Python3 Re正则表达式

对正则表达式的运用总是不熟练， 每次要写正则的时候，总是傻傻分不清 * . ？+（）区别了。

这次特意系统学习，并做个笔记吧

一、正则表达式的常用操作符 

操作符	说明	栗子
.	表示任意单个字符
[ ]	字符集，对单个字符给出取值范围	[abc]: 表示a或b或c;   [a-z]: 表示a到z
[^ ]	非字符集，对单个字符给出排除范围	[^abc]: 表示非a或b或c单的单个字符
*	表示*号前一个字符0次或无限次扩展（最小0次， 最大无限次）	abc*: 表示ab、abc、abcc、abccc
+	表示+号的前一个字符1次或无限次扩展（最小至少1次， 最大无限次）	abc+: 表示abc、abcc、abccc、abcccc
？	表示？前一个字符可以是0次或1次扩展（只能是0次 或 最多1次）	abc?: 表示ab、abc
|	左右任意表达式1个	abc|def: 表示 abc 或 def
{m}	扩展前一个字符m次	abc{2}:  表示abcc
{m, n}	扩展前一个字符m次到n次	abc{1, 3}: 表示abc 、abcc、 abccc
^	匹配字符串开头
$	匹配字符串结尾
（）	分组标记， 多组时内部只能用|操作符	(abc)表示abc; (abc|efg): 表示abc或efg
\w	单词字符，等价[a-zA-Z0-9]
\W	用于匹配所有与\w不匹配的字符
\d	数字， 等价于[0-9]
\s	空格
\S	非空格
[\u4e00-\u9fa5]	匹配中文字符

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

二、Row string类型

如：正则表达式  ^\d+$， 用row string类型表示，为re = r'^\d+$'； 但是如果用string类型表示，需要对\进行转义，为re = r'^\\d+$';

由此可见，当正则表达式中包含转义符时，建议使用row string类型表示更方便。

三、Re库6个主要功能函数

re.search() 、re.match()、re.findall()、re.split()、re.finditer()、re.sub()

import re

# search 可以匹配到， 结果：111901 （注意：只会返回一个匹配结果，如果希望返回所有匹配结果， 需要使用finditer 或 findall）
search = re.search(r'[1-9]\d{5}', 'BAT 111901 IUC333777')
if search:
    print(search.group(0)) 

# match
# match = re.match(r'[1-9]\d{5}', 'BAT 111901') 从头开始匹配，所以匹配不到
# 可以匹配到了， 结果：111901
match = re.match(r'[1-9]\d{5}', '111901 BAT')
if match:
    print(search.group(0))
else:
    print("匹配不到")


# findall  结果：['111901', '888999']
list = re.findall(r'[1-9]\d{5}', '111901 BAT 888999')
if list:
    print(list)
else:
    print("匹配不到")

# split  结果：['', ' BAT ', '']
s = re.split(r'[1-9]\d{5}', '111901 BAT 888999')
if s:
    print(s)
else:
    print("匹配不到")

# finditer: 返回的是迭代类型， 结果111901、888999
for fi in re.finditer(r'[1-9]\d{5}', '111901 BAT 888999'):
    if fi:
        print(fi.group(0))

# sub 满足正则条件的部分，都被给定的内容替换. 结果：啊哈 BAT 啊哈
sb = re.sub(r'[1-9]\d{5}', '啊哈', '111901 BAT 888999')
print(sb)

以上这些函数， 还可以先通过re.compile(pattern) 对正则表达式先编译， 然后使用编译后的正则对象调用这些方法，这种方式因为是一次编译，多次使用， 效率更高。