正则表达式与 Python re库

正则表达式是用来简洁表达一组字符串的表达式
正则表达式是一种通用的字符串表达框架
正则表达式是一种针对字符串表达“简洁”和“特征”思想的工具
正则表达式可以用来判断某字符串的特征归属

正则表达式语法由字符和操作符构成
正则表达式常用操作符：
. 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、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_]

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'…

经典正则表达式的实例：
由26个字母组成的字符串 ^[A‐Za‐z]+$
由26个字母和数字组成的字符串 ^[A‐Za‐z0‐9]+$
整数形式的字符串 ^‐?\d+$
正整数形式的字符串 ^[0‐9]*[1‐9][0‐9]*$
中国境内邮政编码，6位 [1‐9]\d{5}
匹配中文字符 [\u4e00‐\u9fa5]
国内电话号码，010‐68913536 \d{3}‐\d{8}|\d{4}‐\d{7}

re库是Python的标准库，主要用于字符串匹配调用方式 import re
正则表达式的基本类型：
raw string类型也称原生字符串类型，指在正则表达式中 \ 不被当做转移符来使用
string类型在正则表达式中 \ 是转移符，设计到 \ 要用 \\
建议：当正则表达式包含转义符时，使用raw string, 使用方法是在原有的正则表达式前加 r，例如 r'[1‐9]\d{5}'

re库的主要功能函数：
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

re.search(pattern, string, flags=0)
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
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
常用标记说明
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

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
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

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
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

re库的另一种用法：
rst = re.search(r'[1-9]\d{5}', 'BIT100081')
等价于
pat = re.compile(r'[1-9]\d{5}') 将正则表达式的字符串形式编译成正则表达式对象
rst = pat.search('BIT100081')

什么是match对象：
match对象是一次匹配的结果，包含很多匹配信息
match对象的属性：
属性说明
.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
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())

Re库默认采用贪婪匹配，即输出匹配最长的子串
如何输出最短的子串呢？
>>> match = re.search(r'PY.*?N', 'PYANBNCNDN')
>>> match.group(0)
'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

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

code:

# import re
# match = re.search(r'[1-9]\d{5}', 'BIT 100081')
# if match:
#     print(match.group(0))
# match = re.match(r'[1-9]\d{5}', 'BIT 100081')
# # print(match.group()) 报错，匹配结果为空
# match = re.match(r'[1-9]\d{5}', '100081 BIT')
# if match:
#     print(match.group(0))
#
# ls = re.findall(r'[1-9]\d{5}', 'BIT100081 TSU100084')
# print(ls)
#
# lt = re.split(r'[1-9]\d{5}', 'BIT100081 TSU100084', maxsplit=1)
# print(lt)
#
# for m in re.finditer(r'[1-9]\d{5}', 'BIT100081 TSU100084'):
#     if m:
#         print(m.group(0))
#
# print(re.sub(r'[1-9]\d{5}', ':zipcode', 'BIT100081 TSU100084', count=1))
#
# pat = re.compile(r'[1-9]\d{5}')
# rst = pat.search('BIT100081 TSU100084')
# print(rst.group())

import re
m = re.search(r'[1-9]\d{5}', 'BIT100081 TSU100084')
print(m.string)
print(m.re)
print(m.pos, m.endpos)
print(m.start(), m.end())
print(m.span())
print(m.group(0))

正则表达式 与 Python re库

正则表达式与 Python re库