学习笔记_正则表达式

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。