学习笔记_正则表达式
学习日期:2016年10月2日
学习课程:正则表达式 - 廖雪峰的官方网站
正则表达式是一种用来匹配字符串的强有力的武器。它的设计思想是用一种描述性的语言来给字符串定义一个规则,凡是符合规则的字符串,我们就认为它“匹配”了,否则,该字符串就是不合法的。
-
在正则表达式中,如果直接给出字符,就是精确匹配。用
\d
可以匹配一个数字,\w
可以匹配一个字母或数字,所以:'00\d'
可以匹配'007'
,但无法匹配'00A'
;'\d\d\d'可以匹配'010'
;'\w\w\d'
可以匹配'py3'
;.可以匹配任意字符,所以:
'py.'
可以匹配'pyc'
、'pyo'
、'py!'
等等。- 要匹配变长的字符,在正则表达式中,用
*
表示任意个字符(包括0个),用+
表示至少一个字符,用?
表示0个或1个字符,用{n}
表示n个字符,用{n,m}
表示n-m个字符。
进阶
-
要做更精确地匹配,可以用[]表示范围。
[0-9a-zA-Z\_]
可以匹配一个数字、字母或者下划线;[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,比如'a100'
,'0_Z'
,'Py3000'
等等;[a-zA-Z\_][0-9a-zA-Z\_]*
可以匹配由字母或下划线开头,后接任意个由一个数字、字母或者下划线组成的字符串,也就是Python合法的变量;[a-zA-Z\_][0-9a-zA-Z\_]{0, 19}
更精确地限制了变量的长度是1-20个字符(前面1个字符+后面最多19个字符)。
A|B
可以匹配A或B,所以(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。
re模块
re
模块就是python中包含正则表达式所用共功能的模块。match()
方法判断是否匹配,如果匹配成功,返回一个Match
对象,否则返回None
。
切分字符串
-
re.spilt(正则规则,要切分的字符串)
表示用正则表达式切分字符串。
分组
用
()
表示的就是要提取的分组(Group)。比如:^(\d{3})-(\d{3,8})$
表示分别定义了两个组。如果正则表达式中定义了组,就可以在Match对象上用
group()
方法提取出子串来。注意到group(0)
永远是原始字符串,group(1)
、group(2)
……表示第1、2、……个子串。
贪婪匹配
最后需要特别指出的是,正则匹配默认是贪婪匹配,也就是匹配尽可能多的字符。
加个
?
就可以让正则匹配采用非贪婪匹配。
编译
-
当我们在Python中使用正则表达式时,re模块内部会干两件事情:
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;
用编译后的正则表达式去匹配字符串。
可以使用
re.compile(正则表达式)
预先编译,接下来重复使用的时候就不用编译这个步骤了,直接匹配就可以了。