正则表达式（学习笔记）

正则表达式 简介

regular expression ，regex，RE
正则表达式是用来简洁表达一组字符串的表达式。
优势：简洁

例如：
‘py’ ‘pyy’ ‘pyyy’ ‘pyyyy’ … ‘pyyyy…’ ----> py+

‘py’开头，后续存在不多于10个字符，后续字符不能是‘p’或‘y’ -----> py[^py]{0,10}

通用字符串表达框架
简洁表达一组字符串的表达式
针对字符串表达“简洁”和“特征”思想的工具
用来判断某字符串的特征归属

应用：
表达文本类型的特征（病毒、入侵等）
同时查找或替换一组字符串
匹配字符串的全部或部分区域
主要应用在字符串匹配

正则表达式的使用

编译：将符合正则表达式语法的字符串转换成正则表达式特征 p=re.compile(regex) 编译后与原本的表达式一致

正则表达式的语法

例子：

Re库的基本使用

Re库是python的标准库（不需要另外安装），主要用来字符串匹配

import re 调用

raw string类型（原生字符串类型（不包含转义符的字符串），只需要在字符串的表式前加一个r就行）

表示为 r’text’

例如：r’[1-9]\d{5}’

string 类型更繁琐 \\来表达正则表达式中的\

当正则表达式包含转义符时，使用raw string来表示正则表达式

re库常用的功能函数

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

例：匹配邮政编码

import re
#中国地区编码
match = re.search(r'[1-9]\d{5}','BIT 100081')
if match:
    print(match.group(0))

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
参数同re.search()的参数
例：

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
参数同re.search()的参数

4. re.split(pattern,string,maxsplit=0,flags=0)

maxsplit：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，每个迭代元素是match对象

6. 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字串，返回替换后的字符串。
repl：替换匹配字符串的字符串
count：匹配的最大替换次数

7. 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
regex.search()等六个函数都可以这样调用，去掉正则表达式对象

match对象

程序内部认为只有经过compile编译的正则表达式才算一个正则表达式，未经过编译只是正则表达式的一种表达形式。

Match对象的属性:

m = re.search(r'[1-9]\d{5}','BIT100081 TSU100084')
m.string

m.re

表示m是从第0个位置开始搜索，搜索到第19个位置结束

match对象的方法：

使用：

Re库的贪婪匹配和最小匹配

问题引入：
match = re.search(r’PY.*N’,‘PYANBNCNDN’)
match.group(0)
同时匹配长短不同的多项，返回哪一个？

贪婪匹配（re库默认）
输出最长匹配的字符串
即输出‘PYANBNCNDN’

最小匹配
输出最短的字串
match = re.search(r’PY.*?N’,‘PYANBNCNDN’)
match.group(0)
‘PYAN’

对操作符进行扩展

通过在符号后加?获得最小匹配的结果。