RE正则

正则表达式（RE）

一. 动机

1. 文本处理已经成为计算机的常见工作
2. 对文本内容的搜索，定位，提取逻辑比较复杂
3. 为了快速方便的解决上述问题，产生了正则表达式

二. 简介

• 定义：即文本的高级匹配模式，提供搜索，替换，查找等功能。其本质是一系列由字符和特殊符号构成的字串，这个字串即正则表达式。
• 匹配原理：通过普通字符和有特定含义的字符来组成字符串，用以描述一定的字符串规则，比如重复，位置等，来表达一类特定的字符串内容。

三. 元字符的使用

1. 普通字符

   匹配规则： 每个普通字符匹配对应的字符

   In [14]: re.findall(‘ab’,‘abcdeabcda’)
   Out[14]: [‘ab’, ‘ab’]

   注意：

   • 正则表达式永远是作为一个规则整体匹配
   • python中正则表达式可以匹配中文

2. 或

   元字符 ： |
   匹配规则： 匹配 | 两侧任意一个正则规则即可

   In [16]: re.findall(‘ab|cd’,‘abcdefghabcd’)
   Out[16]: [‘ab’, ‘cd’, ‘ab’, ‘cd’]

3. 匹配开始位置

   元字符 ： ^
   匹配规则： 使用^匹配目标字符串开头位置

   In [18]: re.findall(’^Hello’,‘Hello world’)
   Out[18]: [‘Hello’]

4. 匹配结尾位置

   元字符 ： $
   匹配规则： 使用 $ 匹配目标字符串结尾位置

   In [20]: re.findall(‘Jame$’,‘Hi,Jame’)
   Out[20]: [‘Jame’]

   注意：正则表达式中如果有^ $ 必然出现在正则表达式的开始和最后。如果同时有^ $则正则必须匹配目标字符串全部内容。

5. 匹配任意字符

   元字符： .
   匹配规则：匹配除换行外的任意一个字符

   In [25]: re.findall(‘小.’,‘小红说小王欺负小李’)
   Out[25]: [‘小红’, ‘小王’, ‘小李’]

6. 匹配字符集中字符

   元字符：[字符集]
   匹配规则：匹配字符集中任意一个字符
   表达形式：[#abc好坏] --> 匹配[]内任意一个字符
   [0-9][a-z][A-Z] --> 匹配区间内的任意一个字符
   [-_#0-9a-z] -->混合书写，区间写在后面

   In [30]: re.findall(’[aeiou]’,‘Hello world’)
   Out[30]: [‘e’, ‘o’, ‘o’]

7. 匹配字符集反集

   元字符： [^…]
   匹配规则：匹配除了字符集中的任意一个字符

   In [3