python中的re库（正则表达式）

正则表达式的概念

正则表达式（Regular Expression）是一个定义搜索模式的字符序列。

在做文字处理或编写程序时，若需要用到查找、替换等功能时，可以使用正则表达式来简单便捷地完成目标。

简单而言，正则表达式通过使用一些特殊符号，使得使用者可以方便轻松地实现查找、删除、替换等功能。

正则表达式常用操作符

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，[a‐z]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[0‐9]
\w	单词字符，等价于[A‐Za‐z0‐9_]

正则表达式语法实例

正则表达式	对应字符串
P(Y|YT|YTH|YTHO)?N	‘PN’、‘PYN’、‘PYTN’、‘PYTHN’、‘PYTHON’
PYTHON+	‘PYTHON’、‘PYTHONN’、‘PYTHONNN’ …
PY[TH]ON	‘PYTON’、‘PYHON’
PY[^TH]?ON	‘PYON’、‘PYaON’、‘PYbON’、‘PYcON’…
PY{:3}N	‘PN’、‘PYN’、‘PYYN’、‘PYYYN’…

经典正则表达式实例

Re库的主要函数

函数 (点击进入详情)	说明
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子串
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子串，返回替换后的字符串

正则表达式的表示类型

方式1：raw string类型（原生字符串类型）

函数式用法：一次性操作

re库采用raw string类型表示正则表达式，表示为：r 'text'，raw string是不包含对转义符再次转义的字符串。
例如： r'[1‐9]\d{5}' r'\d{3}‐\d{8}|\d{4}‐\d{7}'

方式2：正则表达式对象

面向对象用法：编译后的多次操作

regex = re.compile(pattern, flags=0)，输入参数含义见链接

其中，regex为正则表达式对象

两种方法对比举例

>>> # 方法1：函数式用法：一次性操作
>>> rst = re.search(r'[1‐9]\d{5}', 'BIT 100081')
>>> # 方法2：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')

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 = re.search(r'[1‐9]\d{5}', 'BIT 100081')
>>> if match:
		print(match.group(0))
100081
>>> type(match)
<class '_sre.SRE_Match'>

属性

属性	说明
.string	待匹配的文本
.re	匹配时使用的patter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

方法

方法	说明
.group(0)	获得匹配后的字符串
.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())

应用举例

Re库的贪婪匹配与最小匹配

引例

对于 同时匹配长短不同的多项 的情况，该返回哪一个呢？

• Re库默认采用贪婪匹配，即输出匹配最长的子串

>>> match = re.search(r'PY.*N', 'PYANBNCNDN')
>>> match.group(0)
'PYANBNCNDN'

• 如何输出最短的子串呢？

>>> match = re.search(r'PY.*?N', 'PYANBNCNDN')
>>> match.group(0)
'PYAN'

最小操作符

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

• 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

---

---

资料来源于：中国大学mooc