正则表达式初识

正则表达式--元字符

• [ ]

-用来指定一个字符集合（字符直接是“或”的关系，不是一个特定的字符串，跟‘abc’不同）：[abc]，[a-z]

-在字符集中，元字符$不起作用[abc$],[$abc],元字符^在字符串尾不起作用[abc^],就是普通字符。

-元字符在字符集首表示匹配补集，[^abc]就是匹配除了a,b,c以外的字符。

• ^

-匹配行首，位于字符串首。制定规则res = r'^abc',为匹配行首是abc；规则s = r'^[abc]',为匹配行首是a,b,c.

• $

-匹配行尾，位于字符串尾。定规则res = r'abc$',为匹配行尾是abc；规则s = r'[abc]$',为匹配行尾是a,b,c.

• \

-反斜杠后可以加不同的字符表示不同的特殊意义

-也可以取消元字符：\\ 或\[

\d 匹配任何十进制数，相当于[0-9];

\D 匹配任何非十进制数，相当于[^0-9];

\s 匹配任何空白字符：相当于[\t\n\r\f\v];

\S 匹配任何非空白字符：相当于[^\t\n\r\f\v];

\d 匹配任何字母数字字符，相当于[a-zA-Z0-9_];#注：难怪很多密码或邮箱只允许下划线和字母数字。

\D 匹配任何非字母数字字符，相当于[^a-zA-Z0-9_]。

举个栗子：import rer = r'010-\d\d\d\d\d\d\d\d'#电话号码re.findall(r, '010-87654321')结果[010-87654321]#匹配电话号码格式，输出

• 重复

-正则表达式第一功能是能够匹配不定长的字符集，另一个功能就是可以指定正则表达式的一部分的重复次数。

• *

-指定前一个字符可以被匹配0次或更多次，而不是只有一次。匹配引擎会试着重复尽可能多的次数。

• +

-表示匹配一次或更多次。

-*和+之间的不同在于：*下，字符可以不出现（匹配0次），而+则要求至少出现一次。

• ?

-匹配一次或零次，可以认为用于标记某事物是可选的（0 or 1）。

再一个栗子：>>>r = r'^010-?\d{8}'#电话号码的规则，有人不会打-，所以用-?表示-可选>>>re.findall(r, '010-12345678')

['010-12345678']

• {m,n}

-其中m和n是十进制整数。意思是至少有m个重复，至多到n次重复。

三只栗子：>>>r = r'a{1，3}'>>>re.findall(r, 'aaaaa')

['aaa', 'aa']#aaaaa是5个a，而不是一个组合

-忽略m，默认下边界为0 ；忽略n，会使上边界无穷大。

-{0, }等于*，{1, }等于+，而{0,1}则等于?。所以在应用中，优先选择*，+，?.