Python学习笔记（2）正则表达式

正则表达式是一个特殊的字符序列，它能帮助你方便的检查一个字符串是否与某种模式匹配。

在 Python 中，使用 re 模块提供的函数来处理正则表达式，允许你在字符串中进行模式匹配、搜索和替换操作。

1 正则表达式

正则表达式(Regular Expression)是一种文本模式，包括普通字符（例如，a 到 z 之间的字母）和特殊字符（称为"元字符"），可以用来描述和匹配字符串的特定模式。

正则表达式是一种用于模式匹配和搜索文本的工具。

正则表达式提供了一种灵活且强大的方式来查找、替换、验证和提取文本数据。

下面先给出一个简单的示例：

• ^ 为匹配输入字符串的开始位置。
• [0-9]+匹配多个数字， [0-9] 匹配单个数字，+ 匹配一个或者多个。
• abc$匹配字母 abc 并以 abc 结尾，$ 为匹配输入字符串的结束位置。

再举一个例子，只允许用户名包含字符、数字、下划线和连接字符 -：

• ^ 表示匹配字符串的开头。
• `[a-zA-Z0-9_-]`` 表示字符集，包含小写字母、大写字母、数字、下划线和连接字符 -。
• {3,15} 表示前面的字符集最少出现 3 次，最多出现 15 次，从而限制了用户名的长度在 3 到 15 个字符之间。
• $ 表示匹配字符串的结尾。

以上的正则表达式可以匹配 runoob、runoob1、run-oob、run_oob， 但不匹配 ru，因为它包含的字母太短了，小于 3 个无法匹配。也不匹配 runoob$, 因为它包含特殊字符。

1.1 正则表达式元字符和特性

1.1.1 字符匹配

普通字符： 普通字符按照字面意义进行匹配，例如匹配字母 “a” 将匹配到文本中的 “a” 字符。
元字符： 元字符具有特殊的含义，例如 \d 匹配任意数字字符，\w 匹配任意字母数字字符，. 匹配任意字符（除了换行符）等。

1.1.2 量词

• *：匹配前面的模式零次或多次。
• +：匹配前面的模式一次或多次。
• ?：匹配前面的模式零次或一次。
• {n}：匹配前面的模式恰好 n 次。
• {n,}：匹配前面的模式至少 n 次。
• {n,m}：匹配前面的模式至少 n 次且不超过 m 次。

1.1.3 字符类

• [ ]：匹配括号内的任意一个字符。例如，[abc] 匹配字符 “a”、“b” 或 “c”。
• [^ ]：匹配除了括号内的字符以外的任意一个字符。例如，[^abc] 匹配除了字符 “a”、“b” 或 “c” 以外的任意字符。

1.1.4 边界匹配

• ^：匹配字符串的开头。
• $：匹配字符串的结尾。
• \b：匹配单词边界。
• \B：匹配非单词边界。

1.1.5 分组和捕获

• ( )：用于分组和捕获子表达式。
• (?: )：用于分组但不捕获子表达式。
  特殊字符
• \：转义字符，用于匹配特殊字符本身。
• .：匹配任意字符（除了换行符）。
• |：用于指定多个模式的选择。

详细教程参考：https://www.runoob.com/regexp/regexp-tutorial.html

2 Python的正则表达式处理模块

2.1 re.match函数

re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match() 就返回 None。

函数语法：

re.match(pattern, string, flags=0)
'''
- pattern	匹配的正则表达式
- string	要匹配的字符串。
- flags	    标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。参见：正则表达式修饰符 - 可选标志
'''

import re
print(re.match('www', 'www.runoob.com'))  # 在起始位置匹配
print(re.match('com', 'www.runoob.com'))  # 不在起始位置匹配

运行结果：

第一个输出的是(0,3)，即匹配成功的索引，第二个虽然原字符串中有，但不是从起始位置开始匹配成功的，所以输出None

匹配成功 re.match 方法返回一个匹配的对象，否则返回 None。 我们可以使用 group(num) 或 groups() 匹配对象函数来获取匹配表达式。