正则表达式Re库介绍

Re库是python的标准库，Re库采用raw string（原生字符串类型）表示正则表达式，如 r’[1-9]\d{5}’。

调用方法 ：

import re

使用原生字符串（即不包含转义符的字符串）类型表示正则表达式会更方便。python有一个转义斜杠’’,在原生字符串中斜杠’'不会被解释成转义符。正则表达式也可以用String类型来表示，但是很繁琐。

电话号码的两种正则表达式写法比较：
raw string原生字符串：r’\d{3}-\d{8}|\d{4}-\d{8}’
String字符串类型：’\\d{3}-\\d{8}|\\d{4}-\\d{8}’
字符串类型中对斜杠‘'进行了转义，为了避免斜杠被转义，我们需要用一个斜杠来转义它，这样子后，原来是杠的，变成杠杠。相比之下，原生字符串就显得方便多了。

Re库主要功能函数

函数	说明
re.search()	返回match对象，在一个字符串搜索匹配正则表达式的第一个位置
re.match()	返回match对象，从一个字符串的开始位置起匹配正则表达式
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

示例代码：

import re


if __name__ == "__main__":
    # search(pattern, string, flags=0)
    # pattern正则表达式，可以是原生字符串类型（前面放个小r），也可以是字符串类型的正则表达式
    # string 待匹配的内容
    # flag是控制标记，有三种：
    # re.I 或 re.IGNORECASE，忽略正则表达式的大小写，[A-Z]也能够匹配小写字符
    # re.M 或 re.MULTILINE ,作用在正则表达式中的^操作符，能够将给定的字符串的每行当作匹配的开始
    # re.S 或 re.DOTALL，作用在正则表达式中的.操作符，能够匹配所有字符，默认匹配除换行外的所有字符。
    match = re.search(r'[1-9]\d{5}', 'China 102256', re.I)
    # 一定要加if判断
    if match:
        print(match.group(0))
    # 从一个字符串的开始位置起匹配正则表达式
    m_match = re.match(r'[1-9]\d{5}', '100002BiT')
    if m_match:
        print(m_match.group(0))
    # 返回列表
    list = re.findall(r'[1-9]\d{5}', 'BIT100005 188898TTu')
    print(list)
    # split(pattern, string, maxsplit=0, flags=0)
    # pattern正则表达式，可以是原生字符串类型（前面放个小r），也可以是字符串类型的正则表达式
    # string 待匹配的内容
    # maxsplit最大分割数，剩余部分将作为最后一个元素输出
    # flag是控制标记，有三种：
    # re.I 或 re.IGNORECASE，忽略正则表达式的大小写，[A-Z]也能够匹配小写字符
    # re.M 或 re.MULTILINE ,作用在正则表达式中的^操作符，能够将给定的字符串的每行当作匹配的开始
    # re.S 或 re.DOTALL，作用在正则表达式中的.操作符，能够匹配所有字符，默认匹配除换行外的所有字符。
    split = re.split(r'[1-9]\d{5}', 'BIT100005 188898TTu', maxsplit=1)
    print(split)
    # 返回一个匹配结果的迭代类型
    for m in re.finditer(r'[1-9]\d{5}', 'BIT100005 188898TTu'):
        if m:
            print(m.group(0))
    # sub(pattern, repl, string, count=0, flags=0):
    # pattern正则表达式，可以是原生字符串类型（前面放个小r），也可以是字符串类型的正则表达式
    # repl 替换匹配字符串的字符串
    # string 待匹配的字符串
    # count匹配替换的最大次数
    # flags控制标记，作用同上
    sub = re.sub(r'[1-9]\d{5}', 'HelloWorld', 'BIT100005 188898TTu')
    print(sub)
    # 以下都是函数式的用法适合一次性操作，还有另外一种面向对象用法，编译后可以多次操作
    # compile可以将正则表达式编译成一个对象
    pat = re.compile(r'[1-9]\d{5}')
    rst = pat.search("BIT 899990")
    print(rst.group(0))

Match对象的属性

属性	说明
.string	待匹配文本
.re	匹配时使用的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对象的四个常用方法

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中的开始位置
.edn()	匹配字符串在原始字符串中的结束位置
.span()	返回(.start(),.end())

示例代码：

import re


if __name__ == "__main__":
    match = re.search(r'[1-9]\d{5}', 'BIT100005 188898TTu')
    print(match.string)
    print(match.re)
    print(match.pos)
    print(match.endpos)

    print(match.group(0))
    print(match.start())
    print(match.end())
    print(match.span())

Re默认采用贪婪匹配，就是返回最长匹配。如果要获得最短匹配，要使用以下最小匹配操作符：

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

当有操作符可以匹配不同长度的时候，可以在这个操作符后面加？，获得最小匹配。

谢谢阅读