学习笔记_re库入门

正则表达式

操作符	说明	实例
.	单个字符
[]	字符集	[abc]表示a或b或c；[a-z]表示a到z间到一个字符
[^]	非字符集	[^abc]非a或b或c的单个字符
*	前一个字符0次或无限次扩展	abc*表示ab,abc,abcc,abccc等
+	前一个字符1次或无限次扩展	abc+表示abc,abcc,abccc等
?	前一个字符等0次或1次扩展	abc?表示ab,abc
｜	左右表达任意一个	abc｜def表示abc或def
{m}	扩展大括号前的一个字符m次	ab{2}c表示abbc
{m,n}	扩展前一个字符的m至n次（包括n）	ab{1,2}c表示abc,abbc
^	匹配字符串开头	^abc表示abc在一个字符串开头
$	匹配字符串结尾	abc$表示abc在一个字符串结尾
（）	分组标记，内部只能用｜操作符	（abc）表示abc，（abc｜def）表示abc，def
\d	数字，等价于[0-9]
\w	单词字符，等价于[A-Za-z0-9_]
\	转译符	a.b 为a.b；a\b为a\b

re库的基本函数

re.search(pattern, string, flags=0)
#在字符串pattern中搜索，返回match

match = re.match(r'[1-9]\d{5}', 'BIT 100081')

if match:  # match非空
    print(match.group(0))

返回值为‘100081’

flags参数：

参数名	作用
re.I	忽略大小写
re.M	^操作符能够给定字符串的每行当作匹配开始
re.S	正则表达式中.操作符能匹配所有字符，默认除换行外的所有字符

re.match()：
与search功能相似，但从字符串开始位置匹配
如string=‘BIT 100081’将从BIT开始匹配

re.findall()：
搜索全部子串，以列表类型返回

re.split(pattern, string, maxsplit=0, flags=0):
匹配字符串，去除匹配到的部分，返回剩余部分

match = re.split(r'[1-9]\d{5}', 'BIT100081 TSU100084', maxsplit=1)
print(match)

返回值：[‘BIT’, ‘TSU100084’] # 仅分割第一个

re.finditer()
参数与search相同
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

for m in re.finditer(r'[1-9]\d{5}', 'BIT100081 TSU100084'):
	if m:
		print(m.group(0))

返回结果：‘100081’ ‘100084’

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：用于替换的字符串
string：被替换的字符串
count：最大替换次数，0则为全替换

print(re.sub(r'[1-9]\d{5}', ':zipcode',  'BIT100081 TSU100084'))

输出结果：BIT:zipcode TSU:zipcode

r = re.compile()
把字符串编译为正则表达式，实现正则表达式表示，可使用对象方法，可直接调用

re匹配获取的match对象
match对象属性

对象	内容
.string	待匹配的文本
.re	匹配时的pattern对象（正则表达式）
.pos	正则表达式搜索文本的开始位置
.enpos	文本的结束位置

对象方法

代码	用途
.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（）	结束位置
.span()	返回(.start, .end())