python 之 re

一、正则表达式

正则表达式，又称正规表示法、常规表示法（Regular Expression）

二、正则表达式描述字符

在正则表达式中，直接给出字符，就是精确匹配。

用\d可以匹配一个数字，\w可以匹配一个字母或数字。如：

‘444\d可以匹配 4448，但不能匹配ooA

\d\d\d可以匹配020

\w\w\w可以匹配py2

. 可以匹配任意字符，所以：

匹配 变长的字符，在正则表达式中，用*表示任意个字符（包括0），+表示至少一个字符，用？表示0个或者1个字符  {n},表示n个字符，{n,m}表示n-m个字符。如：

1. \d{3}表示匹配3个数字，例如‘010‘；
2. \s可以匹配一个空格（也包括Tab等空白符），所以\s+表示至少有一个空格，例如匹配‘ ‘，‘ ‘等；
3. \d{3,8}表示3-8个数字，例如‘1234567‘。

三、re模块

1、re.match()表示匹配，如果成功，返回一个match对象，否则。

2.re.split()切分字符串，注无法识别连续的空格

3.贪婪匹配

最后需要特别指出的是，正则匹配默认是贪婪匹配，也就是匹配尽可能多的字符。举例如下，匹配出数字后面的0：

>>> re.match(r‘^(\d+)(0*)$‘, ‘102300‘).groups()(‘102300‘, ‘‘)

由于\d+采用贪婪匹配，直接把后面的0全部匹配了，结果0*只能匹配空字符串了。

必须让\d+采用非贪婪匹配（也就是尽可能少匹配），才能把后面的0匹配出来，加个?就可以让\d+采用非贪婪匹配：

>>> re.match(r‘^(\d+?)(0*)$‘, ‘102300‘).groups()(‘1023‘, ‘00‘)

编译

当我们在Python中使用正则表达式时，re模块内部会干两件事情：

1. 编译正则表达式，如果正则表达式的字符串本身不合法，会报错；
2. 用编译后的正则表达式去匹配字符串。

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：

>>> 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‘)

编译后生成Regular Exp