正则表达式详解

1. 正则表达式主要用于对字符串进行特定的处理，如判断一串字符是否是手机号，一串字符中是否含有某些特定的字符，等等。

2. Python中正则表达式的使用：

   import re
   str1 = "leon"
   str2 = "leonisagoodman"
   result = re.match(str1,str2)
   result.group()
   

   上面代码输出结果为："leon"

• 其中 str1 为pattern，即为某种特定的规则表示，str2为要匹配的字符串，如果str2满足str1的特定规则，则re.match()会返回一个匹配对象（Match Object）,如果不满足，则会返回None（注意不是空字符串"",因为空字符串也可能是某种规则）.
• 如果用match方法匹配到数据的话，则可以调用group方法来提取数据。

3. 单字符的匹配：

字符	功能
.	匹配任意单个字符（除了\n）
\d	匹配任意单个数字
\D	匹配任意单个非数字
[]	匹配[]中列举的字符，[]中^为脱字符的意思，即除了[]里面列举的字符
\s	匹配空白，如空格、\t、\n等
\S	匹配非空白
\w	匹配单词字符（0-9、a-z、A-Z、_）
\W	匹配非单词字符

其中“ [] ”可以将上面的所有规则表示出来，如下所示：

字符	用[]代替表示
.	re.match("[^\n]",“XXX”)
\d	re.match("[0-9]",“XXX”)
\D	re.match("[^0-9]",“XXX”)
\s	re.match("[此处为表示空白的所有字符]",“XXX”)
\S	re.match("[^此处为表示空白的所有字符]",“XXX”)
\w	re.match("[0-9a-zA-Z_]",“XXX”)
\W	re.match("[^0-9a-zA-Z_]",“XXX”)

4. 表示数量
   用于对多个字符的表示。

字符	功能
*	表示0个或者任意个字符
+	表示1个或者任意个字符，至少1个
？	表示0个或者1个字符
{m}	表示m个字符
{m,}	表示至少m个字符
{m,n}	表示至少m个字符，至多n个字符

示例如下：

re.match("\d*","XXX") #匹配字符串中0个或者任意多个数字
re.match("\d+","XXX") #匹配字符串中至少1个数字
re.match("\d?","XXX") #匹配字符串中0个或者1个数字
re.match("\d{3}","XXX") #匹配字符串中3个数字
re.match("\d{3,}","XXX") #匹配字符串中至少三个数字
re.match("\d{3,5}","XXX") #匹配字符串中至少三个数字，至多5个数字

同样可以用 {} 将 * + ？分别表示出来，如下表：

字符	用{}代替表示
*	{0,}
+	{1,}
？	{0,1}

5. 原始字符串
   Python中字符串前面加上 r 表示原始字符串。原始字符串很好的解决了转义字符“\”的困扰。如下：
   
   即 如果字符串“\nabc”前面加上 “ r ”，则解释器会自动的将这个字符串变成 “\nabc”。
   所以在匹配字符串 "\nabc"时，可以直接写成re.match(r"\nabc","\nabc"),而不用写成re.match("\\nabc","\nabc")，所以有了原始字符串就再也不用担心是不是漏写了反斜杠。应该养成习惯在前面加上“ r ”。

   注意点：
   

6. 表示边界

字符	功能
^	匹配字符串开头
$	匹配字符串结尾
\b	匹配一个单词的边界
\B	匹配非单词边界

示例如下：

7. 表示分组

字符	功能
|	匹配左右任意一个表达式
（）	将括号中的字符作为一个分组
\num	引用分组num匹配到的字符串
（?P<name>）	给分组命名
（?P=name）	引用分组名为name的分组匹配到的字符串

示例如下：

8. re的一些高级用法

• search() 和 findall()
  search用来搜索从左到右第一个匹配到的字符串，返回的是match对象。
  findall 用来搜索从左到右匹配到的所有字符串。注意：用findall返回的是一个列表，而不是match对象
  用法如下图所示：
  
• sub()
  sub用来用特定的字符串将匹配到的字符串进行替换，也可以将匹配到的字符串传进定义的函数里，进行处理后进行替换。用法如下图：
  
• split()
  split根据匹配进行切割字符串，并返回一个列表。用法如下：
  

9. 贪婪模式
   看下图：
   
   会发现原本希望将后面的数字全部匹配到一起，结果前面两个8却匹配到了第一个分组中，这是因为第一个分组(.+)中的+是处于贪婪模式，它会在匹配的时候最大限度的满足自己，使后面分组(\d+-\d+-\d+)中的第一个\d+最小限度的满足即可（即第一个\d+只会匹配到一个8，而.+则匹配到The number is 88）
   关闭贪婪模式的方法为：给该匹配字符后面加?。如下图：