Python学习笔记之正则表达式

1. 基础语法

\d:可以匹配一个数字

\w:可以匹配一个字母或者数字

.:可以匹配任意字符

\s:可以匹配一个空格

\_, \-, \', \":特殊字符需要使用转义符

匹配变长的字符：

*:表示任意个字符(包括0个)

+:表示至少一个字符

?:表示0个或一个字符

{n}:表示n个字符

{n,m}:表示n-m个字符

更精确的匹配,可以用[]表示范围：

[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:表示可以匹配A或者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

2. re模块

2.1 判断正则表达式是否匹配-re.match()

import re

test = '010-12345'
if re.match(r'\d{3}\-\d{5}', test):
    print('Ok')
else:
    print('Filed')

Ok

2.2 切分字符串-re.split()

以空格或者逗号或者分号来切分字符串’a,b;; c d’：

re.split(r'[\s\,\;]+', 'a,b;; c  d')

['a', 'b', 'c', 'd']

2.3 分组

用()表示的就是要提取的分组（Group）。比如：^(\d{3})-(\d{3,8})$分别定义了两个组，可以直接从匹配的字符串中提取出区号和本地号码：

m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')
print('>>>m.group(0)\n',m.group(0))
print('>>>m.group(1)\n',m.group(1))
print('>>>m.group(2)\n',m.group(2))

>>>m.group(0)
 010-12345
>>>m.group(1)
 010
>>>m.group(2)
 12345

2.4 解决贪婪陪匹配

必须让\d+采用非贪婪匹配（也就是尽可能少匹配），才能把后面的0匹配出来，加个?就可以让\d+采用非贪婪匹配

re.match(r'^(\d+?)(0*)$', '102300').groups()

('1023', '00')

2.5 预编译正则表达式-re.compile()

如果一个正则表达式要重复使用几千次，出于效率的考虑，我们可以预编译该正则表达式，接下来重复使用时就不需要编译这个步骤了，直接匹配：

re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$')
print(re_telephone.match('010-12345').groups())
print(re_telephone.match('010-8086').groups())

('010', '12345')
('010', '8086')