python中的正则表达式总结

\d：匹配一个数字
\w：可以匹配一个字母或数字,以及下划线
.：可以匹配任意字符
*：表示任意个数目（包括0个）
+：表示至少一个
?：表示0个或1个
{n}：表示n个
{m：n}：表示第m-n个

可以用[]表示范围：[0-9a-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|B：可以匹配A或B，如(P|p)ython可以匹配’Python’或者’python’。
^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。

贪婪匹配

正则匹配默认是贪婪匹配，也就是默认匹配尽可能多的字符串

	>>> re.match(r'^(\d+)(0*)$', '102300').groups()
	('102300', '')

(\d+)把数字都匹配完了，(0)*只能匹配空字符串

加个?可以让(\d+)采用非贪婪匹配

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

编译

使用正则表达式的时候，re模块内部会做俩件事。

1.编译正则表达式，如果正则表达式的字符串本身不合法，会报错；

2.用编译后的正则表达式去匹配字符串。

如果一个正则表达式要重复使用几千次，出于效率的考虑，可以预编译该正则表达式，接下来重复使用时就不需要编译这个步骤了，直接匹配：

>>> import re
# 编译:
>>> re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$')
# 使用：
>>> re_telephone.match('010-12345').groups()
('010', '12345')
>>> re_telephone.match('010-8086').groups()
('010', '8086')