正则表达式

Python

正则表达式

1.介绍符号表达的含义

• [0-9a-zA-Z\_] 可以匹配一个数字、字母或者下划线
• [0-9a-zA-Z\_]+ 可以匹配至少由一个数字、字母或者下划线组成的字符串
• A|B 可以匹配A或B
• (P|p)ython 可以匹配'Python'或者'python'
• ^ 表示行的开头
• $ 表示行的结尾

2. re 模块

1.字符串匹配

import re
re.match(r"^\d{3}\-\d{3,8}$", "010-12345")  #match()方法判断是否匹配，如果匹配成功，返回一个Match对象，否则返回None
#<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
re.match(r'^\d{3}\-\d{3,8}$', '010 12345')
#>>>

2.切分字符串

re.split(r"\s+", "a b  c")  #['a', 'b', 'c']
re.split(r"[\s\,]+", "a,b, c  d") #['a', 'b', 'c', 'd']
re.split(r"[\s\,\;]+", "a,b;; c  d") #['a', 'b', 'c', 'd']

3.分组

用()表示的就是要提取的分组 Group

import re
m = re.match(r"^(\d{3})-(\d{3,8})$", "010-12345")
#<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
m.group(0)    #'010-12345', 原始字符串
m.group(1)    #'010'
m.group(2)    #'12345'
m.groups()    #('010', '12345')

如果正则表达式中定义了组，就可以在Match对象上用group()方法提取出子串来。

4.编译

import re
#编译
re_telephone = re.compile(r"^(\d{3})-(\d{3,8})$")
#使用
re_telephone.match("010-12345").groups()    #('010', '12345')
re_telephone.match("010-8086").groups()     #('010', '8086')

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