python学习笔记(十一) - 正则表达式

一.基础知识：

\d 匹配一个数字

\w 匹配一个字母或数字

. 匹配任意字符

* 表示任意个字符

+ 表示至少一个字符

? 表示0个或1个字符

{n} 表示n个字符，{n, m} 表示n - m个字符

\s 表示匹配一个空格(包括Tab等空白符)，\s+表示至少一个空格

[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

[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

[a-zA-Z\_][0-9a-zA-Z\_]{0, 19} 限制前面只有一个字符+后面最多19个字符

A|B可以匹配A或B

^ 表示行的开头

$ 表示行的结束

注意：特殊字符需要用\进行转义，但如果使用python的r前缀，就不用考虑转义的问题。

二.re模块

match方法判断是否匹配，如果匹配成功，返回一个Match对象，否则返回None

import retest='010-12345'if re.match(r'^\d{3}-\d{5}$', test):print 'ok'else:print 'failed'

三.切分字符串

用正则表达式切分字符串更为灵活：

import re# 常规切分 ['a', 'b', '', '', 'c']print 'a b   c'.split(' ')# 使用正则, 可以识别连续空格 ['a', 'b', 'c', 'd']print re.split(r'[\s\,]+', 'a,b, c  d')# 使用正则, 可以识别按照多个字符切分 ['a', 'b', 'c', 'd']print re.split(r'[\s\,\;]+', 'a,b;; c  d')

四.分组

正则表达式有提取子串的功能，使用()表示要提取的分组(group)

如下：可以从匹配的字符串中提取出区号和本地号码

import rem = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')print m.group(0) # '010-12345'print m.group(1) # '010'print m.group(2) # '12345'

五.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：

import reprint 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')

六.编译

当我们在python中使用正则表达式时，re模块内部会干两件事情：

1. 编译正则，如果正则的字符串本身不合法，会报错；

2.用编译后的正则去匹配字符串

如果一个正则要重复使用很多次，出于效率考虑，我们可以进行预编译，下次使用就不用编译了

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')