Python的正则表达式语法及Re库的应用

正则表达式是用来简洁表达一组字符串的表达式

一、正则表达式的常用操作符

操作符	说明	实例
.	表示任何单个字符
[]	字符集，对单个字符给出取值范围	[abc]表示a、b、c，[a-z]表示a到z单个字符
[^]	非字符集，对单个字符给出排除范围	[^abc]表示非a或b或c的单个字符
*	前一个字符0次或无限次扩展	abc*表示ab、abc、abcc、abccc等
+	前一个字符1次或无限次扩展	abc+表示abc、abcc、abccc等
？	前一个字符0次或1次扩展	abc?表示ab、abc
|	左右表达式任意一个	abc|def表示abc或def
{m}	扩展前一个字符m次	ab{2}c表示abbc
{m,n}	扩展前一个字符m至n次（含n）	ab{1,2}c表示abc、abbc
^	匹配字符串开头	^abc表示abc且在一个字符串的开头
$	匹配字符串结尾	abc$表示abc且在一个字符串的结尾
()	分组标记，内部只能使用|操作符	(abc)表示abc，(abc|def)表示abc、def
\d	数字，等价于[0-9]
\w	单词字符，等价于[A-Za-z0-9]

例子：

正则表达式	对应字符串
P(Y|YT|YTH|YTHO)?N	'PN','PYN','PYTN','PYTHN','PYTHON'
PYTHON+	'PYTHON'，'PYTHONN'，'PYTHONNN'，...
PY[TH]ON	'PYTON'，'PYHON'
PY[^TH]?ON	'PYON','PYaON','PYbON','PYcON',...
PY{:3}N	'PN','PYN','PYYN','PYYYN'
^[A-Za-z]+$	由26个字母组成的字符串
^[A-Za-z0-9]+$	由26个字母和数字组成的字符串
^-?\d+$	整数形式的字符串
^[0-9]*[1-9][0-9]*$	正整数形式的字符串
[1-9]\d{5}	中国境内邮政编码，6位
[\u4e00-\u9fa5]	匹配中文字符
\d{3}-\d{8}|\d{4}-\d{7}	国内电话号码，如010-66885588

二、Re库主要功能函数

函数	说明
re.search()	在一个字符串中搜索匹配正则表达式的第一个位置，返回match对象
re.match()	从一个字符串的开始位置起匹配正则表达式，返回match对象
re.findall()	搜索字符串，以列表类型返回全部能匹配的子串
re.split()	将一个字符串按照正则表达式匹配结果进行分割，返回列表类型
re.finditer()	搜索字符串，返回一个匹配结果的迭代类型，每个迭代元素是match对象
re.sub()	在一个字符串中替换所有匹配正则表达式的子串，返回替换后的字符串

1、语法re.search(pattern,string,flags=0)

pattern:正则表达式的字符串或原生字符串表示

string:待匹配字符串

flags:正则表达式使用时的控制标记，有

• re.I ：忽略正则表达式的大小写，[A-Z]能够匹配小写字符
• re.M：正则表达式的^操作符能够将给定字符串的每行当作匹配开始
• re.S：正则表达式中的.操作符能够匹配所有字符，默认匹配除换行外的所有字符

2、re.match(pattern,string,flags=0)

pattern:正则表达式的字符串或原生字符串表示

string:待匹配字符串

flags:正则表达式使用时的控制标记

3、re.findall(pattern,string,flags=0)

pattern:正则表达式的字符串或原生字符串表示

string:待匹配字符串

flags:正则表达式使用时的控制标记

4、re.split(pattern,string,maxsplit=0,flags=0)

pattern:正则表达式的字符串或原生字符串表示

string:待匹配字符串

maxsplit:最大分割数，剩余部分作为最后一个元素输出

flags:正则表达式使用时的控制标记

5、re.finditer(pattern,string,flags=0)

pattern:正则表达式的字符串或原生字符串表示

string:待匹配字符串

flags:正则表达式使用时的控制标记

6、re.sub(pattern,repl,string,count=0,flags=0)

pattern:正则表达式的字符串或原生字符串表示

repl:替换匹配字符串的字符串

string:待匹配字符串

count:匹配的最大替换次数

flags:正则表达式使用时的控制标记

三、Re库的另一种等价用法

函数式用法：rs = re.search(r'[1-9]\d{5}','BIT 100081')

面向对象用法：

pat = re.compile(r'[1-9]\d{5}')

rs = pat.search('BIT 100081')

说明：regex = re.compile(pattern,flags=0),将正则表达式的字符串形式编译成正则表达式对象。

pattern:正则表达式的字符串或原生字符串表示

flags:正则表达式使用时的控制标记

四、Re库的match对象

Match对象的属性：

属性	说明
.string	待匹配的文本
.re	匹配时使用的pattern对象（正则表达式）
.pos	正则表达式搜索文本的开始位置
.endpos	正则表达式搜索文本的结束位置

Match对象的方法：

方法	说明
.group(0)	获得匹配后的字符串
.start()	匹配字符串在原始字符串的开始位置
.end()	匹配字符串在原始字符串的结束位置
.span()	返回(.start(),.end())

代码说明：

import re
m = re.search(r'[1-9]\d{5}','BIT100081  TSU100084')
m.string    #打印：'BIT100081  TSU100084'
m.re        #打印：re.compile('[1-9]\\d{5}')
m.pos       #打印：0 。搜索开始的位置
m.endpos    #打印：19 。搜索结束的位置
m.group(0)  #打印：'100081'
m.start()   #打印：3
m.end()     #打印：9
m.span()    #打印：(3,9)

五、Re库的贪婪匹配和最小匹配

贪婪匹配：Re库默认采用贪婪匹配，即输出匹配最长的子串。

贪婪匹配实例：

import re
match = re.search(r'PY.*N','PYANBNCNDN')
match.group(0)  #打印：'PYANBNCNDN'

最小匹配实例：

import re
match = re.search(r'PY.*?N','PYANBNCNDN')
match.group(0)  #打印：'PYAN'

最小匹配操作符：

操作符	说明
*？	前一个字符0次或无限次扩展，最小匹配
+？	前一个字符1次或无限次扩展，最小匹配
？？	前一个字符0次或1次扩展，最小匹配
{m,n}?	扩展前一个字符m至n次（含n），最小匹配