Day-13: 正则表达式

　　正则表达式：

　　由于程序中对字符串进行操作的情况实在太多，所以就诞生了正则表达式。它就是用来匹配字符串的。

　　d匹配一个数字，w匹配一个字母或者数字，s匹配一个空格（包括Tab等空白符）

　　*表示任意个字符，+表示一个字符，？表示0或者1个字符，{n}表示n个字符，{n，m}表示n-m个字符（数量表示符号要放在字符表示符号的后面）

　　[]里面表示范围

　　[0-9a-zA-Z\_]可以匹配一个数字、字母或者下划线；

　　A|B可以匹配A或B，^表示行的开头，$表示行的结束。

　　正则表达式自身要转义表示，使用r''后就不用考虑正则表达式的转义。

　　re模块：

>>> import re
>>> re.match(r'^d{3}-d{3,8}$', '010-12345')
<_sre.SRE_Match object at 0x1026e18b8>
>>> re.match(r'^d{3}-d{3,8}$', '010 12345')
>>>

　　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。

>>> re.split(r'[s\,;]+', 'a,b;; c  d')
['a', 'b', 'c', 'd']

　　正则表达式中有()表示提取有分组，可以在match对象上用group()方法提取出子串来，group(0)表示原始字符串，group(1)表示第1个字符串。

>>> m = re.match(r'^(d{3})-(d{3,8})$', '010-12345')
>>> m
<_sre.SRE_Match object at 0x1026fb3e8>
>>> m.group(0)
'010-12345'
>>> m.group(1)
'010'
>>> m.group(2)
'12345'

　　re模块中方法运行时会先编译正则表达式，再去匹配。如果一个正则表达式要重复使用几千次，可以先预编译该表达式，之后就不需要编译该步骤了，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')

　　贪婪原则：正则表达式匹配时默认是贪婪匹配，尽可能多的匹配。

>>> 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。

必须用？换成非贪婪模式采用匹配出

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

  注：本文为学习廖雪峰Python入门整理后的笔记