记录以备后用
正则表达式的使用
常用操作符
| 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$表示abc且在一个字符串的结尾 |
| ( ) | 分组标记，内部只能使用 | 操作符 | (abc)表示abc，(abc|def)表示abc、def |
| \d | 数字，等价于[0-9] | - |
| \w | 单词字符，等价于[A-Za-z0-9_] | - |
经典正则表达式实例
^[A‐Za‐z]+$：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[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
- 0-99：
[1‐9]?\d - 100-199：
1\d{2} - 200-249：
2[0‐4]\d - 250-255：
25[0‐5] - 总：
(([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])
- 0-99：
Re库主要功能函数
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
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
re.findall(pattern, string, flags=0)
搜索字符串，以列表类型返回全部能匹配的子串
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
re.split(pattern, string, maxsplit=0, flags=0)
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
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maxsplit：最大分割数，剩余部分作为最后一个元素输出flags：正则表达式使用时的控制标记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
re.finditer(pattern, string, flags=0)
搜索字符串，返回一个匹配结果的迭代类型，每个迭代元素是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
re.sub(pattern, repl, string, count=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
pattern：正则表达式的字符串或原生字符串表示repl：替换匹配字符串的字符串string：待匹配字符串count：匹配的最大替换次数flags：正则表达式使用时的控制标记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
Re库另一种等价用法
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
| 函数 | 说明 |
|---|---|
| regex.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 |
| regex.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 |
| regex.findall() | 搜索字符串，以列表类型返回全部能匹配的子串 |
| regex.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 |
| regex.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 |
| regex.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库的Match对象
属性
.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
.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())
Re库的贪婪匹配和最小匹配
Re库默认采用贪婪匹配，即输出匹配最长的子串123match = re.search(r'PY.*N', 'PYANBNCNDN')match.group(0)'PYANBNCNDN'
最小匹配操作符
只要长度输出可能不同的，都可以通过在操作符后增加?变成最小匹配
*?：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
输出最短的子串123match = re.search(r'PY.*?N', 'PYANBNCNDN')match.group(0)'PYAN'