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')