python中的字符串和正则表达式全解

一、转义字符

正则表达式是建立在字符串的基础上，当需要在字符中使用特殊字符时，python用反斜杠\转义字符。

如下表：

转义字符                描述
​
\(在行尾时)           续行符
\\                  反斜杠符号
\'                  单引号
\"                  双引号
\a                  响铃
\b                  退格(Backspace)
\e                  转义
\000                空
\n                  换行
\v                  纵向制表符
\t                  横向制表符
\r                  回车
\f                  换页
\oyy                八进制数yy代表的字符，例如：\o12代表换行
\xyy                十进制数yy代表的字符，例如：\x0a代表换行
\other              其它的字符以普通格式输出，例如：\w就是\w，\.就是\.

原始字符串

有时我们并不想让转义字符生效，我们只想显示字符串原来的意思，这就要用r和R来定义原始字符串。如：

print(r'\t\r')
实际输出为“\t\r”。

二、了解正则表达式

正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。

正则表达式是用来匹配字符串非常强大的工具，在其他编程语言中同样有正则表达式的概念，Python同样不例外，利用了正则表达式，我们想要从返回的页面内容提取出我们想要的内容就易如反掌了。

正则表达式的大致匹配过程是：

1.依次拿出表达式和文本中的字符比较，

2.如果每一个字符都能匹配，则匹配成功；一旦有匹配不成功的字符则匹配失败。

3.如果表达式中有量词或边界，这个过程会稍微有一些不同。

下图展示了使用正则表达式进行匹配的流程：

三、正则表达式的语法规则

下图列出了Python支持的正则表达式元字符和语法：

四、正则表达式相关注解

1、数量词的贪婪模式与非贪婪模式

正则表达式通常用于在文本中查找匹配的字符串。Python里数量词默认是贪婪的（在少数语言里也可能是默认非贪婪），总是尝试匹配尽可能多的字符；非贪婪的则相反，总是尝试匹配尽可能少的字符。例如：正则表达式”ab”如果用于查找”abbbc”，将找到”abbb”。而如果使用非贪婪的数量词”ab?”，将找到”a”。

注：我们一般使用非贪婪模式来提取。

2、反斜杠问题

与大多数编程语言相同，正则表达式里使用”\”作为转义字符，这就可能造成反斜杠困扰。假如你需要匹配文本中的字符”\”，那么使用编程语言表示的正则表达式里将需要4个反斜杠”\”：前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。

Python里的原生字符串很好地解决了这个问题，这个例子中的正则表达式可以使用r”\”表示。同样，匹配一个数字的”\d”可以写成r”\d”。有了原生字符串，妈妈也不用担心是不是漏写了反斜杠，写出来的表达式也更直观勒。

这里一定要注意把正则中的转义与字符串中的转义区分。因为正则表达式是字符串，他是先将代码里书写的格式转变为系统识别的字符串（使用字符串中的转义），再将系统识别的字符串转化为系统识别的正则对象（使用正则中的转义）。

而字符串中的转义，正则都可以识别，而正则中的转义字符串不一定识别。

例如：.\n

在字符串中只能识别\n，不能识别.

在正则中既可以识别.，又可以识别\n

代码示例

import re
text = '.525heart.com\n'   #在系统中表示为   .525heart.com换行
patternstr = '\.525heart.com\n