Python学习笔记——正则表达式

正则表达式

正则表达式在Pyhton中体现为一个Regex对象
要创建Regex对象，需要导入re模块，向re.compile()传入一个字符串，从而得到Regex对象

>>> import re
>>> a=re.compile(r'(\d{3})-(\d{4})')

a此时就是一个Regex对象，可以使用Regex对象的各种方法，进行字符串模式匹配

注意：Python中的字符串，本身需要用倒斜杠\来转义一些特殊字符（否则它们不能正常放在字符串中），例如'\n'换行符，'\''表示一个'符号，'\t'、'\"'、'\\'等，但是在字符串前加一个r可以将字符串标记为原始字符串（所见即所得），向re.compile传入原始字符串更方便：re.compile(r'(\d{3})-(\d{4})')比re.compile('(\\d{3})-(\\d{4})')更容易

书写正则表达式

正则表达式用字符串书写，一般格式为：
普通字符/字符分类/自定义的字符分类/一个分组 + 代表次数限制的后缀

普通字符

如果需要匹配某个特定的字符，直接原样输入即可
对于一些在正则表达式中有特殊含义的字符，需要用\转义，例如\.、\?、\(、\)等

字符分类

一个字符分类可以匹配一类字符

• \d匹配任何数字
• \D匹配任何除了数字以外的字符
• \w匹配任何字母、数字和下划线
• \W匹配任何除了字母、数字和下划线以外的字符
• \s匹配“空白”（空格、制表符、换行符）
• \S匹配任何除了“空白”以外的字符

自定义字符分类

可以按自己的需求创建字符分类，用于匹配一类字符

• 如[0123456789]等价于\d
• 可以用短横线-表示一个范围，如[0-9]、[a-zA-Z0-9]匹配所有字母和数字
• 可以用^匹配除了字符类以外的所有字符，如[^0-9]匹配除了数字以外的所有字符
• 特殊字符在这里无需用'\转义，可以直接写[abc.]而不是[abc\.]，两者等价

分组

• 使用括号可以在正则表达式中创建分组
• 一个分组的内容可以是之前提到的三种情况：普通字符/字符分类/自定义的字符分类
  例如(\d{3})-(\d{4})，第一个括号为分组1，第二个括号为分组2，而整个表达式为分组0
• 搭配search函数和group方法，可以获取各个分组的内容

>>> a=re.compile(r'(\d{3})-(\d{4})')
>>> g=a.search("010-8592")
>>> g.group()
'010-8592'
>>> g.group(0)
'010-8592'
>>> g.group(1)
'010'
>>> g.group(2)
'8592'

搭配search函数和groups方法，可以获取一个元组，其含有所有分组

>>> a=re.compile(r'(\d{3})-(\d{4})')
>>> g=a.search("010-8592")
>>> g.groups()
('010', '8592')