Python中正则表达式的理解

Num01–>正则表达式的简介

1，在开发中经常会有大量字符串处理的工作，其中就会涉及到很多字符串格式校验的处理。

2，正则表达式，又称正规表达式、正规表示法、正则表达式、规则表达式等。英语：Regular Expression，在代码中常简写为regex或RE。

3，正则表达式使用单个字符串来描述，匹配一系列某个句法规则的字符串。在很多文本编辑器里，正则表达式通常被用来检索、替换那些匹配某个模式的文本。

Num02–>Python中re模块的操作

Test01–> re.match()能够匹配出以xxoo开头的字符串

# 导入re模块
import re

# 使用match方法进行匹配操作
result = re.match('正则表达式', '要匹配的字符串')

# 如果上一步匹配到数据的话，可以使用group方法来提取数据
#如果没有匹配到数据，直接抛出异常：AttributeError: 'NoneType' object has no attribute 'group'

print(result.group())

小案例如下：

# 导入re模块
import re

# 使用match方法进行匹配操作
result = re.match('xiaoke', 'xiaokepython')

# 如果上一步匹配到数据的话，可以使用group方法来提取数据,提取到数据后打印数据
print(result.group())
# 结果如下：
# xiaoke

Test02–> search只能找到一个，与match的区别是：search可以从中间开始找。返回一个字符串

Test03–> findall找到所有匹配的项，返回一个列表

Test04–> sub将匹配到的数据进行替换，返回一个字符串

Test05–> split 根据匹配进行切割字符串，并返回一个列表

Num03–>正则表达式的单字符匹配

.   匹配任意一个字符（除了\n）
[ ] 匹配[ ]中列举的一个字符

\d  匹配数字，即0-9
\D  匹配非数字，即不是数字

\s  匹配空白，即 空格，tab键，换行\n
\S  匹配非空白

\w  匹配单词字符，即a-z、A-Z、0-9、_
\W  匹配非单词字符

Num04–>正则表达式的原始字符串

Python中字符串前面加上 r 表示原生字符串。

与大多数编程语言相同，正则表达式里使用"\"作为转义字符，这就可能造成反斜杠困扰。假如你需要匹配文本中的字符"\"，那么使用编程语言表示的正则表达式里将需要4个反斜杠"\"：前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。

Python里的原生字符串很好地解决了这个问题，有了原始字符串，你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观。

案例如下：

#本人采用window下pycharm开发

# 导入re模块
import re

result = re.match(r'c:\\\\a.txt', r'c:\\a.txt')
print(result.group())
# 结果如下：
# c:\\a.txt

#另一种方式
# 导入re模块
import re

result = re.match(r'c:\\\\a.txt', 'c:\\\\a.txt')
print(result.group())
# 结果如下：
# c:\\a.txt

Num05–>正则表达式中表示数量

*       匹配前一个字符出现0次或者无限次，即可有可无
+       匹配前一个字符出现1次或者无限次，即至少有1次
?       匹配前一个字符出现1次或者0次，即要么有1次，要么没有

{m}     匹配前一个字符出现m次
{m,}    匹配前一个字符至少出现m次
{m,n}   匹配前一个字符出现从m到n次

Num06–>正则表达式表示边界

^   匹配字符串开头
$   匹配字符串结尾

Num07–>正则表达式匹配分组

|           匹配左右任意一个表达式
(ab)        将括号中字符作为一个分组
\num        引用分组num匹配到的字符串
(?P<name>)  分组起别名
(?P=name)   引用别名为name分组匹配到的字符串

**注意：(?P<name>)和(?P=name)中的字母P大写**

Num08–>python贪婪和非贪婪

Python里数量词默认是贪婪的（在少数语言里也可能是默认非贪婪），总是尝试匹配尽可能多的字符；

非贪婪则相反，总是尝试匹配尽可能少的字符。

在”*”,”?”,”+”,”{m,n}”后面加上？，使贪婪变成非贪婪