python笔记-正则表达式

Python 正则表达式

基础

1. 用\d可以匹配一个数字，\w可以匹配一个字母或数字，所以：

• '00\d'可以匹配'007'，但无法匹配'00A'；
• '\d\d\d'可以匹配'010'；
• '\w\w\d'可以匹配'py3'；

2. .可以匹配任意字符，所以：

• 'py.'可以匹配'pyc'、'pyo'、'py!'等等。

3. 匹配变长的字符
   在正则表达式中，用*表示任意个字符（包括0个），用+表示至少一个字符，用?表示0个或1个字符，用{n}表示n个字符，用{n,m}表示n-m个字符。
   下面看一个具体的例子：\d{3}\s+\d{3,8}

• \d{3}表示匹配3个数字，例如'010'；
• \s可以匹配一个空格（也包括Tab等空白符），所以\s+表示至少有一个空格，例如匹配' '，' '等；
• \d{3,8}表示3-8个数字，例如'1234567'。

---

进阶

1. 用[]表示范围，比如：

• [0-9a-zA-Z\_]可以匹配一个数字、字母或者下划线；
• [0-9a-zA-Z\_]+可以匹配至少由一个数字、字母或者下划线组成的字符串，比如'a100'，'0_Z'，'Py3000'等等；
• [a-zA-Z\_][0-9a-zA-Z\_]*可以匹配由字母或下划线开头，后接任意个由一个数字、字母或者下划线组成的字符串，也就是Python合法的变量；
• [a-zA-Z\_][0-9a-zA-Z\_]{0, 19}更精确地限制了变量的长度是1-20个字符（前面1个字符+后面最多19个字符）。

2. A|B可以匹配A或B，所以(P|p)ython可以匹配'Python'或者'python'。
3. ^表示行的开头，^\d表示必须以数字开头。
4. $表示行的结束，\d$表示必须以数字结束。

---

re模块

推荐使用 Python 的r前缀，就不用考虑转义。

切分字符串

>>>re.split(r'[\s\,\;]+', 'a,b;; c  d')
['a', 'b', 'c', 'd']

分组

正则表达式有提取子串的强大功能。用()表示的就是要提取的分组（Group）。

>>> t = '19:05:30'
>>> m = re.match(r'^(0[0-9]|1[0-9]|2[0-3]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$', t)
>>> m.groups()
('19', '05', '30')

---

贪婪匹配

正则匹配默认是贪婪匹配，也就是尽可能多的字符，例子如下：

>>> re.match(r'^(\d+)(0*)$', '102300').groups()
('102300', '')

加个?采用非贪婪匹配：

>>> re.match(r'^(\d+?)(0*)$', '102300').groups()
('1023', '00')