正则表达式（Regular Expression）

1. 定义

• 用一种描述性的语言给字符串定义一个 规则，符合规则的字符串，即“匹配”。

2. 结构

2.1 行定位符

• ^表示开始：

str1 = 'Nature'
# '^Na'匹配以 Na 开头的字符

• $表示结束:

str2 = 'Science'
# 'ce$'匹配以 ce 结束的字符

2.2 元字符

^	开头
$	结束
\w	匹配字母、数字、下划线或汉字
.	匹配除换行符以外的任意字符
\W	匹配字母、数字、下划线或汉字以外的字符
\s	匹配任意的空白符
\S	匹配任意的非空白符
\b	匹配单词的开始或结束
\d	匹配数字

2.3 限定符

？	匹配前面的字符零次或一次	iwtpa?p：匹配iwtpp和iwtpap
+	匹配前面的字符一次或多次	iwtpap+：匹配的范围从iwtpap到iwtpapp…
*	匹配前面的字符零次或多次	iwtpap*：匹配的范围从iwtpa到iwtpapp…
{n}	匹配前面的字符n次	iwtpap{5}：只匹配iwtpappppp
{n,}	匹配前面的最少n次	iwtpap{5,}：匹配的范围从iwtpappppp到iwtpappppp…
{n,m}	匹配前面的最少n次，最多m次	iwtpap{5,7}：匹配 iwtpappppp、iwtpapppppp、iwtpappppppp

注：如果匹配多个字符，将字符包括在 ( ) 中。

2.4 字符类

• 定义一个含有字符的集合（用 [ ] 表示），匹配里面的字符

"""
[paper]：匹配任意一个含有这几个字母的字符
[\u4e00-\u9fa5]：匹配字符串中任意一个汉字
"""

2.5 排除字符

"""
用 [] 和 ^ 表示
[^a-zA-Z]：匹配一个不是字母的字符
"""

2.6 选择字符

"""
用 | 表示
[a-z]|[0-9]：匹配从a-z小写字母或0-9的数字
"""

2.7 转义字符

"""
用 \ 表示
# 匹配四位ip地址
[1-9]{1,3}\.[1-9]{1,3}\.[1-9]{1,3}\.[1-9]{1,3}
"""

2.8 分组

"""
用 () 表示子表达式
(iwtpap){4}：iwtpap重复四次
"""

3. 使用方式

3.1 匹配字符串

# match()匹配字符串起始值，匹配失败将返回None值，成功将返回Match对象
import re
pattern = r'iw_\w'  # 模式字符串
string = 'IW_PP iw_pp'  # 要匹配的字符串
# match = re.match(pattern, string)  # 匹配字符串，区分字母大小写
match = re.match(pattern, string, re.I)  # 不区分字母大小写。re.A：\w不匹配汉字
print(match)
print('起始位置：', match.start())  # 匹配字符串的索引值
print('结束位置：', match.end())  # 匹配字符串的索引值
print('匹配数据：', match.group())  # 匹配的字符

# search()在整个字符串中搜索第一个匹配的值，匹配失败将返回None值，成功将返回Match对象
import re
pattern = r'iw_\w'  # 模式字符串
string = 'IW_PP iw_pp'  # 要匹配的字符串
# match = re.search(pattern, string)  # 匹配字符串，区分字母大小写
match = re.search(pattern, string, re.I)  # 不区分字母大小写
print(match)
print('起始位置：', match.start())  # 匹配字符串的索引值
print('结束位置：', match.end())  # 匹配字符串的索引值
print('匹配数据：', match.group())  # 匹配的字符

# findall()在整个字符串中搜索所有匹配的值，以列表形式返回，若匹配失败将返回空列表。
import re
pattern = r'iw_\w'  # 模式字符串
string = 'IW_PP iw_pp'  # 要匹配的字符串
# match = re.findall(pattern, string)  # 匹配字符串，区分字母大小写
match = re.findall(pattern, string, re.I)  # 不区分字母大小写
print(match)

3.2 替换字符串

# sub()
import re
pattern = r'iw_\w'  # 模式字符串
string = 'IW_PP iw_pp'  # 要匹配的字符串
replace_string = re.sub(pattern, 'IWTPAP', string)
print(replace_string)

3.3 分割字符串

# split()：返回一个由分割后字符串组成的列表
import re

pattern = r'iw_\w'  # 分割符，不会出现在列表中
string = 'IW_PP iw_pp'  # 要匹配的字符串
split_string = re.split(pattern, string)
print(split_string)