正则表达式的概念
正则表达式是用来简洁表达一组字符串的表达式
正则表达式的语法
正则表达式语法由字符和操作符构成
正则表达式的常用操作符
| 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 |
( ) | 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 |
| 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
| 实例 | 说明 |
|---|---|
| \^[A‐Za‐z]+$ | 由26个字母组成的字符串 |
| \^[A‐Za‐z0‐9]+$ | 由26个字母和数字组成的字符串 |
| \^‐?\d+$ | 整数形式的字符串 |
| \^[0‐9]*[1‐9][0‐9]*$ | 正整数形式的字符串 |
| [1‐9]\d{5} | 中国境内邮政编码，6位 |
| [\u4e00‐\u9fa5] | 匹配中文字符 |
| \d{3}‐\d{8}|\d{4}‐\d{7} | 国内电话号码，010‐68913536 |
Re库
调用方式：
import re
正则表达式的表示类型
raw string 类型
re库采用raw string类型表示正则表达式，表示为：
r'text'
例如：
r'[1‐9]\d{5}'
r'\d{3}‐\d{8}|\d{4}‐\d{7}'
raw string是不包含对转义符再次转义的字符串
string类型
例如：
'[1‐9]\\d{5}'
'\\d{3}‐\\d{8}|\\d{4}‐\\d{7}'
建议：当正则表达式包含转义符时，使用raw string
Re库主要功能函数
（1）re.search(pattern, string, flags=0)
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
pattern : 正则表达式的字符串或原生字符串表示
string : 待匹配字符串
flags : 正则表达式使用时的控制标记
| 常用标记 | 说明 |
|---|---|
| re.I re.IGNORECASE | 忽略正则表达式的大小写，[A‐Z]能够匹配小写字符 |
| re.M re.MULTILINE | 正则表达式中的^操作符能够将给定字符串的每行当作匹配开始 |
| re.S re.DOTALL | 正则表达式中的.操作符能够匹配所有字符，默认匹配除换行外的所有字符 |
例:
>>> match = re.search(r'\d+','BIT 100081')
>>> if match:
... print(match.group(0))
...
100081
(2) re.findall(pattern, string, flags=0)
搜索字符串，以列表类型返回全部能匹配的子串
pattern : 正则表达式的字符串或原生字符串表示
string : 待匹配字符串
flags : 正则表达式使用时的控制标记
例:
>>> ls = re.findall(r'[1-9]+\d+','BIT100081 A100 B101 C102')
>>> ls
['100081', '100', '101', '102']
(3）re.split(pattern, string, maxsplit=0, flags=0)
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
pattern : 正则表达式的字符串或原生字符串表示
string : 待匹配字符串
maxsplit: 最大分割数，剩余部分作为最后一个元素输出
flags : 正则表达式使用时的控制标记
例:
>>> re.split(r'\d+','BIT100081 A100 B101 C102')
['BIT', ' A', ' B', ' C', '']
>>> re.split(r'\d+','BIT100081 A100 B101 C102',maxsplit=1)
['BIT', ' A100 B101 C102']
(4) re.finditer(pattern, string, flags=0)
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
例:
>>> for m in re.finditer(r'\d+','BIT100081 A100 B101 C102'):
... if m:
... print(m.group(0))
...
100081
100
101
102
(5) re.sub(pattern, repl, string, count=0, flags=0)
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
repl : 替换匹配字符串的字符串
count : 匹配的最大替换次数
例：
>>> re.sub(r'\d+','change','BIT100081 A100 B101 C102')
'BITchange Achange Bchange Cchange'
Re库的面向对象用法:
>>> pat = re.compile(r'\d+')
>>> rst=pat.search('BIT 100081')
regex = re.compile(pattern, flags=0)
将正则表达式的字符串形式编译成正则表达式对
>>> pat = re.compile(r'\d+')
>>> rst=pat.search('BIT 100081')
Match对象
Match对象的属性
| 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 |
Match对象的方法
| 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()) |
例:
>>> m=re.search(r'\d+','BIT100081 A100 B101 C102')
>>> m.string
'BIT100081 A100 B101 C102'
>>> m.re
<_sre.SRE_Pattern object at 0x0296E560>
>>> m.pos
0
>>> m.endpos
24
>>> m.group(0)
'100081'
>>> m.start()
3
>>> m.end()
9
>>> m.span()
(3, 9)
贪婪匹配
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'
最小匹配
最小匹配操作符
| 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
>>> match = re.search(r'PY.*?N','PYANBNCNDN')
>>> match.group(0)
'PYAN'