关于正则表达式的5个小贴士

正则表达式是一个非常强大的处理字符工具，但有时可读性很差、晦涩难懂，Jamie Zawinski 说道：

Some people, when confronted with a problem, think, “I know, I’ll use regular expressions.” Now they have two problems.

本来是一个问题，引入正则表达式之后就成了两个问题。其实并不是任何场景都需要正则表达式。在简单场景，能用字符串自己提供的方法解决问题就没必要用正则表达式，比如字符替换

 

判断字符串是否以某字符开头

 

re.match() 与 re.search()

re.match 从字符串的起始位置匹配，如果没匹配成功就不再往后匹配，返回 None。而 search 虽然也是从起始位置开始匹配，但是如果在起始位置没有匹配，就继续往后匹配，直到匹配为止，如果匹配到字符串末尾都没有匹配则返回 None

 

不分组的括号

我们知道正则表达式中括号可以用于分组提取，有时我们并不希望括号用于分组该怎么办，答案是使用 (?:)，看一个例子，用正则表达式提取URL中的各个组成部分

 

上面虽然写了7对括号，但其实只有5个分组。下面是不使用 ?:，出现了 7 组数据

 

贪婪匹配

正则表达式默认是贪婪匹配的，也就是说它会在满足匹配条件的情况下尽可能多的匹配字符，例如这里有一段话：

html ="""<div><p>Today a quick article on a nic</p><p>Read more ...</p></div>"""

里面有两对<p>标签，如果你只想匹配第一对，使用

 

<p>.*</p> 会从第一个<p>开始，匹配到最后一个</p>，如果要想尽可能少匹配则可以在元字符后面加 ?