正则表达式

正则表达式概念

正则表达式，又称规则表达式。通常被用来检索、替换那些符合某个模式(规则)的文本。是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。
正则表达式是一种用来匹配字符串的强有力的武器。它的设计思想是用一种描述性的语言来给字符串定义一个规则，凡是符合规则的字符串，我们就认为它“匹配”了，否则，该字符串就是不合法的。

基本操作

在正则表达式中，如果直接给出字符，就是精确匹配。用\d可以匹配一个数字，\w可以匹配一个字母或数字，所以：

• 00\d可以匹配001，但无法匹配00A；

• \d\d\d可以匹配110；

• \w\w\d可以匹配py3；
  .可以匹配任意字符串

• java.可以匹配java1,java2,java!
  要匹配变长的字符，在正则表达式中，用*表示任意个字符（包括0个），用+表示至少一个字符，用?表示0个或1个字符，用{n}表示n个字符，用{n,m}表示n-m个字符：
  来看一个复杂的例子：\d{3}\s+\d{3,8}。
  我们来从左到右解读一下：

• \d{3}表示匹配3个数字，例如010；

• \s可以匹配一个空格（也包括Tab等空白符），所以\s+表示至少有一个空格，例如匹配' '，' '等；

• \d{3,8}表示3-8个数字，例如1234567。

高级操作

要做更精确地匹配，可以用[]表示范围，比如：

• [0-9a-zA-Z\_]可以匹配一个数字、字母或者下划线；
• [0-9a-zA-Z\_]+可以匹配至少由一个数字、字母或者下划线组成的字符串，比如a100，0_Z，Py3000等等；
• [a-zA-Z\_][0-9a-zA-Z\_]*可以匹配由字母或下划线开头，后接任意个由一个数字、字母或者下划线组成的字符串，也就是Python合法的变量；
• [a-zA-Z\_][0-9a-zA-Z\_]{0, 19}更精确地限制了变量的长度是1-20个字符（前面1个字符+后面最多19个字符）。
• A|B可以匹配A或B，所以(P|p)ython可以匹配Python或者python。
• ^表示行的开头，^\d表示必须以数字开头。
• $表示行的结束，\d$表示必须以数字结束。
• py也可以匹配’python’，但是加上^py$就变成了整行匹配，就只能匹配py。

python中正则表达式使用

python中re模块包含正则表达式的功能，可以有效利用该模块对字符串进行匹配，得到自己想要的字符串。

注意：
由于python字符串本身也用“\”转移，所以在用正则进行匹配时，强烈建议使用Python的r前缀，从而不用考虑转义问题。

python正则表达的基本步骤是先将正则表达式形式编译成Pattern实例，然后利用Pattern实例处理文本并得到一个Match实例，再利用Match实例得到所需信息。

• 常用函数findall:findall(string[, pos[, endpos]]) | re.findall(pattern, string[, flags])，该函数表示搜索字符串string，并以列表的形式返回所能匹配到的全部子串。
  其中包含三个常见值：
  • re.I(re.IGNORECASE)：忽略大小写（括号内是完整写法）
  • re.M(re.MULTILINE)：允许多行模式
  • re.S(re.DOTALL)：支持点任意匹配模式
• 常用函数compile:compile(pattern[,flags] )包含正则表达式字符串穿件模式对象，返回一个pattern对象。参数flags是匹配模式，可以使用按位或“|”表示同时生效，也可以在正则表达式字符串中指定。Pattern对象是不能直接实例化的，只能通过compile方法得到。
• 例子：利用正则表达式把字符串中的数字提取出来

import re
 
str = "a250, b10c3, 6.66"
regex = re.compile(r'\d+\.?\d*')
print(regex.findall(str))

• 函数match：match(string[, pos[, endpos]]) | re.match(pattern, string[, flags])match方法是从字符串的pos下标处起开始匹配pattern，如果pattern结束时已经匹配，则返回一个Match对象；如果匹配过程中pattern无法匹配，或者匹配未结束就已到达endpos，则返回None。参数string表示字符串；pos表示下标，pos和endpos的默认值分别为0和len(string)；参数flags用于编译pattern时指定匹配模式。
• 函数search:search(string[, pos[, endpos]]) | re.search(pattern, string[, flags])search方法用于查找字符串中可以匹配成功的子串。从字符串的pos下标处起尝试匹配pattern，如果pattern结束时仍可匹配，则返回一个Match对象；若无法匹配，则将pos加1后重新尝试匹配；直到pos=endpos时仍无法匹配则返回None。参数string表示字符串；pos表示下标，pos和endpos的默认值分别为0和len(string))；参数flags用于编译pattern时指定匹配模式。