正则（上）

字符串的表现形式

• '\n' 代表一个字符 n，只是这个 n 的意思（换行）与平时（字母 n）不一样，故称为「转义字符」，反斜杠标识该字符与众不同而已
• r'\n' 代表两个字符，一个是反斜杠，一个是字母 n

正则原理

rex = r'a.d'                  # 正则文本
original_str = 'and'          # 原始文本
pattern = re.compile(rex)      #正则文本编译成正则对象
print(type(pattern))           # 
print(pattern.match(original_str))# <_sre.SRE_Match object; span=(0, 3), match='and'>

等价于：

print(re.match(r'a.d', 'and'))    # <_sre.SRE_Match object; span=(0, 3), match='and'>

Pattern 对象匹配原始文本，成功匹配则返回 Match 对象，匹配失败返回 None

元字符

正则表达式由「普通字符」和「元字符」组成
基本元字符和预设元字符都只是匹配一个字符

• 基本元字符

• .：匹配除换行符以外的任意一个字符
• \： 转义字符，使元字符具有本来的意义
• [...]：匹配方括号中的任意一个字符， “[]” 中的元字符失效，变为普通字符
• [^ ...]：字符集取反，表示只要不是括号中出现的字符都可以匹配

print(re.match(r'a.d', 'a\nd'))   # None，点不能匹配换行符
print(re.match(r'a.d', 'a\bd'))   # 匹配成功！

print(re.match(r'a\.d', 'a.d'))   # 点此处是普通字符

print(re.match(r'a[.*?]d', 'and'))  # None  点在此处是普通字符
print(re.match(r'a[a-z]d', 'and'))  # 中括号内加 - ，表示范围

print(re.match(r'a[^0-9]d', 'and'))    # 中括号内第一个字符是 ^ ，表示非

• 预设元字符

• \s：匹配一个空白字符，空格、换行等，与 \S 相反

• \d：匹配一个数字，即：[0-9]，与 \D 相反

• \w：匹配一个字母、数字、下划线，即：[A-Za-z0-9_]，与 \W 相反

• 边界匹配

• ^：匹配字符开头

• $：匹配字符结尾

• 重复匹配

• * 重复匹配 x 次，即零次或以上

• ? 重复匹配零次或者一次

• + 重复匹配一次或者多次

• {n} 重复匹配n次

• {n,} 重复匹配至少n次

• {n, m} 重复匹配n到m次

• 逻辑分支

逻辑分支条件字符 |，它把表达式分为左右两部分，先尝试匹配左边部分，如果匹配成功就不再匹配右边部分了

re.match(r"\d{3}-\d{8}|\d{4}-\d{7}", "010-34827637")  # 匹配成功

• 分组

# 圆括号括起来表示分组
print(re.match(r"(\d+)(\w+)", "1234abcd").group())    # 1234abcd
print(re.match(r"(\d+)(\w+)", "1234abcd").group(0))   # 同上
print(re.match(r"(\d+)(\w+)", "1234abcd").group(1))   # 1234
print(re.match(r"(\d+)(\w+)", "1234abcd").group(2))   # abcd

# 指定组名：(?P正则)
print(re.match(r"(?P\d+)(?P\w+)", "1234abcd").group('digital')) # 1234

• 贪婪与非贪婪匹配

print(re.match(r"a.*b", "aaabcb").group())    # aaabcb 默认贪婪匹配
print(re.match(r"a.*?b", "aaabcb").group())   # aaab  非贪婪匹配：量词后面加问号