正则表达式如何编写？

正则表达式，英文：Regular Expression。它通常用来检索和替换符合某种模式的文本。 　　Python自1.5版本开始增加了re模块，使得Python拥有了全部的正则表达式功能。 一、基本函数（match、search、findall） 　　在使用re模块之前，要先引入，re模块使已经在内置在Python内部的，无需再自己下载安装了。 1 import re 1、re.match函数 1.1 原型：match(pattern, string, flags=0) 1.2 参数： 　　pattern：匹配的正则表达式 　　string：要匹配的字符串 　　flags：标志位，用来控制正则表达式的匹配方式 　　　　re.I：忽略大小写 　　　　re.L：做本地化识别 　　　　re.M：多行匹配，影响^和$ 　　　　re.S：使.匹配包括换行符在内的所有字符，否则.不匹配换行符 　　　　re.U：根据Unicode字符集解析字符，影响'\w \W \b \B' 　　　　re.X：使我们以更灵活的格式理解正则表达式 1.3 功能：尝试从字符串的起始位置匹配一个模式 1.4 eg： 1 # 注释为输出结果 2 3 print(re.match('www', 'www.baidu.com')) 4 # <_sre.SRE_Match object; span=(0, 3), match='www'> 5 # 返回结果的类型、匹配结果的位置、匹配内容 6 7 print(re.match('www', 'www.baidu.com').span()) 8 # (0, 3) 输出匹配的位置 2、re.search函数 2.1 原型：search(pattern, string, flags=0) 2.2 参数： 　　pattern：匹配的正则表达式 　　string：要匹配的字符串 　　flags：标志位，用来控制正则表达式的匹配方式（与上面内容一致，后面不赘述） 2.3 功能：扫描整个字符串，返回第一个成功的匹配，与match相比，就是不必从起始位置开始匹配 3、re.findall函数 3.1 原型：findall(pattern, string, flags=0) 3.2 参数： 　　pattern：匹配的正则表达式 　　string：要匹配的字符串 　　flags：标志位，用来控制正则表达式的匹配方式 3.3 功能：扫描整个字符串，返回结果列表，其中匹配到所有符合模式的结果 二、正则表达式的元字符 1、匹配单个字符 . 可以匹配除换行符以外的任意字符 [] 是字符集合，表示匹配方括号中任意所包含的任一字符 [asd] 匹配其中任一字符 [a-z] 匹配任意小写字母 [0-9a-zA-Z_] 匹配任意大小写字母或数字或下划线 [^asd] 匹配除了asd几个字母以外的所有字符，中括号里的^号称为'脱字符'，表示不匹配集合中的字符 [^0-9] 匹配所有非数字字符 \d 匹配数字，效果同[0-9] [^\d] 匹配非数字字符，效果同[^0-9] \w 匹配数字，字母和下划线，效果同[0-9a-zA-Z_] （字母不包含空格） \W 匹配非数字，字母和下划线，效果同[^0-9a-zA-Z_] \s 匹配任意的空白符（空格，换行，回车，换页，制表），效果同[ \f\n\r\t] \S 匹配任意的非空白符，效果同[^ \f\n\r\t] 2、锚字符（边界字符） ^ 行首匹配，和在中括号里的^不是一个意思 $ 行尾匹配 \A 匹配字符串的开始，他和^的区别是，\A只匹配整个字符串的开头，即使在re.M下也不会匹配他行的行首 \Z 匹配字符串的结束，他和$的区别是，\Z只匹配整个字符串的结束，即使在re.M下也不会匹配他行的行尾 \b 匹配一个单词的边界，也就是指单词和空格间的位置 eg：r'er\b',匹配以er为结尾边界的位置 \B 匹配非单词边界，与上面相反，匹配不是边界的 3、多个字符 (xyz) 匹配小括号内的xyz，作为一个整体去匹配 x? 匹配0个或者1个x eg：print(re.findall(r"a?","aaabaa")) # 非贪婪匹配，尽可能少的匹配 x* 匹配0个或者任意多个x eg：print(re.findall(r"a*","aaabaa")) # 贪婪匹配，尽可能多的匹配 x+ 匹配至少一个x（贪婪匹配） x{n} 匹配确定的n个x（n是一个确定的非负整数 x{n,} 匹配至少n个x x{n,m} 匹配至少n个，最多m个x，注意n<=m x|y |表示或，匹配的是x或y 4、特殊情况 *? +? x? 最小匹配，通常都是尽可能多的匹配，可以使用这种解决贪婪匹配 (?:X) 类似于(xyz)，但不表示一个组 三、实用技巧 1、字符串切割 1 str1 = "hello world hello world hello world " 2 # 普通切割 3 print(str1.split(' ')) # 仅仅以一个空格切割，遇到多个空格时会出现不想要的内容 4 # 正则切割 5 print(re.split(r' +', str1)) # 可以通过正则的切割，其中利用正则的方法，来以任意多个空格来切割 2、re.finditer函数 原型：finditer(pattern, string, flags=0) 参数： pattern：匹配的正则表达式 string：要匹配的字符串 flags：标志位，用来控制正则表达式的匹配方式 功能：与findall类似，扫描整个字符串，返回的是一个迭代器，可以节省空间，提高效率 1 str2 = "hello world hello world hello world hello world hello world" 2 3 d = re.finditer(r'hello', str2) 4 while True: 5 # 当使用迭代方法时，为了可以使他在找完对象后退出，一般通过捕获的方法 6 try: 7 　　print(next(d)) 8 except StopIteration as e: 9 　　break 3、字符串的替换和修改 sub(pattern, repl, string, count=0, flags=0) subn(pattern, repl, string, count=0, flags=0)功能： 在目标字符串中以正则表达式的规则匹配字符串，再把他们替换成指定的字符串。可以指定替换的次数，如果不指定，替换所有的匹配字符串 pattern: 正则表达式（规则） repl: 指定的用来替换的字符串 string: 目标字符串 count: 最多替换次数 flags: 区别： sub返回一个字符串，subn返回一个元组（第一个元素是替换后的字符串，第二个元素是替换的个数） 4、分组 　　概念：除了简单的判断是否匹配以外，正则表达式还有提取子串的功能。用()表示的就是提取分组。（这个自己试一下，加深印象） 1 str3 = "010-12312323" 2 m = re.match(r'(?P<first>\d{3})-(\d{8})', str3) 3 # 使用序号获取对应组的信息，group(0)一直代表的原始字符串 4 print(m.group(0)) 5 print(m.group(1)) 6 print(m.group('first')) # 使用自己起的名字索引 7 print(m.group(2)) 8 9 print(m.groups()) # 查看各组的情况 10 11 # 如果在最外层加一个括号，那么group(1)就是打印的最外面的那个，依次向里 12 13 # ?P<first>写在小括号里，表示起名字 5、编译 当我们使用正则表达式时，re模块会干两件事： 　　（1）编译正则表达式，如果正则表达式本身不合法，会报错 　　（2）用编译后的正则表达式去匹配对象 编译的原型：re.compile(pattern, flags=0) 　　提示：一般情况下，比较简单的匹配我们直接通过上面讲述的那几种基本方法就可以了，但是当模式比较复杂，或者这个正则对象在后面还会用到时，就会先把他编译出来，毕竟后面可以省去再次编译的时间，并且更清晰。 　　正则对象，习惯上命名为 re_xxxxxx。 1 pat = r"^1(([3578]\d)|(47))\d{8}$" # 模式 2 re_telephone = re.compile(pat) # 编译成正则对象 3 print(re_telephone.match("13612345678")) # 使用其匹配文本，前面提到的基本方法在这里照常使用