Python正则表达式和re库知识点总结

正则表达式是定义搜索模式的字符序列。通常这种模式被字符串搜索算法用于字符串上的“查找”或“查找和替换”操作，或者用于输入验证。

1. 正则表达式的语法

. 表示任何单个字符

[] 字符集，对单个字符给出取值范围

[^] 非字符集，对单个字符给出排除范围

*前一个字符0次或者无限次扩展

+前一个字符1次或无限次扩展

?前一个字符0次或1次扩展

|左右表达式任意一个

{m}扩展前一个字符m次

{m,n}扩展前一个字符m至n次

^匹配字符串开头

$匹配字符串结尾

()分组标记，内部只能使用|操作符

d数字，等价于[0-9]

w单词字符，等价于[A-Z,a-z,0-9]

2. python中re库的使用

Re库是python的标准库，主要用于字符串匹配，调用方法：import re

2.1. 正则表达式字符串的类型

re库采用raw string类型来表示正则表达式，表示为
r'text'
raw string是不包含对转义符的再次转义的字符串，总而言就是string会对字符转义，而raw string不会，因为在正则表达中会出现转义符号，所以避免繁琐我们使用raw string

2.2. Re库主要功能函数
re.search()在一个字符串中搜索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

2.2.1. re.search(pattern, string, flags=0)
在一个字符串中搜索正则表达式的第一个位置，返回match对象

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

re.I re.IGNORECASE 忽略正则表达式的大小写，[A‐Z]能够匹配小写字符

re.M re.MULTILINE 正则表达式中的^操作符能够将给定字符串的每行当作匹配开始

re.S re.DOTALL 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

举例说明：

import re
match = re.search(r'[1-9]\d{5}', 'BIT 100081')
if match:
  print(match.group(0))
 
结果为100081

2.2.2. re.match(pattern, string, flags=0)

从一个字符串的开始位置起匹配正则表达式，返回match对象

参数同search函数

举例说明：

import re
match = re.match(r'[1-9]\d{5}', 'BIT 100081')
print(match.group(0))
 
结果会报错，match为空，因为match函数是
从字符串开始位置开始匹配，因为从开始位置没有匹配到，所以为空

2.2.3. re.findall(pattern, string, flags=0)

搜索字符串，以列表类型返回全部能匹配的子串

参数同search

举例说明:

import re
ls=re.findall(r'[1-9]\d{5}', 'BIT100081 TSU100084')
print(ls)
 
结果为['100081', '100084']

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

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

maxsplit : 最大分割数，剩余部分作为最后一个元素输出

举例说明 ：

import re
re.split(r'[1-9]\d{5}', 'BIT100081 TSU100084')
结果['BIT', ' TSU', ' ']
re.split(r'[1-9]\d{5}', 'BIT100081 TSU100084', maxsplit=1)
结果['BIT', ' TSU100081']

2.2.5. re.finditer(pattern, string, maxsplit=0, flags=0)

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

参数同search

举例说明 :

import re
for m in re.finditer(r'[1-9]\d{5}', 'BIT100081 TSU100084'):
  if m:
    print(m.group(0))
结果为
100081
100084

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

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

repl : 替换匹配字符串的字符串

count : 匹配的最大替换次数

举例说明:

import re
re.sub(r'[1-9]\d{5}', ':zipcode', 'BIT100081 TSU100084')
结果为
'BIT:zipcode TSU:zipcode'

2.3 Re库的另一种等价用法（面向对象）

rst=re.search(r'[1-9]\d{5}', 'BIT 100081')
函数式的调用，一次性操作
pat=re.compile(r'[1-9]\d{5}')
rst=pat.search('BIT 100081')
编译后多次操作

regex=re.complie(pattern,flags=0)
regex也有以上六种用法

2.4 Re库的Match对象

Match对象是是一次匹配的结果，包含匹配的很多信息

以下是Match对象的属性

.string 待匹配的文本

.re 匹配时使用的patter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

以下是Match对象的方法

.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())

2.5 Re库的贪婪匹配和最小匹配

当正则表达式可以匹配长短不同的多项时，返回哪一个呢？Re库默认采用贪婪匹配，即返回匹配最长的子串

最小匹配

*? 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

只要长度输出可能不同的，都可以通过在操作符后增加?变成最小匹配