re库入门

1.正则表达式（regular expression）

正则表达式是用来简洁表达一组字符串的表达式

2.正则表达式的常用操作符

操作符	说明	实例
.	表示任何单个字符
[]	字符集，对单个字符给出取值范围	[abc]表示a、b、c，[a‐z]表示a到z单个字符
[^]	非字符集，对单个字符给出排除范围	[^abc]表示非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0次或1次扩展	abc?  表示   ab、abc
|	左右表达式任意一个	abc|def   表示   abc、def

操作符	说明	实例
{m}	扩展前一个字符m次	ab{2}c表示abbc
{m,n}	扩展前一个字符m至n次（含n）	ab{1,2}c表示abc、abbc
^	匹配字符串开头	^abc表示abc且在一个字符串的开头
$	匹配字符串结尾	abc$表示abc且在一个字符串的结尾
()	分组标记，内部只能使用|	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_]

 3.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

 匹配ip地址的正则表达式

IP地址字符串形式的正则表达式（IP地址分4段，每段0‐255）

\d+.\d+.\d+.\d+ 或 \d{1,3}.\d{1,3}.\d{1,3}.\d{1,3}

精确写法

0‐99： [1‐9]?\d

100‐199: 1\d{2}

200‐249: 2[0‐4]\d

250‐255: 25[0‐5]

(([1‐9]?\d|1\d{2}|2[0‐4]\d|25[0‐5]).){3}([1‐9]?\d|1\d{2}|2[0‐4]\d|25[0‐5])

4.re库主要功能函数

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

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作匹配开始
re.S	re.DOTALL 正则表达式中的.操作符能够匹配所有字符，默认匹配除换行外的所有字符

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

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

• 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

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

• 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 
• maxsplit: 最大分割数，剩余部分作为最后一个元素输出
• flags : 正则表达式使用时的控制标记

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

• 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

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

pattern : 正则表达式的字符串或原生字符串表示 ∙

repl : 替换匹配字符串的字符串

string : 待匹配字符串 

count : 匹配的最大替换次数

flags : 正则表达式使用时的控制标记

5.re库的两种用法

函数式用法：

>>> rst = re.search(r'[1‐9]\d{5}', 'BIT 100081')

面向对象用法：编译后的多次操作

>>> pat = re.compile(r'[1‐9]\d{5}')

>>> rst = pat.search('BIT 100081')

6.match对象

Match对象是一次匹配的结果，包含匹配的很多信息

match对象的属性

属性	说明
.string	待匹配的文本
.re	匹配时使用的patter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())

 7.re库的贪婪匹配和最小匹配

>>> match = re.search (r'PY.*N' , 'PYANBNCNDN' )

>>> match.group(0)

可以匹配PYAN、PYANBN、PYANBNCNDN

Re库默认采用贪婪匹配，即输出匹配最长的子串

最小匹配操作符

操作符	说明
*?	前一个字符0次或无限次扩展，最小匹配
+?	前一个字符1次或无限次扩展，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（含n），最小匹配

只要长度输出可能不同的，都可以通过在操作符后增加?变成最小匹配