正則表達(dá)式是一種用來匹配字符串的強(qiáng)有力的武器。它的設(shè)計(jì)思想是用一種描述性的語言來給字符串定義一個(gè)規(guī)則，凡是符合規(guī)則的字符串，我們就認(rèn)為它“匹配”了，否則，該字符串就是不合法的。
1.表達(dá)式語法
| 字符 | 說明 |
|---|---|
\d |
匹配 0～9 中的一個(gè)數(shù)字（digital）。如一個(gè)'\d'可以匹配一個(gè)'9'
|
\w |
匹配一個(gè)單詞字符，包括0~9的所有數(shù)字、 26 個(gè)英文字母和下畫線_ |
\W |
匹配所有的非單詞字符 |
\s |
匹配所有的空白字符，包括空格、制表符、回車符、換頁符、換行符等。\S匹配所有非空白字符 |
{} |
用于標(biāo)記前面子表達(dá)式的出現(xiàn)頻度。{n} = n；{n, m} = [n, m]；{n,} >= n；{,m}<=m |
[] |
表示范圍，如：[0-9a-zA-Z\_]可以匹配一個(gè)數(shù)字、字母或者下劃線 |
() |
標(biāo)記子表達(dá)式（也就是組）的開始位置和結(jié)束位置 |
. |
可匹配除換行符之外的任意單個(gè)字符，要匹配'.'則使用'\.'
|
* |
指定前面子表達(dá)式可以出現(xiàn)零次或多次。[0, n] |
+ |
指定前面子表達(dá)式可以出現(xiàn)一次或多次。[1, n] |
? |
指定前面子表達(dá)式可以出現(xiàn)零次或一次。[0, 1] |
| |
兩項(xiàng)之間任選一項(xiàng)。'(P|p)ython'可以匹配'Python'或者'python'
|
^ |
匹配一行的開頭，[]中表示求否。'^\d'表示必須以數(shù)字開頭，[^a-f]表示不在a-f范圍內(nèi)的任意字符 |
$ |
匹配一行的結(jié)尾。'\d$'表示必須以數(shù)字結(jié)束 |
例：
-
\s+表示至少有一個(gè)空格，匹配' '等 -
\d{3,8}表示3~8個(gè)數(shù)字，匹配12345等 -
\d{3}\-\d{3,8}匹配010-1234等，其中-是特殊字符需用\轉(zhuǎn)義。 -
[a-zA-Z\_][0-9a-zA-Z\_]*可以匹配由字母或下劃線開頭，后接任意個(gè)由一個(gè)數(shù)字、字母或者下劃線組成的字符串，也就是Python合法的變量
2.re模塊
Python提供re模塊，包含所有正則表達(dá)式的功能。由于Python的字符串本身也用\轉(zhuǎn)義，建議使用Python的r前綴，就不用再考慮轉(zhuǎn)義的問題。
-
字符串匹配
re.match(pattern, string, flags=0)
(1) re.match(r'^\d{3}\-\d{3,8}$', '010-1234')
(2) re.match(r'^\d{3}\-\d{3,8}$', '010 1234')
match()方法判斷是否匹配，如果匹配成功，返回一個(gè)Match對(duì)象，否則返回None。
-
切分字符串
re.split(pattern, string, maxsplit=0, flags=0)
(1) re.split(r'[\s,]+', 'a,b, c d')
(2) re.split(r'[\s,;]+', 'a,;;b, ; , c d')
如果maxsplit不為零，則最多會(huì)發(fā)生maxsplit分割，并將字符串的其余部分作為列表的最后一個(gè)元素返回。
3.子表達(dá)式（組）
除了簡單地判斷是否匹配之外，正則表達(dá)式還有提取子串的強(qiáng)大功能。用()表示的就是要提取的分組（Group）。
m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')
print(m) # <_sre.SRE_Match object; span=(0, 9), match='010-12345'>
print(m.group(0)) # '010-12345'
print(m.group(1)) # '010'
print(m.group(2)) # '12345'
print(m.groups()) # ('010', '12345')
