Python - 正则表达式

*正则表达式: 是用于快速从一大堆字符中快速找出想要的子字符串的一种表达方式 , 函数+表达方式=快速找出子字符串。
在正则表达式中,如果直接给出字符,就是精确匹配。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';
.可以匹配任意字符,所以: 'py.'可以匹配'pyc'、'pyo'、'py!'等等。
要匹配变长的字符,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.
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。
1.正则表达式re.match()函数: 原型==> match(正则表达式, 要匹配的字符串, flags=0)
功能: 从字符串的起始位置匹配一个模式, 如果没有匹配到就返回None.
2.正则表达式re.search()函数: 原型==> search(正则表达式, 要匹配的字符串, flags=0)
功能: 扫描整个字符串, 并返回第一个成功的匹配.
3.正则表达式re.findall()函数: 原型==> findall(正则表达式, 要匹配的字符串, flags=0)
功能: 扫描整个字符串, 并返回整个结果列表.
flags: 标志位, 用于控制正则表达式的匹配方式, 有以下6个值:
re.I: 忽略大小写
re.L: 做本地化识别(基本用不上)
re.M: 多行匹配, 影响^和$
re.S: 使.匹配包括换行符在内的所有字符
re.U: 根据Unicode字符集解析字符, 影响\w \W \b \B
re.X: 使我们以更灵活的格式理解正则表达式(也不常用)
^: 匹配是不是以某某开头的, 如果不是则返回None
$: 匹配是不是以某某结尾的, 如果不是则返回None

[34578]: 取34578中的任意一个.
==> 分组: 除了简单地判断是否匹配之外,正则表达式还有提取子串的强大功能。用()表示的就是要提取的分组(Group)。比如:
>>>str = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')
>>>str
<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
>>> str.group(0)
'010-12345'
>>> str.group(1)
'010'
>>> str.group(2)
'12345'
>>> str.groups()
('010-12345', '010', '12345')
==> 编译: 如果一个正则表达式要重复使用几千次,出于效率的考虑,我们可以预编译该正则表达式,接下来重复使用时就不需要编译这个步骤了,直接匹配.
>>>re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$')
>>> re_telephone.match('010-12345').group(1)
'010'
>>> re_telephone.match('027-12345').group(1)
'027'

相关推荐