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:
-
\d{3}
表示匹配3个数字,例如'010'
; -
\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; -
\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:
-
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;
-
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
本文转自 奚落123 51CTO博客,原文链接:http://blog.51cto.com/guyuyuan/1707632,如需转载请自行联系原作者