学习笔记_正则表达式

时间:2022-12-25 23:00:18

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

  • ()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。