12、Python 标准库：正则表达式(re)

---

一、正则表达式简介

• 正则表达式（regular expression）是一种用于匹配字符串或者子串形式的强大逻辑表达式，在 Python 中的 re 模块提供了正则表达式的支持。
• 正则表达式由一些一般字符和一些元字符组成
  • 一般字符包括：大小写的字母和数字，只能匹配自身
  • 元字符包括：. \ [...]、预定义字符集、数量词、边界匹配、逻辑分组等，具有特殊的含义

---

二、正则表达式的使用

• 当我们在 Python 中使用正则表达式时，re 模块内部会干两件事情：
  • 编译正则表达式，如果正则表达式的字符串本身不合法，会报错
  • 用编译后的正则表达式去匹配字符串
  • 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
• p = re.compile(pattern, flags=0) # 预编译：
  • 用于将字符串形式的正则表达式编译为 pattern 对象，第二个参数 flag 是匹配模式，一般用不到
  • 预编译时，pattern 最好加上 r 前缀，这样就不用考虑转义的问题了
• p.findall(string) or re.findall(pattern, string, flags=0) # 按照模式搜索
  • 搜索 string，以列表形式返回全部能匹配的子串
• 代码实践

import re

p = re.compile(r'\d+')
p.findall('one11 two2three333 four4five55')
> ['11', '2', '333', '4', '55']

# 对于 * 和 + 这种默认贪婪的匹配可以加上 ? 使之变为非贪婪匹配
p = re.compile(r'\d+?')
p.findall('one11 two2three333 four4five55')
> ['1', '1', '2', '3', '3', '3', '4', '5', '5']

# 匹配子串，用()表示：要提取的分组
p = re.compile(r'(\w+)@([\w.]+)')
str = 'purple alice@jisuanke.com, blah monkey bob@abc.com blah dishwasher'
p.findall(str)
> [('alice', 'jisuanke.com'), ('bob', 'abc.com')]

# 匹配字符串
p = re.compile(r'\w+@[\w.]+')
re.findall(str)
> ['alice@jisuanke.com', 'bob@abc.com']

---

三、参考资料

1、正则表达式官方文档
2、Python 正则表达式指南
3、廖雪峰 re 模块介绍