Re库以及正则表达式 - Python

① 正则表达式​1​

② Re库

一. 正则表达式的表示类型

• raw string类型(原生字符串类型)

re库采用raw string类型表达正则表达式, 表示为: ​​r'text'​​​ 例如: ​​r'[1-9]\d{5}​​ raw string 是不包含转义符的字符串

• string类型

需要将特殊字符转义后使用
例如: ​​​'[1-9]\\d{5}'​​​​'\\d{3}-\\d{8}|\\d{4}-\\d{7}'​​

二. Re库的主要功能函数

2.1 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

match, findall, finditer函数的参数与search的参数是一样的. 参考search的参数即可

2.2 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

2.3 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

2.4 Example

import re

# re.search: 在一个字符串中搜索匹配正则表达式的第一个位置
match = re.search(r'[1-9]\d{5}', 'BIT 100032 132103 12043')
if match:
    print(match.group(0))
# 结果: 100032

print(match)
# 结果: <re.Match object; span=(4, 10), match='100032'>

# re.match: 从一个字符串的开始位置起匹配正则表达式
# 开始与正则表达式不匹配的话, 则为None
match = re.match(r'[1-9]\d{5}', '123042BIT 100032 132103 12043')
if match:
    print(match.group(0))
# 结果: 123042

# re.findall: 搜索字符串, 以列表类型返回全不能匹配的子串
match = re.findall(r'[1-9]\d{5}', '123042BIT 100032 SUV132103 12043')
if match:
    print(match)
# 结果: ['123042', '100032', '132103']

# 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.
match = re.split(r'[1-9]\d{5}', '123042BIT 100032 SUV132103 120413')
if match:
    print(match)
# 结果:['', 'BIT ', ' SUV', ' ', '']
# 结果分析: 123042符合,则字符串开头开始分割即'',
#     然后就是'BIT ', 100032符合,继续分割, ' SUV'
#   132103符合,分割' ', 120413符合,后面一个''(空字符串)

# maxsplit=1, 只匹配1个, 后面的字符串作为一个元素输出
match = re.split(r'[1-9]\d{5}', '123042BIT 100032 SUV132103 120413', maxsplit=1)
if match:
    print(match)
# 结果: ['', 'BIT 100032 SUV132103 120413']

print(re.sub(r'[1-9]\d{5}', ':zipcode', 'BIT102435 TSU104394'))
# 结果: BIT:zipcode TSU:zipcode

2.5 re.compile(pattern, flags=0)

• 将正则表达式的字符串形式编译成正则表达式对象

• pattern: 正则表达式的字符串或原生字符串表示
• flags: 正则表达式使用时的控制标记

函数式用法: 一次性操作:
​​​rst = re.search(r'[1-9]\d{5}', 'BIS 102384')​​

等价于

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('BiS 102384')​​

三. Re库中的match对象

3.1 Match对象的属性

3.2 Match对象的方法

4. 贪婪匹配

Re库默认采用贪婪匹配, 即输出匹配最长的子串

match = re.search(r'PY.*N', 'PYKSJDFNN')
match.group(0)
# 结果: PYKSJDFNN

如何变成最小匹配