正则表达式

正则表达式是一种用来匹配字符串的强有力的武器.它的设计思想是用一种描述性的语言来给字符串定义一个规则，凡是符合规则的字符串我们就认为它“匹配了”。

常用	说明
\d	匹配数字 ‘00\d’>‘007’
\w	匹配字母或数字 ‘\w\w\d’>‘py3’
\s	匹配空格（包括Tab等空白符）
.	可以匹配任意字符
*	表示任意个字符（包括0个）
+	表示至少一个字符
？	表示0个或1个字符
{n}	表示n个字符
{n,m}	表示n~m个字符
[]	表示范围
竖线	或
^	表示行的开头。’^\d’表示必须以数字开头
$	表示行的结束。’\d$'表示必须以数字结束

• 例子：

"\d{3}\s+\d{3,8}"
\d{3}：匹配3个数字，例如“010”
\s+：表示至少有一个空格
\d{3,8}：表示3~8个数字，例如“1234567”

[0-0a-zA-Z_]：可以匹配一个数字、字母或者下划线
[0-0a-zA-Z_]+：可以匹配至少由一个数字、字母或者下划线组成的字符串
[a-zA-Z_][0-9a-zA-Z_]*：可以匹配由字母或下划线开头，后接任意个由一个数字、字母或者下划线组成的字符串
[a-zA-Z_][0-9a-zA-Z_]{0,19}：更精确地限制了变量的长度是1~20个字符（前面1个字符+后面最多19个字符）

• 匹配：

re.match(r'^\d{3}\-\d{3,8}$', '010-12345')
Out[]: <re.Match object; span=(0, 9), match='010-12345'>

• 切分代码：

re.split(r'\s+', 'a b  c')
Out[]: ['a', 'b', 'c']

• 提取子串：

m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')

m.group(0)
Out[]:  '010-12345'

m.group(1)
Out[]: '010'

m.group(2)
Out[]: '12345'

• 贪婪匹配：

正则匹配默认是贪婪匹配，也就是匹配尽可能多的字符。加个“？”采用非贪婪匹配。

re.match(r'^(\d+?)(0*)$', '102300').groups()
Out[]: ('1023', '00')