Python-正则表达式（Re库）

概念

正则表达式： regular expression regex RE

正则表达式是用来简洁表达一组字符串的表达式

• 通用的字符串表达框架
• 简洁表达一组字符串的表达式
• 针对字符串表达“简洁”和“特征”思想的工具
• 判断某字符串的特征归属

正则表达式在文本处理中十分常用

• 表达文本类型的特征（病毒、入侵等）
• 同时查找或替换一组字符串
• 匹配字符串的全部或部分

正则表达式的使用

• 编译：将符合正则表达式语法的字符串转换成正则式表达特征

正则表达式的语法

• 正则表达式语法由字符和操作符构成

正则表达式的常用操作符

正则表达式的常用操作符

操作符	说明	实例
.	表示任何单个字符
[]	字符集，对单个字符给出取值范围	[abc] 表示 a 、 b 、 c ， [a­z] 表示 a 到 z 单个字符
[^]	非字符集，对单个字符给出排除范围	[^abc] 表示非 a 或 b 或 c 的单个字符
*	前一个字符 0 次或无限次扩展	abc* 表示 ab 、 abc 、 abcc 、 abccc 等
+	前一个字符 1 次或无限次扩展	abc+ 表示 abc 、 abcc 、 abccc 等
?	前一个字符 0 次或 1 次扩展	abc ？表示 ab 、 abc
|	左右表达式任意一个	abc|def 表示 abc 、 def
{m}	扩展前一个字符 m 次	ab{2}c 表示 abbc
{m,n}	扩展前一个字符 m 至 n 次（含 n ）	ab{1,2}c 表示 abc 、 abbc
^	匹配字符串开头	^abc 表示 abc 且在一个字符串的开头
$	匹配字符串结尾	abc$ 表示abc且在一个字符串的结尾
()	分组标记，内部只能使用 | 操作符	(abc) 表示 abc ， (abc|def) 表示 abc 、 def
\d	数字，等价于 [0­9]
\w	单词字符，等价于 [A­Za­z0­9_]

Re库的基本使用

Re库介绍：Re库是Python的标准库，主要用于字符串匹配

正则表达式的表示类型

• raw string类型（原生字符串类型）
• string 类型，更繁琐，要转义

Re库的主要功能函数

函数	说明
re.search()	在一个字符串中搜索匹配正则表达式中的第一个位置，返回match对象
re.match()	在一个字符串的开始位置匹配正则表达式，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子串
re.split()	在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子串，返回替换后的字符串

Re 库的 match 对象

match对象就是一次匹配的结果，包含了匹配的相关信息

Match对象的属性

属性	说明
.string	待匹配的文本
.re	匹配时使用的 pattern 对象（正则表达式）
.pos	正则表达式搜索文本的开始位置
.endpos	正则表达式搜索文本的结束位置

Match对象的方法

方法	说明
.group(0)	获得一次匹配后的字符串
.start()	匹配字符串在原始字符串的开始位置
.end()	匹配字符串在原始字符串的结束位置
.span()	返回 ( . start(), . end())

Re 库的贪婪匹配和最小匹配

Re库默认采用贪婪匹配，即输出匹配最长的子串

最小匹配：如何输出最短的字串？

最小匹配操作符

操作符	说明
*?	前一个字符 0 次或无限次扩展，最小匹配
+?	前一个字符 1 次或无限次扩展，最小匹配
??	前一个字符0次或1次扩展，最小匹配
{m,n}>	扩展前一个字符 m 至 n 次（含 n ），最小匹配