个人学习笔记
视频网站: https://www.bilibili.com/video/av9784617?p=39

① 正则表达式¹

图片源自:博客园某博主…

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

函数	说明
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
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
re.findall()	搜索字符串, 以列表类型返回全部能匹配的子串
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
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
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

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

常用标记	说明
re.I re.IGNORECASE	忽略正则表达的大小写, [A-Z]能够匹配小写字符
re.M re.MULTILINE	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 re.DOTALL	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

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')

在这里插入图片描述

三. Re库中的match对象

3.1 Match对象的属性

属性	说明
.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

3.2 Match对象的方法

方法	说明
.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())

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

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}?	扩展前一个字符m至n次(含n), 最小匹配