如果正則表達(dá)式中定義了組，就可以在Match對(duì)象上用group()方法提取出子串來。group(0)永遠(yuǎn)是原始字符串，group(1)、group(2)……表示第1、2、……個(gè)子串。
4.貪婪模式與勉強(qiáng)模式
正則匹配默認(rèn)是貪婪匹配，也就是匹配盡可能多的字符。
in: re.match(r'^(\d+)(0*)$', '102300').groups()
out: ('102300', '')
由于\d+采用貪婪匹配，直接把后面的0全部匹配了，結(jié)果0*只能匹配空字符串了。
只要在頻度限定之后添加一個(gè)英文問號(hào)?，貪婪模式就變成了勉強(qiáng)模式，所謂勉強(qiáng)模式，指的是表達(dá)式中的模式會(huì)盡可能少地匹配字符 。
in: re.match(r'^(\d+?)(0*)$', '102300').groups()
out: ('1023', '00')
5.表達(dá)式旗標(biāo)
| 旗標(biāo) | 說明 |
|---|---|
re.A 或 re.ASCII
|
該旗標(biāo)控制\w, \W, \b，\B，\d，\D，\s 和\S 只匹配 ASCII 字符，對(duì)應(yīng)于行內(nèi)旗標(biāo)(？a)
|
re.DEBUG |
顯示編譯正則表達(dá)式的 Debug 信息 。無行內(nèi)旗標(biāo) 。 |
re.I 或 re.IGNORECASE
|
使用正則表達(dá)式匹配時(shí)不區(qū)分大小寫 。 對(duì)應(yīng)于正則表達(dá)式中的(?i)行內(nèi)旗標(biāo) 。 |
re.U 或 re.Unicode
|
同re.A，控制...只匹配unicode字符，Python 3.x 默認(rèn)匹配所有的Unicode字符 |
re.S 或 re.DOTALL
|
讓點(diǎn)(．)能匹配包括換行符在內(nèi)的所有字符。行內(nèi)旗標(biāo)： (?s)
|
r.M 或 re.MULTILINE
|
多行模式旗標(biāo)。使^和$能匹配字符串每行開頭和結(jié)尾。行內(nèi)旗標(biāo)：(?m)
|
re.X 或 re.VERBOSE
|
通過該旗標(biāo)允許分行書寫正則表達(dá)式，也允許為正則表達(dá)式添加注釋。行內(nèi)旗標(biāo)：(?x)
|
例：
re.findall(r'\w*', '102就300', re.A) # ['102', '', '300', '']
re.findall(r'(?a)\w*', '102就300') # ['102', '', '300', '']
a = re.compile(r'''020 #廣州的區(qū)號(hào)
\- # 中間的短橫線
\d{8} # 8個(gè)數(shù)值''', re.X)
# a: re.compile(r'020 #廣州的區(qū)號(hào)\n\- # 中間的短橫線\n\d{8} # 8個(gè)數(shù)值', re.UNICODE|re.VERBOSE)
多個(gè)旗標(biāo)可以通過按位 OR(|) 來指定。
6.編譯
當(dāng)我們在Python中使用正則表達(dá)式時(shí)，re模塊內(nèi)部會(huì)干兩件事情：
（1）編譯正則表達(dá)式，如果正則表達(dá)式的字符串本身不合法，會(huì)報(bào)錯(cuò)；
（2）用編譯后的正則表達(dá)式去匹配字符串。
如果一個(gè)正則表達(dá)式要重復(fù)使用幾千次，出于效率的考慮，我們可以預(yù)編譯該正則表達(dá)式。
import re
# 編譯
re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$')
# 使用
re_telephone.match('010-12345').groups() # ('010', '12345')
編譯后生成Regular Expression對(duì)象，由于該對(duì)象自己包含了正則表達(dá)式，所以調(diào)用對(duì)應(yīng)的方法時(shí)不用給出正則字符串。
望指正，躬拜！
參考：
- 廖雪峰的官方網(wǎng)站-python教程
- 瘋狂python講義
