[Python] 正则表达式re

【资源】

1. 官方说明：help(re) #命令行查看官方解释
2. 可视化正则表达式
3. 教程

【特殊字符】

常用	功能	说明
“^”	开头	“^x”，以x字符开头
“$”	结尾	“x$”，以x字符结尾
“.”	任意字符（≥0）
“()”	提取子串	math_obj.group(1) #匹配成功后，拿出第一个括号里的子串
“?”	非贪婪匹配	详细说明
“|”	或者
“[]”	1. 中括号里的任意一个 2. 可以用区间 3. 中括号里的^代表非 4. 中括号里的字符没有特殊意义	1. "[abcd]" 2. "[0-9a-z]" 3. “[^1]“表示≠1 4. “[.*]”，表示字符”.*”，不表示任意字符并重复多次

【字符】

名称	说明
“\s”	空格
“\S”	与"\s"相反，只要不是空格都可以
“\w”	为任意字符，等同于[A-Za-z0-9_]
“\W”	与"\w"相反，不为A-Z、a-z、0-9
“[\u4E00-\u9FA5]”	汉字
“\d”	数字

【出现次数】

名称	功能	说明
“*”	重复次数	“x*”，x可以重复任意多次（x出现≥0次）
“+”	至少一次	“x+”，x至少出现一次
“{2}”	出现次数	“x{2}”，x出现2次
“{2, }”	出现次数	“x{2,}，x出现2次以上”
“{2,5}”	出现次数	“x{2,5}”，x出现2-5次

【贪心Greedy】将匹配尽可能多的重复
【非贪婪模式】"?()"：()里的字符从右往左第一个

>>> import re
>>> line = "texttexttteexxxtt"
# 模式串".*(t.*t).*"
	# 【猜想】满足条件的所有可能：
		# 'texttexttteexxxtt'
		# 'ttexttteexxxtt'
		# 'texttteexxxtt'
		# 'ttteexxxtt'
		# 'tteexxxtt'
		# 'teexxxtt'
		# 'tt'
		# 't'
		# 'tt'
		# 'texttexttteexxxt'
		# 'texttexttt'
		# 'texttextt'
		# 'texttext'
		# 'textt'
		# 'text'
>>> match_obj = re.match(".*(t.*t).*", line) #默认贪婪
>>> match_obj.group(1)
'tt'
>>> match_obj = re.match(".*?(t.*t).*", line) #左边界非贪婪
>>> match_obj.group(1)
'texttexttteexxxtt'
>>> match_obj = re.match(".*(t.*t?).*", line) #右边界非贪婪
>>> match_obj.group(1)
't'
>>> match_obj = re.match(".*?(t.*t?).*", line) #左右边界非贪婪
>>> match_obj.group(1)
'texttexttteexxxtt'

例子

【提取年月日】 "(\d{4}[年/-]\d{1,2}([月/-]\d{1,2}|[月/-]$|$))"

line = "2001年6月1日"
line = "2001/6/1"
line = "2001-6-1"
line = "2001-06-01"
line = "2001-06"