cout=0,flags=0)在一个字符串中替换所有匹配正则表达式的子串，返回替换后的字符串
repl:替换匹配字符串的字符串cout:匹配的最大替换次数
re库的面向对象用法
在python中使用正则表达式的时候，re模块内部会做两件事：
编译正则表达式，如果正则表达式本身不合法，会报错
用编译后的正则表达式去匹配字符串
regex = re.compile(pattern,flags=0) 将正则表达式的字符串形式编译成正则表达式对象
pattern:正则表达式的字符串或原生字符串表示flags:正则表达式使用时的控制标记
compile后生成了regular expression对象，由于该1对象包含了正则表达式，所以调用对应的方法不用给出正则字符串
re库的Match对象
- Match对象是一次匹配的结果，包含很多信息
Match对象的属性
| 属性 | 说明 |
|---|---|
| .string | 待匹配的文本 |
| .re | 匹配使用的pattern对象(正则表达式) |
| .pos | 正则表达式搜索文本的开始位置 |
| .endpos | 正则表达式搜索文本的结束位置 |
Match对象的方法
| 方法 | 说明 |
|---|---|
| .group(0) | 获得匹配后的字符串 |
| .start() | 匹配字符串在原始字符串的开始位置 |
| .end() | 匹配字符串在原始字符串的结束位置 |
| .span() | 返回(.start(),.end())一个元组 |
re库的贪婪匹配和最小匹配
re库默认使用贪婪匹配，即匹配最长的子串
最小匹配
** 最小匹配操作符 **
| 操作符 | 说明 |
|---|---|
| *? | 前一个字符0次或者无限次扩展，最小匹配 |
| +? | 前一个字符1次或者无限次扩展，最小匹配 |
| ?? | 前一个字符0次或1次扩展，最小匹配 |
| {m,n}? | 扩展前一个字符m至n次(包含n)，最小匹配 |
只要输出长度可能不同的，都可以通过在操作符后面加?变成最小匹配
https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000/00143193331387014ccd1040c814dee8b2164bb4f064cff000
本文由博客群发一文多发等运营工具平台 OpenWrite 发布
