python正则表达式

正则表达式旨在对字符串进行有一定规律的操作，在python中，以re（Regular Expression）模块来实现。最常用的方法有查找（findall）、替换（sub）、切割（split）

---

以findall为例，来看看它的具体参数：

findall(pattern,string,flags=0)

pattern：指定需要匹配的正则表达式
string：指定待处理的字符串
flags：指定匹配模式。常用re.I：不区分大小写

这里pattern就是正则表达式，它通常是由若干个正则符号组合而成的。下面我们介绍几种常用的正则符号：

1. 原字符

即“要匹配什么，就写什么”

import re
s='''小明，电话：13845459595，学号：12056854747城市：'北京市'
小曾，电话：13748489696，学号：11548685895，城市：'成都市' '''

比如我们想在字符串s中查找出“电话”这个字符：

re.findall("电话",s)
 ['电话', '电话']

2. （英文状态下的句点）. ：除换行符（\n）外，可指代任意一个字符

如我们要查找出以”小“开头且名字为两个字符的姓名：

re.findall("小.",s)
['小明', '小曾']

3. 转义字符

---

\n ：一个换行符
\t ：一个(Tab)制表符
\d ：0~9中任意一个数字
\s ：指代任意一种空白（空格、制表符、换行符）
\w ：指字母、数字、下划线中的任意一种
\. ：指句点本身

如我们要提取字符串中的电话和学号：

re.findall("\d\d\d\d\d\d\d\d\d\d\d",s)
['13845459595', '12056854747', '13748489696', '11548685895']

这里我们可以提取11位的数字，但是显然非常麻烦，下面我们介绍：

*4. + 、*、？、[]、（）、{}*

---

（1）+：指匹配1次及以上
（2）*：指匹配0次及以上
（3）？：匹配0次或1次
（4）[]：中括号限定匹配的内容
（5）()：只输出圆括号中的内容
（6）{}：限定匹配的次数

（1）使用+匹配1次及以上

re.findall("\d+",s)
['13845459595', '12056854747', '13748489696', '11548685895']

（2）*和+差不多，不再举例

（3）？：对字符“s”匹配0次或1次，所以可以找出http和https两种格式：

s='''https://www.baidu.com
http://www.gov.com'''

re.findall("https?://www\..+",s)
['https://www.baidu.com', 'http://www.gov.com']

（4）和（6）提取号码
因为号码都是1开头，第二位必须是3，5，6，7，8，9中的一位，所以在这里使用中括号[ ]来限定第二位的选取范围：

s='''小明，电话：13845459595，学号：12056854747城市：'北京市'
小曾，电话：13748489696，学号：11548685895，城市：'成都市' '''

re.findall("1[356789]\d+",s)
['13845459595', '13748489696', '1548685895']

然而结果出现了1548685895，这是因为使用了+（加号）的原因，系统不清楚后面具体要多少位，所以这里还要使用大括号{ }来限定其位数：

re.findall("1[356789]\d{9}",s)
['13845459595', '13748489696']

这里我们限定\d的位数为9，刚好符合11位电话号码的要求。

tips：

{8,9}：表示限定位数为8或9
{8,}：表示限定位数为8位以上

（5）圆括号可以提取出需要打印的部分，比如我们要提取出字符串中人员所在城市的名称：

re.findall("城市：'.+'",s)
["城市：'北京市'", "城市：'成都市'"]

这里我们虽然提取出来了，但是包含了“城市”，所以我们对城市名加上（），来指定提取项：

re.findall("城市：'(.+)'",s)
['北京市', '成都市']

.*?

介绍一个常用的正则表达式 .*?，它可以非贪婪地匹配任意多的字符，如：

s=''''xxIoordgdfxxloveoosffaxxpythonoo' '''

这里有一个字符串，我们想要提取出左边为xx和右边为oo的字符串，这里如果我们使用.*写法，如下所示：

re.findall("xx(.*)oo",s) 
['Ioordgdfxxloveoosffaxxpython']

我们发现，.*贪婪地将中间所有的字符串都提取了出来，而如我们使用.*?，如下：

re.findall("xx(.*?)oo",s)
['I', 'love', 'python']

可以看到将所有符合条件的字字符串都提取出来了，这才是我们想要的结果

总结&注意：

1. +、*、？等正则符号只对其左边的第一个符号起作用
2. 中括号[ ]中一定要充分考虑所有取值可能
3. sub通常用于删除空白，将其替换为空字符""即可
4. (.*?)非常好用，且经常会用到