(以上图片来自网络截图)
数量词的贪婪与最小匹配:
正则表达式通常用于在文本中查找匹配的字符串。Python里数量词默认是贪婪的(在少数语言里也可能是默认非贪婪),总是尝试匹配尽可能多的字符;非贪婪的则相反,总是尝试匹配尽可能少的字符。例如:正则表达式"PY*N*"如果用于查找"PYANBNCN",将找到"PYANBNCN"(贪婪(默认情况下))。"PY.*?N"用于查找"PYANBNCN",则找到"PYN"。
只要输出长度可能不同的,都可以通过在操作符后面添加?变成最小匹配
经典正则表达式实例:
^[A-Za-z]+$ 由26个字母组成的字符串
^[A-Za-z0-9]+$ 由26个字母和数字组成的字符串
^-?\d+$ 整数形式的字符串
^[0-9]*[1-9][0-9]*$ 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
Re库主要功能函数
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,string:待匹配字符串,flags:正则表达式使用时的控制标记
举例:re.search(r'[1-9]\d{5}','BJUT 100124') 100124
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
举例:re.match(r'[1-9]\d{5}','100124 BJUT') 100124
re.findall(pattern,string,flags=0) 搜索字符串,以列表类型返回全部能匹配的子串
举例:re.findall(r'[1-9]\d{5}','BJUT100124 TSU100084') ['100124', '100084']
re.split(pattern,string,maxsplit=0,flags=0) 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
//maxsplit:最大分割数,剩余部分作为最后一个元素输出
举例:re.split(r'[1-9]\d{5}','BJUT100124 TSU100084',maxsplit=1)['BIT','TSU100084']
re.finditer(pattern,string,flags=0) 搜索字符串,返回一个匹配结果的迭代类型,每个迭代元素是match对象
使用for循环
re.sub(pattern,repl,string,count=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库的等价方法
rst=re.search(r'[1-9]\d{5}','BJUT 100124')
等价于
pat=re.compile(r'[1-9]\d{5})
rst=pat.search('BJUT 100124')
Match对象
属性
.string 待匹配的文本
.re 匹配时使用的pattern对象(正则表达式)
.pos 正则表达式搜索文本开始的位置
.endpos 正则表达式搜索文本结束的位置
方法
.group(0) 获得匹配后的字符串
.start() 匹配字符串在原始字符串开始的位置
.end() 匹配字符串在原始字符串结束的位置
.span() 返回(.start(), .end())