python 学习笔记十八 正则表达式

正则表达式简介

• 正则表达式(或RE)是一种小型的、高度专业化的编程语言，在python中内嵌在python中，并通过re模块实现，正则表达式被编译成一系列的字节码，然后通过c编写的匹配引擎执行。
• 正则表达式就是描述字符串排列的一种规则，其主要用于字符串的匹配，经常用于找到某一类符合格式要求的数据；在python中我们经常用re模块来实现正则表达式

正则表达式基础

原子

原子是正则表达式最基本的组成单位，正则表达式至少包含一个一个原子，常见的原子有：

• 普通字符
• 非打印字符
• 通用字符
• 原子表

普通字符
普通字符如数字，字母，下划线等都可以作为原子，yes中含有三个原子：y、e、s

hello中含有he，所以匹配成功

非打印字符
非打印字符指的是字符串中用于格式控制的符号常见的有\n换行符，\t制表符

a中有换行，所以匹配成功

通用字符
通用字符：一个原子可以匹配一类字符，人们常用的
常见的通用字符及其意义

字符	意义
\w	匹配任意一个字母、数字或下划线
\W	匹配除字母、数字和下划线以外的任意一个字符
\d	匹配任意一个十进制数
\D	匹配除十进制数以外的任意一个字符
\s	匹配任意一个空白字符
\S	匹配除空白字符以外的任意一个字符

匹配a中含有wpython的部分

原子表
原子表用[]表示，使用原子表可以定义一组地位平等的原子，匹配的时候取原子表中任意一个原子进行匹配，如[abc]str可以匹配字符串‘astr’，‘bstr’，‘cstr’；[^]代表除原子表里的均可以匹配，如 [^abc]str可以匹配[d-z]str，不能匹配
‘astr’，‘bstr’，‘cstr’

元字符

元字符：正则表达式中具有特殊含义的字符；元字符分为任意匹配字符，边界限制元字符，界定符，模式选择符，模式单元等

任意匹配字符
任意匹配字符‘.’，可用于匹配一个除换行符以外的任意字符

边界限制元字符

• 用‘^‘匹配字符串的开始， ‘^abc‘表示可以匹配以abc开头的字符串，其余均不匹配
  
• 用’$‘匹配字符串的结束，‘abc$‘表示可以匹配以abc结尾的字符串，其余均不匹配
  

限定符

常见限定符及其含义

限定符	含义
*	匹配0次、1次或多次前面的原子
？	匹配0次、1次前面的原子
+	匹配1次或多次前面的原子
{n}	前面的原子恰好出现n次
{n,}	前面的原子至少出现n次
{n,m}	前面的原子至少出现n次，至多出现m次
|	模式选择符
()	模式单元符

• *实例
  匹配任意次，可以是0次
  

• ?实例
  匹配0次或1次表示可以匹配不到
  

• +实例
  匹配一次或多次，不能是0次
  

• {n}实例
  {n}匹配前面原子恰好出现n次，其余不匹配
  

• {n,}实例
  {n,}匹配前面原子出现次数大于等于n，小于n的无法匹配
  

• {n,m}实例
  匹配前面原子出现次数在[n,m]之间
  
  模式选择符
  模式选择符’|'可以设置多个匹配模式，匹配时满足任意一个都可以
  
  模式单元符
  模式单元符‘()’，可以用()将原子组合成一个整体用于匹配，如(aa)表示把aa当做一个整体进行匹配，此时字符a是无法匹配的
  

模式修正

在不修改正则表达式前提下，模式修正可以修正正则表达式的含义，从而调整匹配结果。

常见模式修正符及其含义

修正符	含义
I	匹配时忽略大小写
X	匹配时忽略模式中的空白
S	将字符串看作单行，换行符看做普通字符

• I 实例
  加I之后忽略字母的大小写
  
• X 实例
  加x后忽略pattern中的空白
  
• S 实例
  加S后可以匹配换行符\n
  

贪婪模式、懒惰模式

贪婪模式就是尽可能多的匹配，懒惰模式就是尽可能少的匹配。
常见的贪婪模式 .* 匹配任意多个任意字符，非贪婪就在贪婪模式中的*或+后面加？即可。

可以发现贪婪模式尽可能多的匹配结果，非贪婪模式则匹配到第一个结果后就直接返回结果

常用函数

re.match()

用于从源字符串的起始位置匹配一个模式，如果匹配成功则返回匹配的结果，否则返回None，匹配成功后可以使用.span()返回在源字符串中的位置

re.match(pattern,string,flag)

• pattern：匹配的表达式
• string：源字符串
• flag：标志位，可以填写模式修正符

该方法的局限性是只能从起始位置开始匹配

re.search()

用于匹配源字符串是否含有与模式相同的子串，如果匹配成功则返回匹配的结果，否则返回None，匹配成功后可以使用.span()返回在源字符串中的位置

re.search(pattern,string,flag)

• pattern：匹配的表达式
• string：源字符串
• flag：标志位，可以填写模式修正符

该方法可以匹配整个字符串，但只会返回第一次出现的位置

全局匹配函数

re.complie()对正则表达式进行预编译，完成后使用findall()找出所有匹配结果

re.sub()

根据正则表达式来实现替换某些字符串
re.sub(pattern,rep,string,max)

• pattern：正则表达式
• rep：替换后留下的字符串
• string：用于被替换的字符串
• max：最多替换的次数，不填就会全部替换