python re库的正则表达式学习笔记

1. 安装

默认已经安装好了python环境了

re库是python3的核心库，不需要pip install，直接import就行

2. 最简单的模式

字符本身就是最简单的模式

比如：'A', 'I love you', 'test'

然是注意在定义模式字符串的时候，在前面加上r，它的作用是告诉编译器，接下来的字符串是单纯的字符串，请不要转变为转义字符。

例子

import re
pattern = r'Cookie'
sequence = 'Cookie'
re.match(pattern, sequence)

<re.Match object; span=(0, 6), match='Cookie'>

re.match()是常用的函数，如果匹配，返回的是re.Match object.一个库内置的对象。如果没有匹配返回的是None

3. 通配符

在正则表达式中，有些字符是有特殊意义的（不是转义字符的那套规则），下面介绍常用的通配符字符

1）"."：点，代表任何字符，除了换行（newline）

re.search(r'Co.k.e', 'Cookie').group()

其中group()函数返回匹配的字符，返回类型是str

'Cookie'

2) "\w" 反斜杠小写w，代表任何单个字母，数字，下划线

re.search(r'Co\wk\we', 'Cookie').group()

'Cookie'

3) "\W" 反斜杠大写W，代表任何2)中没有代表的字符

re.search(r'C\Wke', 'C@ke').group()

'C@ke'

4) "\s" 反斜杠小写s，代表一些空格字符，比如空格(space)，换行(new line)，跳格键(tab)，回车(return)

re.search(r'Eat\scake', 'Eat cake').group()

'Eat cake'

5) "\S" 反斜杠大写S，代表任何4)中没有代表的字符

re.search(r'Cook\Se', 'Cookie').group()

'Cookie'

6) "\t" 反斜杠小写t，代表跳格键(tab)

7) "\n" 反斜杠小写t，代表换行(new line)

8) "\r" 反斜杠小写t，代表回车(return)

9) "\d" 反斜杠小写d，代表单个数字0-9

re.search(r'c\d\dkie', 'c00kie').group()

'c00kie'

10) "^" 这个键不知道叫什么，代表从字符开头要匹配

re.search(r'^Eat', 'Eat cake').group()

'Eat'

11) "$" 美元符号，代表从字符结尾要匹配

re.search(r'cake$', 'Eat cake').group()

'cake'

12) "[abc]" 中括号中任意字符，代表匹配其中任意字符

常用的方式，比如[a-zA-Z0-9]，或者如果中括号中第一个字符是"^"，代表不是这个范围内的字符

re.search(r'Number: [0-6]', 'Number: 5')

<re.Match object; span=(0, 9), match='Number: 5'>

再来个不在范围内的

re.search(r'Number: [^0-6]', 'Number: 7')

<re.Match object; span=(0, 9), match='Number: 7'>

4. 重复

第三部分介绍了单个通配符，那么怎么定义一串通配符呢，利用一些重复的标志

1) "+" 加号，表示在它左边的字符出现一次或者多次

re.search(r'Co+kie', 'Cooookie')

<re.Match object; span=(0, 8), match='Cooookie'>

2) "*" 乘号，表示在它左边的字符出现零次或者多次

re.search(r'Ca*o*kie', 'Caokie').group()

'Caokie'

3) "?" 问号，表示在它左边的字符出现零次或者一次

re.search(r'Colou?r', 'Color').group()

'Color'

4) {x} 大括号加数字，重复确切几次

5) {x,} 重复至少几次

6) {x, y} 重复至少x次，不超过y次

re.search(r'\d{9,10}', '').group()

''

5. 分组

比如说想定义一个email的格式，@之前的是一个规则，之后的是一个规则，那么通过（）圆括号来分为两组，分别定义在一个正则表达式中

然后如果满足的话，通过group()函数指定返回哪一组的结果

比如

email_address = 'Please contact us at: support@datacamp.com'
match = re.search(r'([\w+-]+)@([\w\.-]+)', 'tw7613781@gmail.com')
if match:
  print(match.group()) # The whole matched text
  print(match.group(1)) # The username (group 1)
  print(match.group(2)) # The host (group 2)

tw7613781@gmail.com
tw7613781
gmail.com

@前为第一部分，\w代表代表任何单个字母，数字，下划线，上面已经介绍了，然后就是"\w"和"+"和"-"随便哪一个至少一个或者多个

@后为第二部分，其余一样，就是多了个"\."，因为"."代表的是任意字符了，如果想表达真正的点，用"\."来表示。

6. python库函数re的常用函数

1) re.search(pattern, string)和re.match(pattern, string)

区别在于search能从string中寻找任何满足pattern的substring，但是match必须从头开始

pattern = "cookie"
sequence = "Cake and cookie"

re.search(pattern, sequence).group()

'cookie'

如果是match会返回None

2) re.findall(pattern, string)

寻找string所有满足pattern的substring，然后以list的形式返回

email_address = "Please contact us at: support@datacamp.com, xyz@datacamp.com"

#'addresses' is a list that stores all the possible match
addresses = re.findall(r'[\w\.-]+@[\w\.-]+', email_address)
for address in addresses:
    print(address)

support@datacamp.com
xyz@datacamp.com

3) re.compile(pattern)

通过compile函数会生成一个pattern对象，这个pattern对象可以直接使用match，search等函数

In: pattern = re.compile(r"cookie")
In: pattern
Out: re.compile(r'cookie', re.UNICODE)
In: pattern.search('cookie')
Out: <re.Match object; span=(0, 6), match='cookie'>

学习材料

https://www.datacamp.com/community/tutorials/python-regular-expression-tutorial