python每日学习9：正则表达式
定义
- 在Python中，正则表达式是一种用于匹配字符串中字符组合的模式。它被广泛用于执行各种字符串搜索和替换任务。Python提供了内置的
re模块，用于处理正则表达式。
常用的元字符
- \d：匹配一个数字字符。等价于[0-9]。
- \D：匹配一个非数字字符。等价于非[0-9]。
- \s：匹配任何空白字符，包括空格、制表符、换页符等。等价于[\f\r\n\t\v]。
- \S：匹配任何非空白字符，包括空格、制表符、换页符等。等价于非[\f\r\n\t\v]。
- \w：匹配字母数字字符。
- \W：匹配非字母数字字符。
字符匹配
-
?：匹配前面的字符0次或1次。
-
*：匹配前面的字符0次或多次。
-
+：匹配前面的字符1次或多次。
-
. :匹配除'\n'之外的任何单个字符。使用[.\n]匹配包括\n的任何字符。
-
{n}表示n个字符，用{n,m}表示n~m个字符。
-
:将特殊字符转义。
-
A|B可以匹配A或B，所以(P|p)ython可以匹配'Python'或者'python'。
-
^:表示行的开头。
-
^\d:表示必须以数字开头。
-
$:表示行的结束。
-
\d$:表示必须以数字结束。
\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 '空格'，'空格空格'，'空格空格空格'等； \d{3,8}表示3-8个数字，例如'1234567','123','12345' 综上，该正则表达式可以匹配以任意个空格隔开的带三位区号的电话号码4 要匹配'010-12345'这样的号码，由于'-'是特殊字符，要用'\'转义，所以可用\d{3}\-\d{3,8}进行匹配。
复杂的正则表达式
#### 常用方法
* \[0-9a-zA-Z_\]可以匹配一个数字、字母或者下划线。
* \[0-9a-zA-Z_\]+可以匹配至少由一个数字、字母或者下划线组成的字符串。
* \[0-9a-zA-Z_\]{0, 19}更精确地限制了长度是0-19个字符（最多19个字符）。
#### re模块
*
##### match方法
* 定义：match()方法判断是否匹配，如果匹配成功，返回一个Match对象，否则返回None（match方法通常会结合if选择结构进行判断）。
* 格式
import re 使用前需要先导入re模块
re.match(r'^\d{3}\-\d{3,8}$', '010-12345')
调用match方法，左边需要传入一个正则表达式，右边为待匹配的字符串
如果能匹配上则返回：<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
re.match(r'^\d{3}\-\d{3,8}$', '010 12345') 无法匹配则返回空,即None
*
##### 切分字符串
* re模块提供了split方法，可以按照指定的正则表达式进行字符串的切分。
#无论多少个空格都可以正常分割
import re
m=re.split(r'\s+','a bb c')
print(m)
*
##### 分组
m=re.match(r'^(\d{3})\-(\d{3,8})$')
m.group(0)#默认为0 全部读取
m.group(1)#读取第一个字串
m.group(2)#读取第二个字串
m.groups()#以列表的形式读取
*
##### 贪婪匹配
* 定义：正则匹配默认是贪婪匹配，也就是匹配尽可能多的字符。
re.match(r'^(\d+)(0*)$', '102300').groups()
最终结果：('102300', '')
* 非贪婪匹配：就是尽可能少匹配。
re.match(r'^(\d+?)(0*)$', '102300').groups()
最终结果：('1023', '00')
*
##### 编译
* 定义：如果一个正则表达式要重复使用几千次，出于效率的考虑，可以使用compile方法预编译该正则表达式，接下来重复使用时就不需要编译这个步骤了，直接匹配。
import re # 导入模块
re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$') # 预编译
re_telephone.match('010-12345').groups() # 进行匹配并返回所有组
结果为：('010', '12345')
re_telephone.match('010-8086').groups() # 进行匹配并返回所有组
结果为：('010', '8086')