python每日学习9：正则表达式

• 定义

  • 在Python中，正则表达式是一种用于匹配字符串中字符组合的模式。它被广泛用于执行各种字符串搜索和替换任务。Python提供了内置的re模块，用于处理正则表达式。

• 常用的元字符

  • \d：匹配一个数字字符。等价于[0-9]。
  • \D：匹配一个非数字字符。等价于非[0-9]。
  • \s：匹配任何空白字符，包括空格、制表符、换页符等。等价于[\f\r\n\t\v]。
  • \S：匹配任何非空白字符，包括空格、制表符、换页符等。等价于非[\f\r\n\t\v]。
  • \w：匹配字母数字字符。
  • \W：匹配非字母数字字符。

• 字符匹配

  • ?：匹配前面的字符0次或1次。

  • *：匹配前面的字符0次或多次。

  • +：匹配前面的字符1次或多次。

  • . :匹配除’\n’之外的任何单个字符。使用[.\n]匹配包括\n的任何字符。

  • {n}表示n个字符，用{n,m}表示n~m个字符。

  • :将特殊字符转义。

  • 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。

    \d{3}表示匹配3个数字，例如'010'
    \s可以匹配一个空格（也包括Tab等空白符），所以\s+表示至少有一个空格，例如匹配 '空格'，'空格空格'，'空格空格空格'等；
    \d{3,8}表示3-8个数字，例如'1234567','123','12345'
    综上，该正则表达式可以匹配以任意个空格隔开的带三位区号的电话号码4
    要匹配'010-12345'这样的号码，由于'-'是特殊字符，要用'\'转义，所以可用\d{3}\-\d{3,8}进行匹配。
    

• 复杂的正则表达式

  • 常用方法

    • [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。
    • [0-9a-zA-Z_]{0, 19}更精确地限制了长度是0-19个字符（最多19个字符）。

  • re模块

    • match方法

      • 定义：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（match方法通常会结合if选择结构进行判断）。

      • 格式

        import re 使用前需要先导入re模块
        re.match(r'^\d{3}\-\d{3,8}$', '010-12345')
        调用match方法，左边需要传入一个正则表达式，右边为待匹配的字符串
        如果能匹配上则返回：<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
        re.match(r'^\d{3}\-\d{3,8}$', '010 12345') 无法匹配则返回空,即None
        

    • 切分字符串

      • re模块提供了split方法，可以按照指定的正则表达式进行字符串的切分。

        #无论多少个空格都可以正常分割
        import re
        m=re.split(r'\s+','a  bb c')
        print(m)
        

    • 分组

      m=re.match(r'^(\d{3})\-(\d{3,8})$')
      m.group(0)#默认为0 全部读取
      m.group(1)#读取第一个字串
      m.group(2)#读取第二个字串
      m.groups()#以列表的形式读取
      

    • 贪婪匹配

      • 定义：正则匹配默认是贪婪匹配，也就是匹配尽可能多的字符。

        re.match(r'^(\d+)(0*)$', '102300').groups()
        最终结果：('102300', '')
        

      • 非贪婪匹配：就是尽可能少匹配。

        re.match(r'^(\d+?)(0*)$', '102300').groups()
        最终结果：('1023', '00')
        

    • 编译

      • 定义：如果一个正则表达式要重复使用几千次，出于效率的考虑，可以使用compile方法预编译该正则表达式，接下来重复使用时就不需要编译这个步骤了，直接匹配。

        import re # 导入模块
        re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$') # 预编译
        re_telephone.match('010-12345').groups() # 进行匹配并返回所有组
        结果为：('010', '12345')
        re_telephone.match('010-8086').groups() # 进行匹配并返回所有组
        结果为：('010', '8086')