Python 正则表达式及Re库

本导图总结了正则表达式的基本用法，以及Python提供的用于正则表达式的Re库。

Python 正则表达式

• 正则表达式
  • 通用的字符串表达框架，简洁表达一组字符串的表达式
  • 主要应用在字符串的匹配
• 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
      • 例：[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
      • 例：[^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
      • 例：abc*表示ab、abc、abcc、abccc等
  • +
    • 前一个字符1次或无限次扩展
      • 例：abc+表示abc、abcc、abccc等
  • ?
    • 前一个字符0次或1次扩展
      • 例：abc?表示ab、abc
  • |
    • 左右表达式任意一个
      • 例：abc|def表示abc、def
  • {m}
    • 扩展前一个字符m次
      • 例：ab{2}c表示abbc
  • {m,n}
    • 扩展前一个字符m至n次（含n）
      • 例：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$表示abc且在一个字符串的结尾
  • ()
    • 分组标记，内部只能用|操作符
      • (abc)表示abc，(abc|def)表示abc、def
  • \d
    • 数字，等价于[0-9]
  • \w
    • 单词字符，等价于[A-Za-z0-9_]
• 经典正则表达式
  • ^[A-Za-z]+$
    • 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
  • ^-?\d+$
    • 整数形式的字符串
  • ^[0-9]*[1-9][0-9]*$
    • 正整数形式的字符串
  • [\u4e00-\u9fa5]
    • 匹配中文字符
• Python Re库
  • Python的标准库，无需安装。主要用于字符串匹配。
  • re库采用raw string类型（不解析转义符'\'）表示正则表达式 表示为：r'text'
    • 例：r'[1-9]\d{5}'
• Re库 Match对象
  • 调用Re库方法返回的对象，包含匹配结果
  • 常用属性
    • .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
  • 常用方法
    • .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())
• Re库常用功能函数
  • 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
    • 完整表示
      • re.search(pattern, string, flags=0)
    • 参数
      • pattern
        • 正则表达式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
          • re.I
            • 忽略正则表达式的大小写，[A-Z]能匹配小写字符
          • re.M
            • 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
            • 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
    • 例：match = re.search(r'[1-9]\d{5}, 'BIT 100081') if match: print(match.group(0))
  • 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
    • 完整表示
      • re.match(pattern, string, flags=0)
    • 参数
      • pattern
        • 正则表达式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.findall()
    • 搜索字符串，以列表类型返回全部能匹配的子串
    • 完整表示
      • re.findall(pattern, string, flags=0)
  • 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
    • 完整表示
      • re.split(pattern, string, maxsplit=0, flags=0)
    • 参数
      • pattern
        • 正则表达式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.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
    • 完整表示
      • re.finditer(pattern, string, flags=0)
  • 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
    • 完整表示
      • re.sub(pattern, repl, string, count=0, flags=0)
    • 参数
      • pattern
        • 正则表达式字符串或原生字符串表示
      • string
        • 待匹配字符串
      • repl
        • 替换匹配字符串的字符串
      • count
        • 匹配的最大替换次数
      • flags
        • 正则表达式使用时的控制标记
  • 用法
    • 函数式用法，一次性操作
      • rst = re.search(r’[1-9]\d{5}’, ‘BIT 100081’)
    • 面向对象用法，编译后的多次操作
      • pat = re.compile(r’[1-9]\d{5}’) rst = pat.search(‘BIT 100081’)
• Re库 匹配原则
  • 默认采用贪婪匹配，即匹配最长的子串
  • 最小匹配
    • 匹配最短的子串，需要修改表达式中的操作符
    • 操作符
      • *?
        • 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