python学习笔记之正则表达式

正则表达式的好处：简洁表达，一行就是特征，是一种通用的字符串表达框架

正则表达式最主要应用在字符串匹配中。

正则表达式的使用：将符合正则表达式语法的字符串转换成正则表达式特征。

语法由字符和操作符构成。

经典表达式实例：

考虑：要如何输出这些表达式实例?

匹配IP地址的正则表达式：
IP地址字符串形式的正则表达式：
\d+.\d+.\d+.\d+ 或\d{1,3}.\d{1,3}.\d{1,3}.\d{1,3}
精确写法如下：
0-99 [1-9]?\d
100-199 1\d{2}
200-249 2[0-4]\d
250-255 25[0-5]
(([1-9]?\d|1\d{2}|2[0-4]\d|25[0-5]).){3}([1-9]?\d|1\d{2}|2[0-4]\d|25[0-5])

Re库的基本使用

调用方式：import re

第一种用法：
正则表达式的表示类型：raw string类型；string类型
分别介绍这两种类型：

raw string 类型（原生字符串类型）
re库采用raw string类型表示正则表达式，表示为：r’text’
如： r’[1-9]\d{5}’ r’\d{3}-\d{8}|d{4}-\d{7}’
raw string是不包含对转义符再次转义的字符串

string类型，更加繁琐
如： ‘[1-9]\d{5}’ ‘\d{3}-\d{8}|\d{4}-\d{7}’

建议：当正则表达式含有转义符时，使用raw string

Re库主要功能函数：
re.search() 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
re.match() 从一个字符串的开始位置起匹配正则表达式，返回match对象
re.findall() 搜索字符串，以列表类型返回全部能匹配的字串
re.split() 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
re.finditer() 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() 在一个字符串中替换所有匹配正则表达式的字串，返回替换后的字符串

下面逐一介绍这些函数。

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

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
常用的标记有：
常用标记 说明
re.I re.IGNORECASE 忽略正则表达式的大小写，[A-Z]能够匹配小写字符
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，默认匹配除换行符外的所有字符

eg.

>>>import re
>>>match = re.search(r’[1-9]\d{5}’, ‘BIT 100081’)
>>>if match:
       print (match.group(0))

100081
>>>

re.findall(pattern, string, flags = 0)
搜索字符串，以列表类型返回券不能匹配的字串
eg.

>>>import re
>>>Is = re.findall(r’[1-9]\d{5}’, ‘BIT100081 TSU100084’)
>>>Is 
[‘100081’, ‘100084’]
>>>

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
maxsplit: 最大分割数，剩余部分作为最后一个元素输出

>>> re.split(r'[1-9]\d{5}', 'BIT100081 TSU100084')
['BIT', ' TSU', '']
>>> re.split(r'[1-9]\d{5}', 'BIT100081 TSU100084', maxsplit = 1)
['BIT', ' TSU100084']
>>>

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

>>> for m in re.finditer(r'[1-9]\d{5}', 'BIT100081 TSU100084'):
    if m:
        print(m.group(0))


100081
100084
>>>

re.sub(pattern, repl, string, count=0, flags=0)
在一个字符串中替换所有匹配正则表达式的字串返回替换后的字符串

>>> re.sub(r'[1-9]\d{5}', ':zipcode', 'BIT100081 TSU100084')
'BIT:zipcode TSU:zipcode'

re库的另一种等价用法

>>>rst = re.search(r’[1-9]\d{5}’, ‘BIT 100081’)

等价于下面的
面向对象用法：编译后的多次操作

>>>pat = re.compile(r’[1-9]\d{5}’)
>>>rst = pat.search(‘BIT 100081’)

regex = re.compile(pattern, flags=0)
将正则表达式的字符串形式编译成正则表达式对象

match

match对象介绍
match对象是一次匹配的结果，包含匹配的很多信息

match对象的属性和方法

re库的贪婪匹配
re库默认采用贪婪匹配，即输出匹配最长的字串
输出最短字串的方法：

只要长度输出可能不同的，都可以通过在操作符后增加？变成最小匹配

更多关于正则表达式的详细内容可以参考：
正则表达式30分钟入门教程
参考书《精通正则表达式》（京东）
专业的正则表达式教学网站
常用的正则表达式1
常用的正则表达式2