正则表达式的概念Regular Expression RE
优势：简洁 一行胜千言
用于对字符串的匹配
在文本处理中十分常用
表达文本类型的特征（病毒，入侵检测）
同时查找或替换一组字符串
匹配字符串的局部和全部
正则表达式的使用
首先将符合正则表达式语法的字符串转化成正则表达式 特征
p = re.compile(regx)
| 操作符 | 说明 | 实例 |
| . | 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]表示所有的小写字母 |
| [^] | [^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或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在一个字符串的开头 |
| $ | 匹配字符串结尾 | abc$表示abc在一个字符串的结尾 |
| () | 分组标识，内部只能使用|操作符 | (abc)表示abc,(abc|def)表示abc,def |
| \d | 数字，等价于[0-9] | |
| \w | 单词字符等价于[A-Za-z0-9_] |
| ^[A-Za-z]+$ | 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串 |
| ^-?\d+$ | 数据形式的字符串 |
| ^[0-9]*[1-9][0-9]*$ | 正整数形式的字符串 |
| [1-9]\d{5} | 中国境内的邮政编码 |
| [\u4e00-\u9fa5] | 匹配中文字符 |
| \d{3}-\d{8}|\d{4}-\d{7} | 国内电话号码 |
| (([1-9]?\d|1\d{2}|2[0-4]\d|25[0-5]).){3}([1-9]?\d|1\d{2}|2[0-4]\d|25[0-5]) | IP地址 |
Re库是python的标准库
import re
re库采用raw string类型表示正则表达式，表示为
r‘text‘
如: r‘[1-9]\d{5}‘
r‘\d{3}-\d{8}|\d{4}-\d{7}‘
raw string是不包括对转义字符再次转义的字符串，建议使用raw string
Re库的主要功能函数
| 函数 | 说明 |
| re.search(pattern,string,flags=0) | 在一个字符串中匹配正则表达式的第一个位置，返回match对象 |
| 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 |
| 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 |
| 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侵害，返回列表类型, maxsplit表示最大分割数，剩余部分作为最后一个元素输出 |
| re.finditer(pattern,string,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 |
| 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为替换匹配字符串的字符串，count为最大替换次数 |
| re.compile(pattern,flags = 0) | 将正则表达式的字符串形式编译所正则表达式对象 |
| flags | 说明 |
| re.I re.IGONRECASE | 忽略正则表达式的大小写，[A-Z]能匹配小写字符 |
| re.M re.MULTILINE | 正则表达式的中的^操作符能够将给定字符串的每行当作匹配开始位置 |
| re.S re.DOTALL | 正则表达式的中的.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库的另一种等价用法
函数式用法,一次性操作
rst = re.search(r‘[1-9]\d{5}‘,‘BIT 10081‘)
面向对象用法，编译后多次操作
pat = re.compile(r‘[1-9]\d{5}‘)
rst = pat.search(‘BIT 10081‘)
Match对象 是一次匹配的结果，包含匹配的很多信息
Match对象的属性
| 属性 | 说明 |
| .string | 待匹配的文本 |
| .re | 匹配进使用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 |
| 方法 | 说明 |
| .group(0) | 获得匹配的字符串 |
| .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库的贪婪匹配和最小匹配
贪婪匹配：re库默认采用贪婪匹配，即输出匹配最长的子串
如：
最小匹配：如何输出最短的子串
| 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}? | 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，都可以通过在操作符后增加?变成最小匹配
时间： 2024-10-18 06:28:57