常用的正则通配符与表达式
| 表达式 | 说明 |
|---|---|
| \d | 一个数字 |
| \w | 一个字母或数字 |
| . | 除换行符 \n 之外的任何单字符 |
| * | 0个或多个字符 |
| + | 一个或多个字符 |
| ? | 0个或一个字符 |
| {n} | n个字符 |
| {n,m} | n-m个字符 |
| \s | 一个空白符（包括Tab、换行等） |
\- |
匹配 - 字符（转义） |
| [0-9a-zA-Z\_] | 一个数字、字母或者下划线 |
| [0-9a-zA-Z\_]+ | 至少由一个数字、字母或者下划线组成的字符串 |
[a-zA-Z\_][0-9a-zA-Z\_]* |
Python合法的变量 |
| (A丨B) | A或B |
| ^ | 行的开头 |
| $ | 行的结束 |
re模块正则匹配
import re
if re.match(r'^\d{3}\-\d{3,8}$', '010-12345'):
print('ok')
else:
print('failed')切分字符串
>>> re.split(r'\s+', 'a b c')
['a', 'b', 'c']
>>> re.split(r'[\s\,\;]+', 'a,b;; c d')
['a', 'b', 'c', 'd']分组
^(\d{3})-(\d{3,8})$ 分别定义了两个组，可以直接从匹配的字符串中提取出区号和本地号码：
>>> m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')
>>> m
<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
>>> m.group(0)
'010-12345'
>>> m.group(1)
'010'
>>> m.group(2)
'12345'贪婪匹配
正则匹配默认是贪婪匹配，也就是匹配尽可能多的字符。如下，匹配出数字后面的0：
>>> re.match(r'^(\d+)(0*)$', '102300').groups()
('102300', '')由于\d+采用贪婪匹配，直接把后面的0全部匹配了，结果0*只能匹配空字符串了。
必须让\d+采用非贪婪匹配（也就是尽可能少匹配），才能把后面的0匹配出来，加个?就可以让\d+采用非贪婪匹配：
>>> re.match(r'^(\d+?)(0*)$', '102300').groups()
('1023', '00')预编译正则表达式
在Python中使用正则表达式时，re模块内部会干两件事情：
- 编译正则表达式，如果正则表达式的字符串本身不合法，会报错；
- 用编译后的正则表达式去匹配字符串。
如果一个正则表达式要重复使用很多次，出于效率的考虑，可以预编译该正则表达式，重复使用时就不需要编译可以直接匹配：
>>> import re
# 编译:
>>> re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$')
# 使用：
>>> re_telephone.match('010-12345').groups()
('010', '12345')
>>> re_telephone.match('010-8086').groups()
('010', '8086')