正则表达式

概念

用来表示一组字符串的表达式，通用字符串表达框架，十分强大。
主要应用在字符串匹配中。

操作符

操作符	说明	实例
.	表示任何单个字符
[ ]	字符集，对单个字符给出取值范围	[abc]表示a、b、c，[a‐z]表示a到z单个字符
[^ ]	非字符集，对单个字符给出排除范围	[^abc]表示非a或b或c的单个字符
*	前一个字符0次或无限次扩展	abc* 表示ab、abc、abcc、abccc等
+	前一个字符1次或无限次扩展	abc+ 表示abc、abcc、abccc等
?	前一个字符0次或1次扩展	abc? 表示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表示abbc
{m,n}	扩展前一个字符m至n次（含n）	ab{1,2}c表示abc、abbc
^	匹配字符串开头	^abc表示abc且在一个字符串的开头
$	匹配字符串结尾	abc$表示abc且在一个字符串的结尾
( )	分组标记，内部只能使用\| 操作符	(abc)表示abc，(abc\|def)表示abc、def
\d	数字，等价于[0‐9]
\w	单词字符，等价于[A‐Za‐z0‐9_]

实例

表达式	对应字符串
^[A‐Za‐z]+$	由26个字母组成的字符串
^[A‐Za‐z0‐9]+$	由26个字母和数字组成的字符串
^‐?\d+$	整数形式的字符串
^[0‐9][1‐9][0‐9]$	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

IP地址匹配：

范围：

0‐99：[1‐9]?\d
100‐199: 1\d{2}
200‐249: 2[0‐4]\d
250‐255: 25[0‐5]

整式：

(([1‐9]?\d|1\d{2}|2[0‐4]\d|25[0‐5]).){3}([1‐9]?\d|1\d{2}|2[0‐4]\d|25[0‐5])

Re库

Python标准库

import re

raw string类型

raw string类型（原生字符串类型）
re库采用该类型来表示正则表达式：

1
2
3

r'text'
r'[1‐9]\d{5}'
r'\d{3}‐\d{8}|\d{4}‐\d{7}'

在该类型中反斜杠"\"不再表示转义。
这是个知识点，Python课里就有个学姐做练习时没有在表达式前加r，所以匹配不出结果。
不加r就是string类型，re库也支持用string类型来表示正则表达式，不过要繁琐一些。

1 2	'[1‐9]\\d{5}' '\\d{3}‐\\d{8}\|\\d{4}‐\\d{7}'

建议正则表达式里包含转义符时使用raw string类型

Re库主要功能函数

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

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.search(pattern,string,flags=0)

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

常用控制标记	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作匹配开始
re.S re.DOTALL	正则表达式中的.操作符能够匹配所有字符，默认匹配除换行外的所有字符

>>> import re
>>> match = re.search(r'[1-9]\d{5}', 'BIT100081')
>>> if match:
	print(match.group(0))

	
100081

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.match(pattern,string,flags=0)

划重点：开始位置起匹配

>>> match = re.match(r'[1-9]\d{5}', 'BIT 100081')
>>> if match:
	match.group(0)

	#无输出
>>> match.group(0)#直接调用报错，说明没有匹配到
Traceback (most recent call last):
  File "<pyshell#9>", line 1, in <module>
    match.group(0)
AttributeError: 'NoneType' object has no attribute 'group'
>>> match = re.match(r'[1-9]\d{5}', '100081 BIT')
>>> if match:
	match.group(0)

	
'100081'

re.findall()

搜索字符串，以列表类型返回全部能匹配的子串

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

1
2
3

>>> ls = re.findall(r'[1-9]\d{5}', 'BIT100081 TSU100084')
>>> ls
['100081', '100084']

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

maxsplit: 大分割数，剩余部分作为后一个元素输出

>>> re.split(r'[1-9]\d{5}', 'BIT100081 TSU100084')
['BIT', ' TSU', '']
>>> re.split(r'[1-9]\d{5}', 'BIT100081 TSU100084', maxsplit=1)
['BIT', ' TSU100084']

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.finditer(pattern,string,flags=0)

>>> for m in re.finditer(r'[1-9]\d{5}', 'BIT100081 TSU100084'):
	if m:
		print(m.group(0))

		
100081
100084

re.sub()

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

re.sub(pattern,repl, string,count=0,flags=0)

repl: 替换匹配字符串的字符串
string : 待匹配字符串
count : 匹配的大替换次数

1 2	>>> re.sub(r'[1-9]\d{5}', ':zipcode', 'BIT100081 TSU100084') 'BIT:zipcode TSU:zipcode'

等价用法

1	>>> rst = re.search(r'[1‐9]\d{5}', 'BIT 100081')

1 2	>>> pat = re.compile(r'[1‐9]\d{5}') >>> rst = pat.search('BIT 100081')

两种用法是等价的。
第一种是一次性操作的函数式用法。
而第二种是面向对象的用法，通过re.compile将正则表达式字符串编译成正则表达式对象，可以在编译后多次使用。

re.compile()

将正则表达式的字符串形式编译成正则表达式对象

1	regex = re.compile(pattern,flags=0)

正则表达式对象同样具有search(),match()等方法且用法类似。

Match对象

Match对象是一次匹配的结果，包含了匹配的很多信息

>>> match=re.search(r'[1‐9]\d{5}', 'BIT 100081') >>> if match:
		print(match.group(0))  
>>> type(match)
<class '_sre.SRE_Match'>

属性

属性	说明
.string	待匹配的文本
.re	匹配时使用的patter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

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())

实例

>>> match = re.search(r'[1‐9]\d{5}', 'BIT100081 TSU100084')
>>> m.string
'BIT100081 TSU100084'
>>> m.re
re.compile('[1-9]\\d{5}')
>>> m.pos
0
>>> m.endpos
19
>>> m.group(0)
'100084'
>>> m.start()
13
>>> m.end()
19
>>> m.span()
(13, 19)

Re库的贪婪匹配和最小匹配

Re库默认采用贪婪匹配，即匹配最长的子串

1
2
3

>>> match = re.search(r'PY.*N', 'PYANBNCNDN') 
>>> match.group(0)
'PYANBNCNDN'

通过在操作符后加?变成最小匹配

1
2
3

>>> match = re.search(r'PY.*?N', 'PYANBNCNDN')
>>> match.group(0)
'PYAN'

最小匹配操作符

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

linux课里也要求学正则，vim里查找替换时用到，表单也用正则来校验，既然是通用框架，牛逼就完事了。