正则表达式与re库

正则表达式：
regular expression regex RE

通用的字符串表达框架

简洁表达一组字符串的表达式

针对字符串表达“简洁”和“特征”思想的工具

判断某字符串的特征归属

主要应用在字符串匹配中

使用：

编译：将符合正则表达式语法的字符串转换成正则表达式特征。

p = re.compile(regex)

#编译后的特征与一组字符串对应，编译前的正则表达式只是一个符合正则表达式语法的单一字符串，不是真正意义上的正则表达式

语法：由字符和操作符构成。

常用操作符：

. 表示任何单个字符

[] 字符集，对单个字符给出取值范围 [abc]表示a、b、c，[a-z]表示a到z单个字符。

[^] 非字符集，对单个字符给出排除范围 [^abc]表示非a或非b的单个字符

* 前一个字符0次或无限次扩展 abc*表示ab、abc、abccc等

+ 前一个字符1次或无限次扩展 abc+表示abc、abcc、abccc等

？ 前一个字符0次或1次扩展 abc?表示ab、abc

| 左右表达式任意一个 abc|def表示abc、def

{m} 扩展前一个字符m次 ab{2}c表示abbc

{m,n} 扩展前一个字符m至n次(含n) ab{1,2}c表示abc、abbc

^ 匹配字符串开头 ^abc表示abc且在一个字符串的开头

$ 匹配字符串结尾 $abc表示abc且在一个字符串的结尾

() 分组标记，内部只能使用|操作符 (abc)表示abc，(abc|def)表示abc、def

\d 数字，等价于[0-9]

\w 单词字符，等价于[A-Za-z0-9_]

经典正则表达式:

^[A-Za-z]+$ 由26个字母组成的字符串

^[A-Za-z0-9]+$ 由26个字母和数字组成的字符串

^-?\d+$ 整数形式的字符串

^[0-9]*[1-9][0-9]*$ 正整数形式的字符串

[\u4e00-\u9fa5] 匹配中文字符

----------------------------------------------------------------------------------------------------------------------------------------------------

RE库的使用：

使用re（正则表达式）库 import re

re库使用raw string类型表达正则表达式，表示为：r.'text'，如r'[1-9]\d{5}'

原生字符串：不包含转义符的字符串

也可使用string类型，但该类型将'\'视作转义符，表达繁琐，如'[1-9]\\d{5}'

RE库主要功能函数：

re.search(pattern,string,flags=0)

在一个字符串中搜索匹配正则表达式的第一个位置，返回match对象

pattern：正则表达式的字符串或原生字符串表示

string：待匹配字符串

flags：正则表达式使用时的控制标记

re.I/re.IGNORECASE，忽略正则表达式的大小写，[A-Z]能匹配小写字符

re.M/re.MULTILINE，正则表达式中的^操作符能够将给定字符串的每行当作匹配开始

re.S/re.DOTALL，正则表达式中的.操作符能够匹配所有字符，默认匹配除换行外所有字符

re.match(pattern,string,flags=0)

从一个字符串的开始位置起匹配正则表达式，返回match对象

使用时注意用if语句判断是否返回的match对象是空的，否则如是，系统报错

re.findall(pattern,string,flags=0)

搜索字符串，以列表类型返回全部匹配的子串

re.split(pattern,string,maxsplit=0,flags=0)

将一个字符串按照正则表达式匹配结果进行分割，返回列表类型

（匹配的部分去掉，剩下的部分分别作为分割的字符串元素放到列表里）

maxsplit：最大分割数，剩余部分作为最后一个元素输出

re.finditer(pattern,string,flags=0)

搜索字符串，返回一个匹配结果的迭代类型，每个迭代元素是match对象

re.sub(pattern,repl,string,cout=0,flags=0)

在一个字符串中替换所有匹配正则表达式的子串，返回替换后的字符串

repl：替换匹配字符串的字符串

cout：匹配的最大替换次数

RE库的match对象（一次匹配的结果）

match对象的属性：

.string，待匹配的文字

.re，匹配时使用的pattern对象（正则表达式）

.pos，正则表达式搜索文本开始位置

.endpos，正则表达式搜索文本的结束位置

match对象的方法：

.group(0)，获得匹配后的字符串

.start()，匹配字符串在原始字符串的开始位置

.end()，匹配字符串在原始字符串的结束位置

.span()，返回(.start(),.end())

RE库的贪婪匹配和最小匹配

例：

match = re.search(r'PY.*N','PYANBNCNDN')

match.group(0)

返回'PYANBNCNDN'

RE库默认采用贪婪匹配，即输出匹配最长的子串

最小匹配，在操作符后加*

例：

match = re.search(r'PY.*？N','PYANBNCNDN')

match.group(0)

返回'PYAN'