丘一丘正则表达式

正则表达式(regular expression,regex,RE)

• 正则表达式是一种用来简洁表达一组字符串的表达式
• 正则表达式是一种通用的字符串表达框架
• 正则表达式是一种针对字符串表达“简洁”和“特征”思想的工具
• 正则表达式可以用来判断某字符串的特征归属

正则表达式常用操作符

操作符	说明	实例
.	表示任意单个字符	py. 可以匹配pyc,pyy,py!等等
[ ]	字符集，对单个字符给出取值范围	[abc]可以匹配a或b或c；[0-9a-zA-z\_]可以匹配一个数字、一个字母或者一个下划线
[^ ]	非字符集，对单个字符给出排除范围	[^abc]可以匹配非a或非b或非c的单个字符
*	前一个字符0次或多次扩展	abc* 可以匹配ab、abc、abcc、abccc等等
+	前一个字符的1次或多次扩展	abc+可以匹配abc、abcc、abccc等等
?	前一个字符0次或1次扩展	abc?可以匹配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匹配abbc
{m,n}	扩展前一个字符m至n次数（含n）	ab{1，2}c可以匹配abc、abbc
^	匹配字符串开头	^abc表示abc且在一个字符串的开头,^\d表示必须以数字开头
$	匹配字符串结尾	abc表示abc且在一个字符串的结尾、\d$白哦是必须以数字结尾
( )	分组标记,内部只能使用|操作符	(abc|def)表示abc、def
\d	可以匹配一个数字，相当于[0-9]	\d{3}表示匹配3个数字，如010
\w	可以匹配一个字母或者数字或者下划线，相当于[a-zA-Z0-9_]	\w\w\d可以匹配'py3'
\s	可以匹配一个空格（也包括Tab等空白字符）	\s+表示至少有一个空格，如' '、' '

精确匹配

在正则表达式中，如果直接给出字符，就是精确匹配

• 'pyt' 匹配'pyt'
• '00\d' 可以匹配'007'
• '\w\d' 可以匹配'!5'
• 'ye.' 可以匹配'yes'
• '(P|p)python' 可以匹配'Python'、'python'

高阶精确匹配,经典实例

• ^[A-Za-z]+$ 匹配由26个英文字母组成的字符串,如'abrg'、'abgsfsfga'
• [a-zA-Z\_][0-9a-zA-Z\_]* 可以匹配由字母或者下划线开头、后接任意一个由字母、数字或者下划线组成的字符串，也就是python的合法变量
• ^-?\d+$ 匹配整数形式的字符串
• ^[0-9][1-9][0-9]$ 匹配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

python正则表达式模块，（Re模块）

• re是python的标准库，主要用于字符串匹配
• re库采用raw string类型(原生字符串类型)表示正则表达式，例如r'[1-9]\d{5}',raw string是不包含对转义符再次转义的字符串
• re库也可以采用string类型表示正则表达，但是较为繁琐，例如'[1-9]\\d{5}'

re库功能函数

函数	说明
re.search()	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
re.match()	从一个字符串的开始位置起匹配正则表达式，返回match对象
re.findall()	搜索字符串，以列表类型返回全部能匹配的子串
re.split()	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
re.finditer	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
re.sub()	在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

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做匹配开始
re.s re.DOTALL	正则表达式中的.操作符能够匹配所有字符串，默认匹配除换行外的所有字符串

2. re.match(pattern,string,flags=0)

从一个字符串的开始位置起匹配正则表达式，返回match对象

• pattern:正则表达式的字符串或者原生字符串表示
• string:待匹配字符串
• flags:正则表达式使用时的控制标记

3. re.findall(pattern,string,flags=0)

搜索字符串，以列表类型返回全部能匹配的字符串

4. re.split(pattern,string,maxsplit=0,flags=0)

将一个字符串按照正则匹配结果进行分割，返回列表类型

• maxsplt:最大分割数，剩余部分作为最后一个元素输出

5. re.finditer(pattern,string,flags=0)

搜索字符串，返回一个匹配结果的迭代类型，每个迭代类型是match对象

6. re.sub(pattern,repl,string,cout=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
• cout:匹配的最大替换次数

re库的面向对象用法

在python中使用正则表达式的时候，re模块内部会做两件事：

1. 编译正则表达式，如果正则表达式本身不合法，会报错

2. 用编译后的正则表达式去匹配字符串

   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象

• pattern:正则表达式的字符串或原生字符串表示
• flags:正则表达式使用时的控制标记

compile后生成了regular expression对象，由于该1对象包含了正则表达式，所以调用对应的方法不用给出正则字符串

re库的Match对象

• Match对象是一次匹配的结果，包含很多信息

Match对象的属性

属性	说明
.string	待匹配的文本
.re	匹配使用的pattern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())一个元组

re库的贪婪匹配和最小匹配

re库默认使用贪婪匹配，即匹配最长的子串

最小匹配

** 最小匹配操作符 **

操作符	说明
*?	前一个字符0次或者无限次扩展，最小匹配
+?	前一个字符1次或者无限次扩展，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(包含n)，最小匹配

只要输出长度可能不同的，都可以通过在操作符后面加?变成最小匹配

https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000/00143193331387014ccd1040c814dee8b2164bb4f064cff000

---

本文由博客群发一文多发等运营工具平台 OpenWrite 发布