正则表达式初级

匹配字符串

公式	含义
\d	0-9
\w	0-9与a-z与A-Z
\s	空格与tab
.	任意字符
^	行首（以…开头）
$	行尾（以…结尾）
*	任意个字符（包括0）
+	至少一个字符
?	0个或1个字符
{n}	n个字符
{n,m}	[n,m]区间个字符

示例	匹配串
‘00\d’	‘007’
‘\d\d\d’	‘010’
‘\w\w\d’	‘py3’
‘py.’	‘pyc’
‘py.’	‘py!’
‘\d{3}’	‘010’
‘\s+’	’ ‘
‘\d{3,8}’	‘1234567’
‘\d{3}-\d{3,8}’	‘010-12345’
‘[0-9a-zA-Z_]+’	‘Py3000’
‘(P	p)ython’
‘(P	p)ython’
‘^py$’	‘py’
re.split(r’\s+’, ‘a b c’)	[‘a’, ‘b’, ‘c’]
re.split(r’[\s,]+’, ‘a,b, c d’)	[‘a’, ‘b’, ‘c’, ‘d’]
re.split(r’[\s,\;]+’, ‘a,b;; c d’)	[‘a’, ‘b’, ‘c’, ‘d’]

>>> m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')
>>> m
<_sre.SRE_Match object at 0x1026fb3e8>
>>> m.group(0)
'010-12345'
>>> m.group(1)
'010'
>>> m.group(2)
'12345'

如果正则表达式中定义了组，就可以在Match对象上用group()方法提取出子串来。
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。

>>> t = '19:05:30'
>>> m = re.match(r'^(0[0-9]|1[0-9]|2[0-3]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9\
]|5[0-9]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$', t)
>>> m.groups()
('19', '05', '30')

贪婪匹配

　　正则匹配默认是贪婪匹配，也就是匹配尽可能多的字符。举例如下，匹配出数字后面的0：

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

　　由于\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。

　　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')

编译

　　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：

1. 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；

2. 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：

>>> 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')

　　编译后生成Regular Expression对象，由于该对象自己包含了正则表达式，所以调用对应的方法时不用给出正则字符串。

暂时写到这，还有很多关于match以及其他函数的