Python笔记-正则表达式

1、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，.可以匹配任意字符

'00\d'   可以匹配'007',但无法匹配'00A';
'\d\d\d' 可以匹配'010';
'\w\w\d' 可以匹配'py3';
'py.' 可以匹配'pyc'、'pyo'、'py!'

2、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：

\d{3}\s+\d{3,8}

\d{3}匹配3个数字,例如'010';
\s   匹配1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}匹配3-8个数字,例如'1234567'.

所以,上面的正则表达式可匹配以任意空格隔开的带区号的电话号码.

3、’-‘是特殊字符，在正则表达式中，要用’\’转义

4、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.

所以，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’ 了。

5、Python提供re模块，包含所有正则表达式的功能。由于Python的字符串本身也用\转义，所以要特别注意：

s = 'ABC\\-001' # Python的字符串
# 对应的正则表达式字符串变成：
# 'ABC\-001'

使用Python的r前缀，就不用考虑转义的问题了：

s = r'ABC\-001' # Python的字符串
# 对应的正则表达式字符串不变：
# 'ABC\-001'

6、判断正则表达式是否匹配：

#match()判断是否匹配，成功则返回一个Match对象，否则返回None
>>> import re
>>> re.match(r'^\d{3}\-\d{3,8}$', '010-12345')
<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
>>> re.match(r'^\d{3}\-\d{3,8}$', '010 12345')
>>>

常见的判断方法就是：

test = '用户输入的字符串'
if re.match(r'正则表达式', test):
    print('ok')
else:
    print('failed')

7、用()表示的就是要提取的分组（Group）

# ^(\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')
>>>m.group(0)
'010-12345'
>>>m.group(1)
'010'
>>> m.group(2)
'12345'

注意到group(0)永远是原始字符串，group(1)、group(2)……表示第1、2、……个子串。

8、正则匹配默认是贪婪匹配，也就是匹配尽可能多的字符。

#贪婪匹配，匹配出数字后面的0：
>>> re.match(r'^(\d+)(0*)$', '102300').groups()
('102300', '')

\d+采用贪婪匹配，直接把后面的0全部匹配了，结果0*只能匹配空字符串了。

#非贪婪匹配(加个?)，匹配出数字后面的0：
>>> re.match(r'^(\d+?)(0*)$', '102300').groups()
('1023', '00')

9、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：

>>> import re
# 编译:
>>> re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$')
# 使用：
>>> re_telephone.match('010-12345').groups()
('010', '12345')
>>> re_telephone.match('010-8086').groups()
('010', '8086')